永磁同步电动机混沌系统的部分线性化方法控制研究

永磁同步电动机在一定工作情况下将呈现混沌运动。有必要研究简单而有效的控制律控制其混沌现象。采用部分线性化方法对永磁同步电动机混沌模型进行控制,实现被控系统的稳定化。数值研究结果表明控制简单有效,方便实现,具有重要的工程意义。     

四维能源供需系统的自适应-脉冲同步

本文基于脉冲控制稳定性的比较理论,研究了四维能源供需系统的自适应-脉冲同步问题.运用线性脉冲控制和自适应-脉冲控制两个方法,分别提出了系统渐近同步的充分条件,获得简单而实用的控制器.理论结果和数值模拟得到了相互验证.     

基于混沌神经网络的图像压缩算法

用神经网络实现图像压缩是1种十分有效的方法,文中提出1种混沌神经网络压缩图像的算法。应用混沌系统生成的混沌二进制序列,对图像进行分形压缩。算法充分利用了混沌理论和神经网络的特点和优点。算法采用matlab语言进行仿真实现了对图像的压缩,仿真实验结果表明,该算法有实用性和有效性,同时提高了图像压缩系统的压缩比和压缩速度,最终提高了重构图像的质量。     

复杂矿井涌水动态的混沌效应及其预测

南北方许多复杂矿井特别是深部采煤矿井,其矿井涌水动态复杂,常呈不同程度的混沌效应,常规方法难以预测.文章针对该情况,研究探讨了复杂矿井混沌效应出现的机理.指出采矿作用下,地下水系统结构变化,矿井涌水水源的多来源性以及矿井地下水系统自身演化为复杂非线性耗散系统等导致了混沌效应的发生.在此基础上,通过实例,运用考虑混沌效应的RBF神经网络方法和基于Lyapunov指数的相空间重构方法对矿井涌水量动态进行了预测.结果表明,运用上述混沌时间序列方法进行短期预测是非常有效的,可为煤矿水害防治决策等提供科学依据.     

电力电子电路中的分岔、混沌及其应用研究

以Twin-T电路和基于忆阻器的混沌电路(Memristor based Chaotic Circuit-MCC)为辅助,主要分析了数字控制电力电子电路中的分岔和混沌现象,并将混沌应用到电力电子电路中,以达到性能优化的目的。通过在Twin-T电路中两个电容直接相连的连接点上接入发光二极管元件,设计了一个新Twin-T混沌电路。以控制信号强度为分岔参数绘制分岔图,结果显示系统随控制信号强度增加经周期递加分岔步入混沌振荡。利用忆阻器元件取代蔡氏电路非线性二极管,结合分岔图、功率谱、最大Lya-punov指数等数值分析工具研究了系统分岔路径和双涡卷奇异吸引子结构。考虑到Twin-T电路优良的选频特性,设计了一种基于Twin-T电路的陷波混沌控制器。此控制器包含了一个陷波滤波器和一个电压电流转换接口电路。理论分析和实验结果均表明此控制器可以快速有效地将系统混沌控制到周期轨道上。超混沌系统具有至少两个大于零的Lyapunov指数,系统动态规律也更为复杂。通过修改MCC,设计了一个新的四阶超混沌电路。采用奇异值分解方法计算系统的Lyapunv指数谱,结果显示系统在某些参数区间内具有两个Lyapunov指数的值大于零。目前对变换器电路中的分岔和混沌现象研究多集中在模拟控制方式下,对于数字控制方式产生的时间延迟和量化误差很少考虑。以一台数字控制同步Buck变换器(Synchronous Buck Converter-SBC)为研究对象,利用z域小信号模型分析了比例-积分补偿策略下系统的分岔行为。在此基础上,利用描述函数等效出量化误差在控制环路引入的动态增益,并估算出系统的极限环区间。开关磁阻调速系统(Switched Reluctance Drive-SRD)可以看作是包含运动部件的电力电子电路。由于其特殊的定转子双凸极结构,系统存在铁磁饱和、频繁换相等非线性特征。在假设相电感与相电流无关的基础上,对比了模拟和数字两种控制方式下SRD的分岔行为。考虑到线性模型精度不高的因素,设计了一个新的基于指数函数的磁链非线性模型,利用分岔图和功率谱分析工具研究了数字控制SRD非线性模型中的分岔和混沌行为。以MCC为测试对象,验证了相空间重构技术恢复系统原吸引子的有效性。采用互信息量和虚假邻点方法获取最佳重构时延和嵌入维数,同时结合G-P算法和小数据量方法计算了系统的分形维和最大Lyapunov指数。在此基础上,基于MATLAB的Simulink仿真环境构建了采用模糊控制策略的SRD系统,并计算其重构相空间的分形维和最大Lyapunov指数。计算结果表明模糊控制SRD系统存在较大范围的混沌区间。混沌信号的一些特殊性质可以采取措施加以利用。以MCC电压信号作信号源,实现了SBC的混沌扩频。基于模糊控制SRD存在较大范围混沌区间这一研究结论,提出一种基于反馈转差变换率序列的SRD系统混沌扩频策略,仿真和实验结果均证实此扩频策略可以有效降低系统在开关频率及次谐波点的功率谱尖峰幅值。同时,分析数字控制SRD变换器不同单相故障下滤波电容电压频率谱,结合细节电压信号的混沌特征不变量,实现了变换器单相故障的识别。     

