过程神经元网络的研究与进展

过程神经元网络是一种适合于处理过程式信号输入的网络,其基本单元是过程神经元--一种新的神经元模型.本文介绍了过程神经元及其网络模型的基本理论及其特点,概述了一种基于梯度下降的学习算法及算法流程,总结了近几年来过程神经元网络及其算法的最新研究进展,并给出了一些已有的应用成果,讨论了一些具有前景的研究方向.     

航空发动机的单神经元双变量解耦控制

针对航空发动机这样的多变量控制对象,要解决的突出问题是输入变量对输出变量的交叉影响,介绍了单神经元进行多变量系统解耦控制的基本方法,采用改进的Hebb学习算法以加速收敛。对某涡喷发动机的数学模型进行了双变量单神经元PID控制仿真研究,结果表明：采用此算法构成的神经网络PID控制对地面模型和高空模型都具有完全解耦、响应速度快、稳态误差小、算法简单的优点;用两个神经元作为双变量控制器,可以使整个飞行包线内的控制器数目明显减少。     

一种胶质细胞偶联人工神经网络模型

受到生物大脑神经胶质细胞和神经元互作用机制的启示,提出一种胶质细胞偶联人工神经网络(Glia-Coupled Artificial Neuron Networks, GCANNs)模型.对当前人工神经网络模型中的基本单元—神经元进行扩展,将每一个神经元连接一定数量的胶质细胞作为网络基本单元,通过神经元和胶质细胞的相互作用模型进行基本单元各元素的计算和更新,最后通过遗传算法对该模型的参数、拓扑结构进行优化.该网络模型能反应胶质细胞和神经元之间的双向通讯机制,更接近神经系统各元素之间的信息处理方式.实验表明,该模型能提升网络学习性能,在图像、文本等的分类任务上表现出比传统人工神经网络更高的准确率.此外,基于遗传算法的网络优化实验表明,为获得更高的适应度,大部分神经元都选择了与一定数量的胶质细胞“相连”,说明胶质细胞偶联的模型是经过了“自然进化、优胜劣汰”的更优模型.该模型能为构建更符合大脑工作机理的神经网络提供新的思路和方法,也能反向启发和推进神经科学研究.     

人工神经网络并行处理的实现模型

一、人工神经网络的并行性分析人工神经网络(Artificial Neural Network,简称ANN)具有并行处理、连续计算等特点,其并行性蕴涵在神经元模型与整个网络两个逻辑层中。 1.神经元模型的并行性 ANN的基本组成单元——M-P神经元模型如图1所示。其中:(x_1,x_2,…,x_n)是神经元的n维输     

基于多神经元模型的非线性系统预测控制

利用单神经元来逼近非线性系统在平衡点邻域内的泰勒展开式的直至二次项,首次提出了一种用多个单神经元模型来拟合非线性系统的建模方法,引入多模型参考轨迹,得到一种新的多模型预测控制。仿真结果表明,基于二阶泰勒级数得到的多神经元模型的预测控制器的性能要优于采用泰勒级数一阶线性项得到的多模型预测控制器,但计算量并未显著增加。     

神经元环路中主神经元的模型分析

神经元环路是大脑神经系统的基本单元,而环路的信息输出则由主神经元所决定.本文通过对小脑皮层、嗅球和海马CA1三类不同环路中的主神经元：浦肯野神经元、僧帽神经元和锥体神经元建立给予神经元几何形态和电缆传递的多房室模型,通过它们的动作电位分析和比较,说明不同类型的外界刺激,三个环路中主神经元动作电位的区别;并进一步比较对同类刺激,三类主神经元动作电位的不同,模型验证它们所属环路在神经系统中所起的不同输出功能.     

