在线模糊自适应PID在金刚石合成温度控制中的应用

将模糊自适应PID应用于金刚石合成的温度控制中,使控制器的参数调节能够自适应控制对象数学模型参数的变化。现场使用情况表明,这种控制器响应速度快、超调量小、控制精度高,对时变参数具有良好的适应能力。对于合成高品质、大颗粒的金刚石,有重要意义。     

一种非线性系统的鲁棒型预测控制算法

提出一种基于神经网络的鲁棒型广义预测控制(GPC)方法,该方法首先用神经网络对非线性系统进行辨识,然后在控制中将模型输出值与测量输出值进行综合,代替量测输出用于控制中,从而降低辨识器与控制器对未建模动态的敏感性,增强控制器的适应能力和鲁棒性.仿真结果表明:将本方法应用于非线性系统控制,对未建模动态具有较强的鲁棒性和控制能力.     

奇异函数法在塑性极限分析问题中的新应用

本文先介绍奇异函数法在塑性极限分析问题中的新应用,然后应用此法求解环板在边缘弯找和局部均布、线性分布荷载共同作用下的极限荷载公式,并画出极限荷载的影响曲线。     

奇异函数法在塑性极限分析问题中的新应用

本文先介绍奇异函数法在塑性极限分析问题中的新应用,然后应用此法求解环板在边缘弯矩和局部均布、线性分布荷载共同作用下极限荷载公式,并画出极限荷载的影响曲线。     

垂直运动PMLSM电磁力角控制器仿真研究

本文通过对垂直运动永磁直线同步电机力角特性的分析,得出电磁力角控制策略,并设计出了电磁力角控制器。仿真结果表明,该控制方法提高了垂直运动永磁直线同步电动机运行的稳定性、可靠性和电机的运行效率,并可有效预防垂直运动永磁直线同步电动机的失步问题。     

一种非线性系统的鲁棒型预测控制算法

提出一种基于神经网络的鲁棒型广义预测控制（GPC）方法,该方法首先用神经网络对非线性系统进行辨识,然后在控制中将模型输出值与测量输出值进行综合,代替量测输出用于控制中,从而降低辨识器与控制器对未建模动态的敏感性,增强控制器的适应能力和鲁棒性.仿真结果表明：将本方法应用于非线性系统控制,对未建模动态具有较强的鲁棒性和控制能力.     

PLC智能型无功补偿装置

本文介绍了PLC智能型无功补偿装置系统的方案,给出了系统的软、硬件组成,并对数据采集、运算处理、程序保护及闭锁作了详细的说明。     

基于长短期记忆网络的Vienna整流器故障预测

为了掌握Vienna整流器的健康状态,提出基于长短期记忆（LSTM）网络的Vienna整流器故障预测模型。通过对电容和功率MOSFET的退化与故障特征分析,建立Vienna整流器整体电路性能和关键元器件退化之间的关系,选择输出电压变化值ω为整流器的故障特征参数。在此基础上,构建基于LSTM的Vienna整流器故障预测模型,采用Adam优化算法训练预测模型,实现对Vienna整流器故障特征参数的预测。仿真结果表明,该模型预测结果的均方根误差为0.123 3,平均绝对百分误差为0.101 8,该模型的预测精度较高,能够较好地实现Vienna整流器的故障预测。     

融合多权重因素的低秩概率矩阵分解推荐模型

针对个性化推荐精度较低、对冷启动敏感等问题,该文提出一种融合多权重因素的低秩概率矩阵分解推荐模型MWFPMF。模型利用给定的社交网络构建信任网络,借助Page rank算法和信任传递机制求取用户间信任度;基于Page rank计算用户社会地位,利用活动评分和评分时间修正用户间关系权重;引入词频-逆文本频率技术(TF-IDF)求取用户标签,通过标签相似性表征用户间同质性;将用户间信任度、用户社会地位影响力和用户同质性3因素融入低秩概率矩阵分解中,从而使用户偏好和活动特征映射到同一低秩空间,实现用户-活动评分矩阵的分解,在正则化约束下,最终完成低秩特征矩阵对用户评分缺失的有效预测。利用豆瓣同城北京和Ciao数据集确定各模块的参数设置值。通过仿真对比实验可知,本推荐模型获得了较高的推荐精度,与其他5种传统推荐算法相比,平均绝对误差至少降低了6.58%,均方差误差至少降低了6.27%,与深度学习推进算法相比,推荐精度基本接近;在冷启动用户推荐上优势明显,与其他推荐算法相比,平均绝对误差至少降低了0.89%,均方差误差至少降低了3.01%。     

PMLSM的两种模型及比较

介绍了在理想状态下利用电磁场和电路的基本理论在四层线性模型的基础上所建立的PMLSM电路模型以及利用BP算法用C语言编制程序实现一个单输入层单输出层4隐含层的神经网络,然后用试验数据对网络进行学习训练而建立的PMLSM网络模型.以一台单边型PMLSM为例比较了这两种模型.