基于改进的粒子群优化的神经网络故障诊断方法研究

针对BP(Back Propagation)神经网络易陷入局部极值的缺点,提出了一种粒子群PSO(Particle Swarm Optimization)神经网络,同时为避免PSO算法早熟,对部分粒子采用变异操作。应用于故障诊断系统的仿真结果表明,该算法能够大大提高故障诊断的精度。     

基于种群规模动态减小的混合微粒群优化算法研究

针对基本微粒群优化(PSO,particle swarm optimization)算法存在早熟、易陷入局部极值等缺点,提出了一种改进的PSO优化算法。该算法分为全局搜索和局部搜索两个阶段。在全局搜索阶段采用基本PSO算法快速收缩搜索范围;在局部搜索阶段将PSO算法与模拟退火(SA,simulated annealing)算法结合,通过产生部分变异微粒确保算法能够跳出局部极值。同时为提高搜索效率,动态地减少种群规模。仿真结果表明,该算法具有较好的优化性能以及较高的执行效率。     

基于UCC3895与PIC单片机的智能充电器的设计

采用新一代移相PWM控制芯片UCC5895和PIC16F917单片机,针对常用的铅酸蓄电池设计开发了一种智能充电器,介绍了其硬件设计思路和软件实现方法,并提出了智能控制策略。     

一种基于CAF的频谱混叠多信号检测算法

针对多源同频混叠信号检测问题,本文提出了一种基于互模糊函数(Cross Ambiguity Function,CAF)的空间域信号检测算法.该算法首先在二维时延-频移搜索范围内计算多信号情况下的CAF值数组,将频谱混叠的多信号映射在空间域上,然后在分析多信号CAF峰特征的基础上,借鉴图像分割中区域增长法的思想,将CAF峰逐一识别、分割,及迭代循环,以实现多信号的榆测.本文采用所提出的算法对同频多信号进行了仿真,给出了在不同信噪比下和不同信号功率比下的多信号检测概率,以及不同门限因子对检测概率和虚警概率的影响.仿真结果表明,该算法能够在低信噪比条件下,有效地对具有一定功率差别的同频多信号进行检测.     

基于BP神经网络进气预估的汽油机瞬态空燃比控制研究

针对某款单缸大排量摩托车发动机,在Matlab/Simulink中建立带油膜补偿器的基于BP神经网络进气量预估模型,对上述组成的空燃比控制模型进行了仿真研究。结果表明,基于BP神经网络的进气量预估控制模型能将超调量控制在10%以内,并能够在1.4s内将混合气恢复至当量比,避免了传统PID控制可能出现的震荡情况,表明基于进气预估的空燃比控制效果良好;加入油膜补偿后,其空燃比超调量不超过5%,能够在1.2s内将混合气恢复至当量比,说明加入油膜补偿前馈控制能够有效降低燃油传输动态特性带来的影响,提高控制精度。