关于过程神经元网络的理论探讨

过程神经元网络是一种适合于处理过程式信号输入的网络，其基本单元是过程神经元——新近出现的神经元模型．过程神经元和传统神经元有着本质的区别，但二者之间也存在着紧密的联系，前者可用后者以任意精度无限逼近．文中给出2个定理及其详细证明，分别论述了过程神经元的2种传统神经元逼近模型：时域特征扩展模型和正交分解特征扩展模型．基于第2个定理，给出了过程神经元网络相关的2个推论．最后，针对过程神经元网络面临的主要问题进行讨论，指出了一些具有前景的研究方向．文中得到的结果对过程神经元模型及其网络的研究具有一定的理论意义．     

单神经元自适应PID控制在电动油门控制中的应用

利用单神经元模型自学习和自适应特点,在传统PID控制基础上设计出了一种单神经元自适应PID控制器,并将其应用于电动油门控制系统中。实验结果表明:采用单神经元自适应PID控制的电动油门系统能够适应油门手柄在较大范围内的推拉运动,而且控制具有较强的鲁棒性,控制品质优于常规PID控制。     

改进的水处理预估模型的研究和应用

针对水处理中溶解氧的传质过程存在严重的滞后问题．提出了基于单神经元PID控制的水处理预估模型。由于在标准状况下溶解氧的传质过程近似为一阶纯滞后过程,采用了Smith预估器作为补偿环节。将基于有监督Delta学习规则的单神经元PID作为控制器,在线不断调整PID参数,通过仿真研究该模型具有很好的控制效果。最后在西门子PLC下实现此模型的工程应用。     

基于TS模型的增益自校正单神经元PID控制算法

将单神经元自适应PID控制算法和基于TS模型的模糊推理系统相结合,提出了增益模糊自校正单神经元PID控制算法。该算法使得传统单神经元自适应PID控制的神经元增益具备在线自动调整的功能,对于变增益的不确定性系统的控制,获得了很好的控制性能。     

基于多模型和SVM逆系统单元机组解耦控制

火力单元机组协调控制系统是一个多变量、强耦合的控制系统,具有非线性、耦合和延迟等特性,其性能直接影响单元机组运行的安全性和经济性.为了有效解决火力单元机组协调控制系统的耦合特性和动态非线性,设计了基于多模型和支持向量机(SVM)逆系统的解耦控制方法,并进行了相应实验研究.针对一个300 MW单元机组的试验仿真模型,得到单元机组在5个典型工作点的线性化模型,然后对每个线性化模型分别设计SVM逆模型及其动态PID控制器,进而用模型线性组合成多模型全局控制系统.通过加权多项式选取合成的多模型控制方法,可以解决负荷大范围变化引起的非线性问题;支持向量机与逆系统的结合能很好地解决非线性系统的强耦合问题.仿真研究证明了这种控制算法设计的有效性和优越性.     

基于神经网络逆控制的水轮机调节系统

根据神经网络对非线性系统模型的辨识能力,将其与自适应逆控制相结合,对水轮发电机组的逆模型进行建模,构建一种新的水轮机调节系统。该方案以逆系统以及系统辨识理论为基础,以水轮发电机组作为被控对象,分别针对其频率和负荷扰动,建立神经网络在线逆控制器,对系统进行调控,并将仿真结果与传统PID控制进行比较。从仿真结果可以看出,所提的控制方案能够实现对水轮发电机组的有效控制,使系统具有较好的动态性能和鲁棒性。     

700MW超超临界火电机组协调系统全工况多模型预测控制及其工程应用

针对700MW超超临界机组协调控制系统,提出全工况下的协调系统多模型预测控制策略。首先利用Gap metric理论分析机组非线性特征,指出低负荷范围内的局部模型密度应当高于高负荷范围内的局部模型密度,指导了机组运行空间的划分及全工况模型集的选取。提出使用第三方外挂实时控制平台以实现多模型预测控制算法,并给出了相应实施方案。工程应用表明,全工况下的协调系统多模型预测控制策略提升了机组协调控制系统性能,使机组具备了深调至30%Pe的能力。     

