Feasibility Study on the Use of Dynamic Neural Networks (DNN’s) for Modeling a Variable Displacement Load Sensing Pump
Notice bibliographique
Résumé
The feasibility of using a particular form of neural networks, defined as Dynamic Neural Units (DNU's), to model a pump in a load sensing system is investigated in this paper. Because of the highly complex structure of the pump, its compensators and controlling elements, simulation of load-sensing pump systems pose many challenges to researchers. Several models of pumps, compensators and valves have been developed and published in the literature but they are overly simplified or are in an extremely complex form. One modeling approach which can capture the nonlinear dynamic properties of the pump yet still retain reasonable simplicity in its basic form is to use neural network technology. Previous studies have shown some limited success in using feed forward neurons with dynamic properties being introduced using time delays. A problem referred to a error accumulation has prevented these neural based models from being practical dynamic representations of load sensing systems. Based on the topology of the biological neural systems several new structures, Dynamic Neural Units (DNU's) have been developed. Only one DNU is necessary to capture or represent some of the dynamics of a plant, which a static (feed forward) neuron cannot do. The main advantage of the dynamic neuron is that it reduces the network dimension and the amount of computational requirement and has the potential to avoid this error accumulation problem. The use of Dynamic Neural Networks with Dynamic Neural Units in simulating a variable displacement pump is presented in this paper. Only the pump portion of the load sensing pump system is considered due to problems of interacting operating points. A DNU structure and a DNN (which is comprised of DNU's) are introduced. The simulation results establishes the feasibility of using a Dynamic Neural Networks with DNU's to model a simulated nonlinear hydraulic system such as a load sensing pump.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».