基于热管理的改进型模型预测电流控制研究

针对传统定频有限级模型预测电流控制FSF-FCS-MPCC ( fixed switching frequency finite control set model predictive current control )方法不能实现IGBT器件结温均衡、降低其结温波动和平均温度等问题,以单相PWM整流器为研究对象,提出了一种基于热管理的改进型模型预测电流控制。该方法在两矢量定频预测控制基础上,通过设计评价函数选取最优两矢量及动作序列;其次以采样周期为单位灵活选取两种零矢量交替使用;最后通过调制模块产生相应的开关状态进行控制。为了验证理论分析的正确性和有效性,在小功率实验平台上与传统FSF-FCS-MPCC进行了对比研究,结果表明该方法不仅可以实现上述控制目标,而且可以进一步减小网侧电流谐波和稳态误差,提高了开关器件的使用寿命和变换器可靠性。     

基于人工免疫的入侵检测系统

随着网络的飞速发展,计算机所要处理的信息量空前膨胀,入侵检测技术(IDS)得到进一步的发展。一个好的IDS应具有的特性包括:可扩展、可维护、可移植、检测效高。经过对免疫系统研究发现其所具有的分布式自组织和轻量级特性正好满足了IDS的要求,因此免疫学在入侵检测中的应用具有得天独厚的优势     

VIENNA整流器并联实现静止无功补偿控制方法研究

针对煤矿供电系统中由于非线性负载大量接入而造成的电能质量问题，以及目前广泛应用的集中式电能质量调节装置成本高、体积大的缺陷，提出了一种基于VIENNA型整流器并联实现静止无功补偿的控制方法，以改善煤矿供电系统的电能质量。所提控制方法使得一部分VIENNA整流器提供无功功率，剩余VIENNA整流器用于补偿系统谐波。该方法有效地抑制了VIENNA整流器在补偿无功功率时存在的输入电流过零畸变问题，进而极大地提高了此类整流器在电能质量治理方面的能力。最后通过仿真验证了所提方法的可行性和有效性。     

数据挖掘中的K—means算法及改进

从数据挖掘的基本概念入手，逐步深入分析本质，并且对k-means进行探讨，对其中的聚类中心的方法进行了改进。     

基于模糊逻辑的改进自适应IMM跟踪算法

交互式多模型算法（IMM）和基于模糊控制的交互多模型算法（FIMM）是实际中常用的目标跟踪算法,然而其模型集合固定,当需要大量模型覆盖目标机动时,会导致计算量激增,且过多模型可能带来不必要的模型竞争,降低跟踪性能。针对这一缺陷,提出了一种基于模糊控制的改进自适应IMM算法（FAIMM）,采用一种模型概率的非线性映射处理方法实时筛选模型子集,剔除无用模型,增加有用模型的权重,并通过模糊推理机制自动调整过程噪声水平,使得算法对不同的目标机动模式具有更强的自适应能力。仿真结果表明,提出的算法跟踪性能优于IMM算法以及FIMM算法,能够更好地匹配目标的机动模式。