基于人工神经网络的摩擦材料性能评价和预测

基于3种典型的人工神经网络,即Elman(反馈)、BP(前馈)和RBF(径向),分别建立3种制动摩擦材料摩擦性能的评价预测模型,采用[240,8]的数据样本对3种模型进行训练,同时采用贝叶斯正则化训练函数进一步优化。结果表明,Elman网络预测实验数据的精度最高,能较为准确地预测摩擦材料的升温摩擦因数和降温摩擦因数,尤其适用于磨料含量较低的情况。     

基于神经网络对出塔水温的预测

为了解决电厂利用其他方法(如迭代法)计算出塔水温时,可能遇到多解或者不收敛的问题,可以利用基于神经网络的特点来解决这一问题。针对出塔水温的特点,应用神经网络网络工具箱,来预测在运行中,各种环境和温度下的出塔水温,从而给电厂吹灰系统提供科学的、有实际意义的指导数据。应用结果表明:所建的模型能够有效地预测出塔水温。     

机组非线性模型的多变量内模控制

大型火力发电机组的协调控制系统是一个复杂的多变量非线性控制系统。随着科学技术和生产的迅速发展,对复杂和不确定性系统实行自动控制的要求不断提高,为进一步改善控制品质,必须采用先进控制器。内模控制由于具有良好的跟踪性能和抗干扰能力,并对模型失配有一定的鲁棒性,使其在工业控制中获得了广泛的应用。为了克服非线性环节以及能量供需之间关联耦合作用对协调系统控制品质的影响,本文结合反馈线性化方法与多变量内模控制,对机组非线性模型设计出非线性内模控制器。     

企业项目群内资源配置研究

在项目群内，经常会出现资源紧缺的情形。解决资源紧缺的主要方法是评定项目优先级。借鉴平衡计分卡的思想，将其五个方面作为评价指标，运用AHP方法设置权重，构建项目优先级评价体系，通过以某IT公司的项目群为例，具体陈述了此方法的应用。