基于GPS的电力巡检系统

提出一种适用于北方寒冷气候的新型电力巡检系统,该系统基于GPS和专业电力抄表器,利用计算机网络技术,将电力线路巡检纳入规范化、科学化、信息化、网络化的轨道。本文重点介绍了系统设计和设备选型,并说明了该系统的技术难点及特点。     

谷氨酸发酵菌体浓度的内模控制

针对由于缺乏可靠的生物传感器,谷氨酸发酵中重要的生物参数—菌体浓度不能在线测量,更不能对其实现控制的情况,提出了基于径向基神经网络的内模控制。既解决了由于谷氨酸发酵内部机理复杂而难以建立菌体浓度模型的难题,又实现了谷氨酸菌体浓度的内模控制;同时也解决了内模控制中逆模型建模的问题。仿真结果表明,该方法实现了谷氨酸菌体浓度的有效控制,鲁棒性强、抗干扰能力好,具有良好的实际应用和推广价值。     

增益竞争对BP网络泛化能力改善的研究

以经过训练获得的神经网络模型作为预测控制中的预测模型时,神经网络模型的泛化能力至关重要。为提高网络的泛化能力,本文介绍一种ＧＢＰ（带有增益的ＢＰ网络）方法,它在标准ＢＰ网络中引入增益参数,通过使隐含层节点增益,根据其节是的相似性进行竞争,从而获取最佳的网络结构,在提高网络泛化能力的同时,本方法还能加快网络学习速度,仿真结果验证了本算法对于ＢＰ神经网络模型泛化能力的改善。     

青霉素发酵过程建模研究

青霉素发酵过程是一种具有非线性、时变性的复杂生化反应系统,由于一些生物参数在线检测困难,许多生化过程的代谢途径尚不明确,难以建立精确数学模型.而神经网络具有非线性、多变量、自学习、并行处理等特点,用于非线性系统的建模具有无可比拟的优势.因此,以青霉素发酵过程生化机理模型产生的数据为样本,训练RBF神经网络,建立了基于RBF神经网络的发酵过程模型.该模型可用于发酵过程中状态变量的估算与预测,并且可估计底物、产物、菌体浓度的变化趋势,对实际工作具有指导意义.     

增益竞争BP网络泛化能力改善的研究

以 经过训练 获得的 神经网络 模型作 为预 测控 制中 的预 测模 型时 ，神 经网 络模 型的泛 化能力至 关重要 ．为提高 网络的泛 化 能力， 本 文介 绍一 种 Ｇ Ｂ Ｐ（ 带 有增 益 的 Ｂ Ｐ 网 络）方法 ，它在标 准 Ｂ Ｐ 网络 中引入增 益参数， 通过使隐 含层节 点增 益， 根据 其节 点间 的相 似性进行 竞争，从 而获取最 佳的网 络结构．在 提高网 络泛化能 力的同时 ，本方法 还能加 快网络学习速 度．仿真 结果验证 了本算 法对于 Ｂ Ｐ 神 经网络 模型泛化 能力的 改善．     

掺杂石墨烯的研究进展

石墨烯零带隙特点限制了其在纳米电子学等领域的应用。为了扩展石墨烯的应用领域,对石墨烯带隙的研究显得尤为重要。综述了石墨烯的结构和性质以及石墨烯掺杂类型和掺杂机制的研究进展,展望了掺杂石墨烯的应用领域和发展前景。     

基于BP神经网络整定的PID控制及其仿真研究

讨论BP神经网络PID控制,利用BP神经网络的自学习能力实现PID控制参数的在线整定,并使用Matlab软件进行仿真研究.仿真结果表明：基于BP神经网络的PID控制器参数调整简单,具有很高的精度和很强的适应性,可以获得满意的控制效果.     

变约束高效预测控制

为改善离线鲁棒预测控制算法的最优性引入了变终端约束集的思想,即在原离线方法基础上通过在线优化方法获得构建当前反馈矩阵的凸组合系数,然后再产生当前控制量.与原方法相比增加了在线求解的自由度,改善了系统的最优性.在此基础上,又提出了变约束预测控制(VC-MPC)算法,根据状态所处的不同稳定椭圆域确定其对应的控制约束,在取得...     

基于Wang-Mendel模型的有约束模糊预测控制

为解决多输入系统Wang-Mendel(WM)建模过程中输入量取舍困难和未选用的输入量影响模型精度的问题,通过引入前一时刻输出作为当前时刻输入的一部分对WM建模方法进行了改进;在此基础上建立多步递推模糊预测模型.同时,为了减少有约束预测控制优化的求解时间,提出一种利用模糊控制器分担控制量及控制增量约束的模糊预测复合控制策略.通过对回转窑煅烧温度模型的仿真,验证了建模和控制方法的有效性.     

神经网络PID控制策略及其Matlab仿真研究

本文讨论了神经网络PID控制策略,利用神经网络的自学习能力进行PID控制参数的在线整定,并使用Matlab软件进行了仿真研究。仿真结果表明,神经网络PID控制器参数调整简单,具有很高的精度和很强的适应性,可以获得满意的控制效果。