半自主式火控系统建模与动态特性分析

对火控系统智能化的发展要求进行了研究,针对现装备中火控系统存在的客观问题,立足现有技术基础,分析了半自主式火控系统体系结构设计的重要现实意义。设计了半自主式火控系统的功能结构和工作流程,并建立了基于Petri网的系统仿真模型,对系统搜索指示、智能规划和精确打击3个功能单元的工作过程进行了详细论证。通过实验进行了系统的动态特性分析,实验结果表明,该系统的Petri网模型是可行和有效的,系统结构和工作流程设计是合理的,为下一步的系统战技性能分析和系统结构优化提供了基础支撑。     

基于逆动力学模糊规则的单元机组协调控制

通过单元火电机组动态特性分析,获得了一种简单的机组负荷对象逆动力学模型结构.建立了单元机组逆动力学过程模糊规则(IDFR)模型,并利用递推最小二乘辨识方法对机组逆动力学过程模糊规则进行在线修正.将IDFR直接作为控制规则,提出了一种基于IDFR的机组负荷控制方法,构造了单元机组负荷对象协调控制系统.通过仿真实验考察了所提出的控制系统的有效性和适应性.     

基于联合调度的抽油机群控系统能耗特征分析

为提高抽油机在群控系统操作下的能耗特征分析精度,减少功率损耗,提出一种基于联合调度的抽油机群控系统能耗特征分析方法.设计直流供电配置下的抽油机群控系统架构,利用整数线性规划构建联合调度模型.利用粒子群算法调整系统网络偏差,采用进程代数语言形式化描述系统,把构件接口级别当作能耗特性定义,使用CSP模型完成抽油机群控系统操...     

大型单元机组实现协调预测控制的研究

大型单元机组的控制对象复杂、滞后大且是时变的多变量系统 ,模型难于准确建立 ,传统的控制策略很难使其达到最佳的运行状态。针对双输入双输出的火电机组机炉协调控制系统 ,提出了一种建立在解耦基础上的多变量DMC的分散优化算法 ,将多变量的DMC算法分散为单变量的DMC算法 ,该算法简单、计算量少、鲁棒性强。仿真结果表明 ,所提出的这种算法在单元机组负荷控制系统中是十分有效的。     

小型涡轴发动机数控系统硬件在回路仿真技术研究

建立小型涡轴发动机电子控制器测试、试验工作环境和发动机气动热力学模型,运行发动机数学模型,通过硬件接口系统,与数控系统中数字电子控制器实物连接,组建硬件在回路仿真系统。通过对该硬件在回路仿真系统的大量测试和系统试验,结果表明:该硬件在回路仿真系统能够实时、有效、稳定地模拟发动机工作状态和各类功能模式,为后续进一步开展发动机数字电子控制系统的分析、设计、研制和验证奠定了很好的试验基础。     

基于Hammerstein-Wiener逆模型补偿的预测控制非线性变换策略

针对一类Hammerstein-Wiener模型描述的非线性控制系统,提出一种基于逆模型补偿的预测控制策略.在控制优化计算中,利用Wiener非线性环节的逆模型分别对系统输出设定值和采样值进行变换;控制实施过程中,将控制器输出操作量经过Hammerstein静态非线性环节模型逆变换后施加到实际被控对象上,通过两次逆变换,使得标称模型下控制器输出与闭环系统中线性环节的输入相一致.通过非线性变换补偿将非线性过程的控制转化为线性系统控制,避免了对非线性模型进行优化计算量大及预测不准确的问题.最后通过仿真验证了所提方案的可行性及有效性.     

基于免疫粒子群算法的水轮机机组供水系统节能控制方法

传统供水系统节能控制方法忽略了对水轮机状态的监控,导致在降低系统能耗的同时,供水过程出现机组运行不稳定问题,为此,设计基于免疫粒子群算法的水轮机机组供水系统节能控制方法。利用T-S模糊模型构建供水系统数学模型。采用模糊神经网络结构作为新型节能控制的设计原理,设计新的节能控制器。通过免疫粒子群算法实现供水系统的整体控制,降低供水系统能源消耗,完成基于免疫粒子群算法的水轮机机组供水系统节能控制方法的设计。仿真实验结果表明：所提控制方法应用后,供水系统的能源消耗明显降低,且水轮机机组供水运行稳定性得到了提升,应用效果较为理想。