基于Adaline的数控系统位置控制器研究

针对机床数控系统进给位置控制的性能要求,必须根据其工作方式和误差情况实行变增益控制策略,才能较好地兼顾动态和静态指标,为此,选用自适应线性神经元(Adaline)代替原有的比例环节,可以获得相应的控制性能。经数字仿真和实际使用表明,在数控系统中引入人工神经网络控制思想是合理可行和有效的,并且还可以进一步通过硬化实现,达到实时在线控制的目的。     

基于决策树技术的日前市场清算电价预测

以澳大利亚昆士兰州电力市场为背景,采用决策树技术,建立了提前日的电力市场清算电价预测模型。详细介绍了决策树技术的原理及其在电价预测中的实现方法,考虑了非电价因素对电价预测的影响。实际结果表明该方法具有良好的预测效果和直观性。     

基于改进的CDKF锂电池SOC估计方法

准确估算荷电状态(SOC)可以为电池之间的均衡管理提供依据,延长锂电池组整体的使用寿命.针对中心差分卡尔曼滤波算法(CDKF)存在较大线性误差的问题,提出一种改进的CDKF算法.在原算法中引入迭代滤波思想,多次利用测量信息更新状态量估算值,使得观测信息不断迭代更新,基于LM优化方法不断修正协方差矩阵,有效减小了线性误差.首先基于二阶阻容(RC)电路单元模型,选择最小二乘参数辨识方法,辨识出模型阻容参数;然后进行HPPC实验,验证电池等效模型的准确性;最后分别在恒流放电和动态工况下应用改进后的CDKF算法对电池SOC和电压进行估计,并将估计结果与CDKF算法进行比较.两种工况下验证结果表明改进后的CDKF算法精度更高,SOC估计精度可提升1.16％,最大估计误差小于1.7％,算法收敛时间也比原算法短,改进后的CDKF算法在估计精度和鲁棒性方面均有所提升,更具有应用优势.     

不同类型避雷针雷击接闪效能差异的实验评价方法

探讨一种直观、易于理解且反映雷击放电机理的实验方法,以评价不同类型避雷针的雷击接闪效能差异,对雷电防护领域形成共识显得尤为重要.为此,论文首先分析了雷电环境下地面目标物上避雷针的雷击接闪过程,指出不同类型避雷针接闪效能的差异主要体现在对迎面放电过程的影响上;接着,提出了如下实验评价方法:采用针-板间隙的放电实验布置,对4m及以上间隙施加1.2/50μs标准雷电波模拟迎面流注放电过程,对6m及以上间隙施加250/2500μs标准操作波模拟迎面先导放电过程;然后,通过比较非传统避雷针与传统避雷针的放电起始时刻与平均发展速度2个指标,以评价不同类型针的接闪效能差异;最后,利用所提方法对典型提前放电(early streamer emission,ESE)非传统避雷针与传统避雷针开展了接闪效能差异的评价实验.实验结果表明:ESE针与传统避雷针的评价指标基本一致,不具备研发商所宣称的引雷增效作用.     

基于状态聚类的多站点CSPS系统的协同控制方法

单站点传送带给料加工站（Conveyor-serviced production station,CSPS）系统中,可运用强化学习对状态——行动空间进行有效探索,以搜索近似最优的前视距离控制策略.但是多站点CSPS系统的协同控制问题中,系统状态空间的大小会随着站点个数的增加和缓存库容量的增加而成指数形式（或几何级数）增长,从而导致维数灾,影响学习算法的收敛速度和优化效果.为此,本文在站点局域信息交互机制的基础上引入状态聚类的方法,以减小每个站点学习空间的大小和复杂性.首先,将多个站点看作相对独立的学习主体,且各自仅考虑邻近下游站点的缓存库的状态并纳入其性能值学习过程;其次,将原状态空间划分成多个不相交的子集,每个子集用一个抽象状态表示,然后,建立基于状态聚类的多站点反馈式Q学习算法.通过该方法,可在抽象状态空间上对各站点的前视距离策略进行优化学习,以寻求整个系统的生产率最大.仿真实验结果说明,与一般的多站点反馈式Q学习方法相比,基于状态聚类的多站点反馈式Q学习方法不仅具有收敛速度快的优点,而且还在一定程度上提高了系统生产率.     

高斯类小波变换的开关电流频域法实现

提出了一种基于频域共享结构的高斯类小波变换的开关电流电路。通过分析在频域具有相似表达的Morlet、Marr和DOG小波函数,基于频域共享单元实现高斯类小波变换频域共享系统。频域共享高斯类小波变换采用开关电流技术实现,不同尺度上的高斯类小波变换可通过调节开关电流电路的时钟频率获得。仿真结果证实了提出方法的有效性。     

基于FSVM脱机手写体汉字分类识别研究

针对脱机手写体汉字特点,给出一种采用模糊支持向量机粗分类的方法。根据小波分解像素密度特征,利用模糊支持向量机对汉字进行粗分类。细分类识别提取外围特征,同时融合小波多网格特征,采用一对多算法进行细识别。仿真实验表明,该方法有较高识别率。     

三容系统的解耦神经网络PID控制

三容水箱是常见的非线性强耦合系统,利用一种非线性动态解耦的方法对其进行解耦(其特点是能利用非线性补偿的方式将该类系统各回路输入与输出之间完全解耦),然后采用基于BP神经网络的PID控制策略对其进行控制,并利用MATLAB进行仿真。仿真结果证明解耦的有效性,表明了BP神经网络的PID算法比传统的数字PID具有更强的抗扰动性。