基于CPSO-BP神经网络的冲击地压预测

针对预测冲击地压的传统方法存在的弊端,提出了一种基于混沌(Chaos)优化粒子群的BP神经网络算法。该算法将混沌、粒子群、BP神经网络结合起来,通过混沌粒子群算法寻优得到BP神经网络的最优权值和阈值初始值,然后进行网络训练和测试。该算法对冲击地压的预测取得了较好的效果。     

混沌系统的RBF网络补偿控制方法研究

针对混沌系统由线性和非线性两部分构成的特点，提出径向基函数网络（RBFNs)补偿控制非线性混沌运动的方法，用训练好的RBF网络消除混沌系统非线性因素影响，将原系统变成近似线性系统，再利用设计好的线性状态反馈控制器将混沌系统镇定到希望平衡位置。在理论分析的基础上，通过典型的连续时间混沌系统（Holmes非线性振子）进行计算机仿真实验，结果表明，所提出方法具备有效性。图4，参12。     

基于ACSOA-BP神经网络的瓦斯含量预测模型

针对煤矿瓦斯含量预测问题,以陈四楼煤矿为例,在煤层瓦斯含量影响因素分析的基础上,通过对种群进行混沌初始化,并引入自适应混沌算法和非线性收敛因子,提出了自适应混沌海鸥算法(ACSOA),建立了基于自适应混沌海鸥算法优化BP神经网络的瓦斯含量预测模型(ACSOA-BP),将模型应用于矿井进行预测效果检验。结果表明:陈四楼煤矿二2煤层瓦斯含量与不同因素呈非线性关系,地质构造是控制煤层瓦斯分布的主要因素,ACSOA-BP模型具有更高的预测精度和稳定性。     

基于W-RBF的瓦斯时间序列预测方法

对煤矿监测监控系统采集到的瓦斯历史数据进行特征分析,通过小数据量法判定瓦斯时间序列为混沌时间序列.利用混沌时间序列的特性确定RBF神经网络的输入节点个数.提出了基于W-RBF的瓦斯时间序列预测方法.该方法将小波的多分辨率特性与RBF神经网络相结合,以提高预测精度.仿真结果表明,该方法不仅能预测出瓦斯时间序列的变化趋势,还可以保证预测值的精度,预测值与真实值对比,绝对误差最大为0.1%,且92个采样点的预测值与真实值相一致.     

