基于Elman神经网络的NSG水位特性辨识方法研究

针对核动力蒸汽发生器在瞬态、启动和低功率下的“收缩”与“膨胀”现象引起的逆动力学效应使核动力蒸汽发生器水位特性难以辨识的问题,提出了基于Elman神经网络的NSG水位特性辨识的新方法.采用串-并联型辨识结构,以保证辨识的收敛性和稳定性.网络训练采用Levenberg-Marququardt BP学习算法.仿真结果表明,所提出的方法能够正确地辨识核动力蒸汽发生器的水位特性,且具有较高的辨识精度.     

基于Elman神经网络的装甲装备维修保障系统效能评估

从影响装甲装备维修保障系统效能的主要因素出发,建立了比较全面的装甲装备维修保障系统效能评价指标体系。介绍了Elman神经网络的结构和学习过程,建立了维修保障系统效能评估模型。采用Delphi法和AHP相结合的方法,处理了原始数据,获得了10组训练样本和测试样本。利用Matlab7.0进行了评估模型的构建,利用训练样本对模型进行了训练和测试,证明了模型的可用性。研究结果可为在现有装甲装备维修保障系统的基础上开发和研制新型系统提供理论参考。