10.3969/j.issn.1000-3932.2009.05.012
基于混沌理论与Elman神经网络的气固流化床流型识别
采用混沌理论对气固流化床压力脉动信号进行混沌特性分析,包括求延迟时间τ、Hurst指数、关联维数、Kolmogorov熵、Lyapunov等混沌参数,并结合统计参数作为流型辨别的特征输入量,利用Elman神经网络对其训练.试验结果表明,气固流化床压力脉动信号具有混沌特性,Elman神经网络能够有效地快速地识别流化床的五种流型,识别率达95%,为在线识别气固流化床流型提供了一种新的有效方法.
混沌理论、Elman神经网络、气固流化床、统计参数
36
TP391.4(计算技术、计算机技术)
2009-12-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
50-55