压缩机性能测试中稳态检测的储备计算
摘要：用于工业设备制造的测试通常包括质量保证测试或试验以确定设备的某些属性或能力。例如，在测试冷冻压缩机时，我们希望找到被测试压缩机的真实制冷能力。这种测试（也称为一次试验）可能需要最多四个小时，这实际上会对所生产压缩机的总数造成阻碍。本研究旨在通过采用递归神经网络（RNNs）作为动态模型来减少在此类工业试验上花费的时间。具体而言，我们使用简化学习RNNs的储备计算（RC）网络，加快训练时间并显示出对全局最优解的收敛性。此外，本研究提出了一种自组织子空间投影方法，用于RC网络，该方法利用一次试验开头的信息来定义一次试验所属的簇。这个分配的簇定义了一个特定的二进制输入，将储备的工作点转移到一次试验的轨迹的子空间中。与标准RC网络相比，这种新方法在性能上对于储备参数的不同组合（如光谱半径和泄漏率）表现出鲁棒性。
作者：Eric Aislan Antonelo and Carlos Alberto Flesch and Filipe Schmitz
论文ID：1706.00782
分类：Other Computer Science
分类简称：cs.OH
提交时间：2017-06-06