Application d'un réseau de neurones récurrent dynamique - Elman pour la prédiction du vide du condenseur. À travers un exemple pratique, il est démontré que cette méthode est capable de prédire assez précisément le vide du condenseur et présente des caractéristiques de vitesse d'apprentissage rapide, de structure simple et de haute précision, et constitue une méthode de prédiction efficace. Parallèlement, lors de l'utilisation de l'algorithme de rétropropagation (BP) des réseaux neuronaux, des minima locaux se produiront, d'où la proposition d'une méthode d'optimisation des coefficients de poids de connexion du réseau de neurones Elman utilisant l'algorithme d'optimisation de l'essaim de particules. Les résultats de la simulation montrent qu'un réseau de neurones Elman utilisant l'algorithme d'optimisation de l'essaim de particules peut construire un modèle de prédiction du vide du condenseur plus précis.

Condensateur; Vide; Réseau de neurones; Algorithme d'optimisation de l'essaim de particules; Modélisation