西安工业大学 电子信息工程学院, 西安 710032
针对传统室内定位算法精度较低的问题, 提出一种基于Elman神经网络的室内定位算法。使用Elman神经网络进行指纹库插值扩充, 完备指纹库, 两者结合减少定位误差, 并对该算法模型进行了实验验证。实验结果表明: 在0.8 m×0.8 m×0.8 m环境中, 所提算法的平均定位误差为4.6 cm, 满足室内定位对于精度的要求。
可见光通信 室内定位 Elman神经网络 数据插值 visible light communication indoor positioning Elman neural network data interpolation
中海油田服务股份有限公司油田技术事业部，河北 廊坊065201
在钻井过程中，水基钻井泥浆会透过泥饼渗入地层从而污染地层水。为了取得纯净的地层水样品，需要对其污染程度进行实时监测。取样前，流体由水基泥浆滤液逐渐过渡到纯净地层水，通过获取滤液、纯地层水以及混合流体的吸光度可实时计算地层水受到污染的程度。鉴于井下地层水污染率在线监测可看作时间序列预测问题，采用了Elman神经网络模型对吸光度数据进行训练，从而预测纯地层水吸光度。采用海上实井数据进行了验证，将基于Elman神经网络预测得到的地层水吸光度与泵抽初期采集的钻井液泥浆滤液吸光度相结合，可以计算出实时的地层水污染率，并将其与实验室水分析结果进行了对比。结果表明，它们的一致性很好。与传统算法相比，新方法高效可靠，具有广泛的适用性和较好的应用价值。
水基泥浆滤液 地层水 污染监测: 近红外 Elman神经网络 water-based mud filtrate formation water pollution monitoring: near-infrared Elman neural network
云南民族大学电气信息工程学院，云南昆明650504
现代社会新能源汽车的利用率越来越高，很多城市都开始推广新能源汽车，政府也开始重视新能源汽车的发展。对于整个配电网来说，对短期新能源汽车充电站的负荷的预测是很有必要的。文中提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN) 与量子遗传算法(QGA) -Elman 组合的模型对相似日新能源汽车充电站进行负荷预测。利用新能源汽车充电站所给的相似日的历史数据作为输入参数训练所建立的模型来预测次日的发电量。该组合模型在减小预测误差方面有所改进，研究的问题有一定应用价值。
新能源汽车 自适应噪声完备集合经验模态分解(CEEMDAN) 量子遗传算法(QGA) Elman 神经网络 组合预测模型 new energy vehicles Complete Ensemble Empirical Mode Decomposition wit Quantum Genetic Algorithm(QGA) Elman neural network combined forecasting model 太赫兹科学与电子信息学报
2022, 20(4): 378
山东理工大学机械工程学院，山东 淄博 255000
初步探讨了微秒激光辐射不锈钢表面的着色机理，在激光焦距及填充间距一定的条件下，研究了激光扫描速度、加工次数及激光重复频率对304不锈钢着色效果的影响，并在此基础上通过建立三个并联的Elman神经网络，研究了激光扫描速度及激光加工次数与着色块色度(H)、饱和度(S)、亮度(B)之间的非线性关系。使用该神经网络在给定的激光参数下进行HSB值预测，预测曲线与真实值曲线吻合良好，其中色度的测试平均相对误差为4.04%，饱和度的测试平均相对误差为13.33%，亮度的测试平均相对误差为4.05%。所建立的神经网络模型具有良好的预测精度，实际加工图案颜色与预测颜色具有较高的一致性。
激光技术 激光 着色预测 Elman神经网络 304不锈钢
内蒙古科技大学信息工程学院, 内蒙古 包头 014010
近年来,室内定位算法吸引了大量的关注和研究。为了改善现有定位算法的复杂度以及精确度等问题,提出了一种先利用Elman神经网络进行室内位置预测,使用加权K近邻算法(WKNN)对预测结果进行修正的可见光室内定位算法。该算法应用在由单LED灯作为发射器,4个水平光电探测器(PD)构成接收器的室内定位系统中。4个水平光电探测器分别位于接收器的4个角,待测位置位于接收器的中心。通过两个Elman神经网络分别预测待测点的横坐标和纵坐标来确定待测点的初步位置,找出定位误差大于神经网络预测平均误差的待测点,用加权K近邻算法进行修正来确定待测点的精确位置,将修正后的精确位置更新到整体待测点的位置中。仿真结果表明,在3.6 m×3.6 m×3 m的室内环境下,本研究算法的平均定位误差为7.13 cm,平均定位时间为0.24 s。
光通信 Elman神经网络 加权K近邻 室内定位 误差修正
上海应用技术大学电气与电子工程学院, 上海 201418
主要针对无人机传感器故障种类较多、类型复杂等特点, 通过灰色模型与Elman神经网络对时延进行建模预测, 利用最小方差原理得到组合时延预测模型, 最后将其应用于无人机传感器故障诊断, 并通过仿真验证组合预测模型对故障诊断时延具有较高的预测精度, 证明了该诊断方法的有效性。
故障诊断 无人机传感器 灰色模型 Elman神经网络 时延 预测 fault diagnosis UAV sensor grey model Elman neural network time delay prediction
针对在恶劣环境下运行的随动稳定平台伺服系统,采用故障树分析法确定其故障类别和逻辑关系，基于粗糙集理论建立原始决策表，使用可辨识矩阵与遗传算法相结合的方法对其进行约简，以约简后的决策表作为学习样本，训练Elman神经网络后生成故障诊断模型，使用测试样本进行校验，故障诊断正确率达98%，表明了该诊断方法的可行性，对故障模型较为复杂的稳定平台伺服系统的诊断应用具有实践意义。
机载稳定平台 伺服系统 故障树分析 粗糙集约简 Elman神经网络 airborne stabilized platform servo system fault tree analysis rough set reduction Elman neural network
军械工程学院 静电与电磁防护研究所, 石家庄 050003
针对大多数磁场探头都是在频域上校准、不能较好地满足测量电磁瞬变现象的问题，提出了一种基于Elman神经网络的磁场探头时域校准建模方法。利用Helmholtz线圈、浪涌发生器、示波器等仪器搭建了时域校准平台，对磁场探头进行校准实验，并采集浪涌发生器输出的电流波形和磁场探头的感应电压。分别以磁场探头的感应电压和Helmholtz线圈产生的磁感应强度数据作为输入输出，建立Elman神经网络模型。建模效果表明，所建模型能够准确地预测出磁感应强度的变化趋势，该校准模型具有一定有效性。
Elman神经网络 磁场探头 Helmholtz线圈 校准 建模 Elman neural network magnetic field probe Helmholtz coils calibration modeling 强激光与粒子束
2015, 27(10): 103225
重庆大学 光电工程学院， 光电技术及系统教育部重点实验室, 重庆 400044
针对252Cf自发裂变中子源构成的核信息系统，以实际所测随机中子脉冲数据的自相关函数为研究对象，借助仿真实验， 利用Elman神经网络对不同质量核材料进行识别。在实测数据的基础上，通过叠加随机抖动，模拟产生了不同质量核材料的相关函数样本，并将其用于神经网络的训练与测试，实验结果表明，训练过的Elman神经网络能够较好地识别相关函数的特征，分辨不同质量的核材料，平均识别率达到85%，综合平均误差为0.04，且具有较高的鲁棒性。
252Cf源核信息系统 随机中子信号 Elman神经网络 核材料识别 nuclear information system of 252Cf source stochastic neutron signal Elman neural network nuclear material identification
