机械与电子
機械與電子
궤계여전자
MACHINERY & ELECTRONICS
2015年
6期
23-25,29
,共4页
李凯凯%许焕敏%周丰
李凱凱%許煥敏%週豐
리개개%허환민%주봉
疏浚作业%扩展卡尔曼神经网络%能耗与产量%模型
疏浚作業%擴展卡爾曼神經網絡%能耗與產量%模型
소준작업%확전잡이만신경망락%능모여산량%모형
dredging%extended Kalman filter neural network%energy consumption and produc-tion%model
提出了基于EKF神经网络的疏浚作业过程动态演化建模方法。在神经网络建模过程中引入卡尔曼滤波思想，利用扩展卡尔曼滤波实时更新神经网络模型的权重，从而获得能有效跟踪挖泥船疏浚过程工况变化的模型。
提齣瞭基于EKF神經網絡的疏浚作業過程動態縯化建模方法。在神經網絡建模過程中引入卡爾曼濾波思想，利用擴展卡爾曼濾波實時更新神經網絡模型的權重，從而穫得能有效跟蹤挖泥船疏浚過程工況變化的模型。
제출료기우EKF신경망락적소준작업과정동태연화건모방법。재신경망락건모과정중인입잡이만려파사상，이용확전잡이만려파실시경신신경망락모형적권중，종이획득능유효근종알니선소준과정공황변화적모형。
This paper presents a dredging dy-namic evolution modeling method based on an ex-tended Kalman filter neural network algorithm. The concept of the Kalman filter is introduced in the process of neural network modeling.Using the extended Kalman filter real time updating weights of the neural network model,effective models showing the variation of dredger dredging process conditions can be tracked.