粒子群优化神经网络PID控制在湿法烟气脱硫中的应用

石灰石-石膏湿法烟气脱硫浆液pH值系统存在严重的非线性、滞后性及不确定性。基于混沌模拟粒子群优化算法(SAPSO)的神经网络PID控制器,优化神经网络结构和连接权值,以一定概率接受劣势解,保证算法从局部极值区域跳出,通过参数自适应调整提高全局搜索能力,达到全局最优目的。     

基于BP神经网络的直接转矩控制

提出一种基于神经网络智能控制的直接转矩控制系统,神经网络控制是智能控制一个重要的分支,它能够处理非线性、不确定性等问题,具有强大的学习能力。利用神经网络控制代替传统直接转矩控制中的矢量优化选择表,神经网络控制能够迅速、准确地选择逆变器的开关状态。仿真结果表明,基于神经网络控制的直接转矩控制系统能够改善系统非动态、稳态性能。     

模糊神经网络的发展与应用

模糊神经网络是将人工神经网络与模糊逻辑系统相结合的一种能处理抽象信息的网络,是控制理论中智能控制研究领域一个十分活跃的分支。模糊神经网络吸取了神经网络和模糊系统的长处,在处理非线性、模糊性等问题上有很大的优越性,在智能信息处理方面存在巨大的潜力,使得越来越多的专家学者投入到这个领域中来,并取得了卓有成效的研究成果。文章介绍了模糊神经网络的发展、优点、应用及其发展动向,论述了模糊神经网络目前的几个研究热点。     

基于CT-GRNN模型的采场顶板位移预测

将混沌学理论与广义神经网络相结合构建了基于CT-GRNN的采场顶板位移预测模型。首先应用Matlab混沌工具箱, 对顶板位移数据进行混沌判别, 得出顶板位移数据混沌时间序列的特点, 进而对顶板位移数据进行相空间重构, 最后采用广义回归神经网络对采场顶板位移进行预测。以新桥矿E15、E27采场顶板位移预测为例, CT-GRNN模型的预测误差分别为2.1%和2.6%, 相比传统BP神经网络预测（预测误差分别为5.7%和4.8%）, 精度得到大幅度提高, 可作为采场顶板位移预测的一种新手段。     

Research on adaptive control Lorenz chaotic system synchronization

With the help of adaptive control theory to chaos synchronization, this paper pro-vides a kind of controlling strategy that is adaptive control by which we can synchronize the Lorenz chaotic dynamical system. The theoretical analysis and simulation show using this controlling strategy, we can synchronize chaotic systems with the unknown parameters and the different initial conditions.     

跳汰床层松散度的灰色预测及神经网络控制方法

提出了一种新的松散度表达形式,并在此基础上设计了床层松散度灰色预测控制器及神经网络控制系统。仿真结果表明该系统能实现对床层松散度的有效控制。     

煤矿重大危险源BP网络评价方法的探讨

该文借鉴煤矿重大危险源的传统标准评价体系基础上,尝试性地建立煤矿重大危险源的动态BP网络评价模型,并且探索性地针对贵州省煤矿区域特点,建立和应用BP神经网络评价框架方法,以达到预期的评价目的和效果。     

一类机械振动系统的混沌控制

针对机械振动系统混沌运动的自身特点,提出了一种等效无源的混沌控制策略。将原振动系统等效成无源非线性系统,利用无源系统的特性,对一类具有可动边界的机械振动系统的混池行为施加控制,消除系统中的混沌运动,降低系统自激振动的危害,实现了系统的快速稳定。     

基于人工神经网络的变压器温升预测应用研究

文章详细介绍了BP神经网络模型和算法 ,建立了变压器绕组温度预测和人工神经元网络BP模型 ,并验证了其可行性和优越性。     

Neural Networks在矿山设备数据分析中的应用

介绍了Neural Networks技术,并通过其在旋回式破碎机数据上的应用实例,分析和讨论了该Netwprks在矿山设备的预测、分级及控制方面的应用。     

基于灰色—BP神经网络组合模型的边坡稳定性预报方法

在前人研究成果的基础上,研究BP神经网络模型和灰色系统理论的原理,依据它们的适用条件及优缺点,对同一已知边坡取不同样本区间建立GM(1,1)模型,得到不同的预测结果。将多个灰色预测的结果作为输入变量,使用BP神经网络进行组合,输出组合预测结果。提出基于灰色神经网络范例推理的边坡稳定性评价方法,针对边坡稳定性影响因素的复杂多变性和相当强的不确定性,建立了边坡范例检索模型。通过对边坡稳定性因素的灰色模型预处理,以及边坡范例的神经网络学习,最终实现边坡稳定性评价。