幂函数及统计预处理在英文字母识别中的应用

针对一般的简单人工神经网络,该文提出了一种新的神经网络模型--幂函数神经网络,利用梯度下降法推导出了神经网络模型权值和阈值的修正学习算法,并利用该模型解决了XOR问题.然后对26个英文大写字母的结构特征进行统计分析得到了一个粗分类规律.最后以26个英文大写字母辨识为仿真实例,经过统计预处理的粗分类后,有些类可以直接得到结果,情况较复杂的类也可以仿照XOR问题的解决来得到辨识结果.文章提出的人工神经网络模型和字母辨识的预处理方法,改进了字母辨识的传统方法,简化了传统辨识模型的复杂度,提高了辨识效率.     

基于混合粒子群算法和NRBF神经网络的短期电价预测

提出一种混合粒子群算法,在局部邻近区域的粒子群算法中引入收缩因子和被动聚集,将最邻近聚类用于NRBF 神经网络的参数确定中,采用混合粒子群算法优化最近邻聚类的聚类半径,从而确定NRBF 神经网络的参数,提高了NRBF 神经网络的泛化能力。以美国PJM电力市场公布的2006年负荷与电价数据进行预测验证,证明了此方法所建立的模型的合理性和有效性。     

基于混合粒子群算法和NRBF神经网络的短期电价预测

提出一种混合粒子群算法,在局部邻近区域的粒子群算法中引入收缩因子和被动聚集,将最邻近聚类用于NRBF神经网络的参数确定中,采用混合粒子群算法优化最近邻聚类的聚类半径,从而确定NRBF神经网络的参数,提高了NRBF神经网络的泛化能力.以美国PJM电力市场公布的2006年负荷与电价数据进行预测验证,证明了此方法所建立的模型的合理性和有效性.     

粗糙集与决策树理论在输电线路巡检中的应用

针对输电线路巡检需求,为了提高巡检的效率,充分考虑了影响输电线路运行状态的各种因素,采用基于粗糙集理论与决策树的数据挖掘方法,建立了输电线路运行状态预测模型,将从输电线路历史异常数据中提取的规则应用于输电线路异常预测,根据预测结果可以制定出科学合理的巡检计划,经过测试样本的验证,该模型有较高的准确率.     

非线性系统的改进型自适应积分控制算法

针对传统非线性系统的积分控制,为减小稳态跟踪误差和防止积分饱和,设计了一种改进型的自适应积分控制。采用反馈线性化消去系统的非线性,在初始误差较大的条件下,引入惩罚函数根据误差动态调节比例系数和积分系数可抑制较大的超调量。应用Lyapunov稳定性理论,证明了在外部扰动有界的条件下,闭环控制系统一致最终有界。闭环系统稳定性的理论分析和仿真结果都验证了上述策略的可行性。     

矩阵变换器在无接触电能传输系统中的应用

介绍应用于无接触电能传输系统中的矩阵变换器,详细分析具有9个双向开关的传统矩阵变换器与改进的双桥结构矩阵变换器以及各自的优缺点。通过分析比较得出,双桥结构矩阵变换器控制策略简单,对于不同负载,开关数目可以减少。其中,具有15个开关的双桥矩阵变换器以其经济性和控制的成熟性,适用于新型无接触电能传输系统。     

基于LabVIEW模糊控制PID底盘测功机设计

底盘测功机是一种不解体检验摩托车性能的检测设备,通过在室内台架上进行模拟道路行驶工况来检测摩托车的动力性、工况排放指标和油耗等.采用PLC控制变频器来改变电力测功机励磁电流的大小,来达到改变模拟加载阻力的要求.基于虚拟仪器图形化编程软件LabVIEW平台,设计测功机测控系统进行实验数据采集处理并且控制道路模拟阻力加载.利用LabVIEW中MATLAB节点,设计模糊控制PID算法对系统的模拟摩擦力加载部分进行智能化控制,改善系统的控制性能.     

基于EMD和PSO-SVM的电力系统中期负荷预测

预测精度是衡量电力系统负荷预测模型性能的一个重要指标.针对电力系统负荷数据序列是一种典型的具有用期性和随机性的非线性非平稳时间序列的特点,为了提高负荷预测的精度,提出了运用EMD解析出其中代表负荷不同特性分量的预测模型.根据各分量的变化规律,分别选择合适的核函数,并利用PSO优化SVM参数,将各分量的预测结果重构后得到最终预测值.通过EUNITE国际电力负荷预测竞赛数据的仿真实例,验证了该预测模型能够有效提高电力负荷的预测精度,且速度较快,稳定性较强.     

基于学生个性的研究型大学实验室模式研究

本课题针对传统实验教学内容单一,学生能力培养受限以及沿用计划性教学模式,学生只能被动记性学习等问题,着眼学生可开发的学习研究能力,提出一种基于学生个性的开放式实验教学模式,有针对性地研究探索在研究型大学实验室教学环节中,如何科学培养学生独立和协同进行科学研究和创新的能力,并使学生由被动学习转变为主动学习。通过实验教学在时间、空间、设备等方面的全面开放以及学生个体差异,在保证完成实践基本要求的基础上,采用不同层次的实验教学,给学生足够的自主选择空间,以充分发挥每个学生的主观能动性、想象力和创造力。