最小RBF网设计的进货优选算法及其在动力配煤过程状态预测建模中的应用

文中提出一种RBF网设计的进化优选算法,该算法能设计出满足给定学习精度的最小RBF网络,从而使所得到的RBF网具有较好的泛化能力。我们以煤灰软化温度预测为例,介绍了如何将该算法应用于动力配煤过程的状态预测方法,即聚类方法和OLS算法作了比较,结果表明,用进化优选算法设计的RBF网模型具有最好的泛化能力。     

用于南极低温低压环境下的恒温恒压装置设计

中国南极天文台所在的南极DomeA地区属于低温低气压环境,用于存储天文观测数据的海量存储系统在此环境下很难正常工作。为给海量存储系统提供稳定的工作环境,设计了一套适应低温低压的恒温恒压装置,包括具有特殊结构的保温密封箱,以及针对此特殊结构设计的温度控制系统和气压控制系统。为适于装置的长期无人值守运行,增强装置的可靠性,系统硬件和软件均采用了冗余控制方案,从而免爱环境因素干扰。     

基于结构分解的神经网络设计算法

1　引言一般认为,在给定样本的情况下,能复现训练样本的较小结构神经网络,有好的泛化能力.尽管剪枝算法、构造算法等方法所设计的神经网络具有较小的结构,但能否在此基础上进一步精简网络结构,以提高神经网络的泛化能力,是一个令人感兴趣的课题.针对这一问题,本文得出了一些关于神经网络结构分解的结论:一个多输出前向网可以分解成多个具有更少隐节点的单输出前向子网,因而整个结构分解系统会有更好的泛化能力.基于以上结论,还提出一种基于结构分解的权衰减法(StructureDecompositionbasedWeightDecay,简称SDBWD).作者以煤灰结渣特性判…     

一类储能监控系统结构设计

储能系统作为一种快速吞吐能量的手段在风力发电中具有广阔的应用前景,其中监控系统是储能系统中的核心子系统,然而国内此类监控系统目前的实际应用尚不成熟。以国内实际项目为背景,对风电场储能监控系统的软硬件结构、通讯网络等进行了设计与实现,为用于风储联合监控的储能监控系统设计提供参考,经过验证,系统运行状况令人满意。     

多层感知器模型互反奇异性区域学习动态的理论分析

多层感知器神经网络(MLPs)的学习过程经常发生一些奇异性行为,容易陷入平坦区,这都和MLPs的参数空间中存在的奇异性区域有直接关系.当MLPs的两个隐节点的权值接近互反时,置换对称性会导致学习困难.对MLPs的互反奇异性区域附近的学习动态进行分析.本文首先得到了平均学习方程的解析表达式,然后给出了互反奇异性区域附近的理论学习轨迹,并通过数值方法得到了其附近的实际学习轨迹.通过仿真实验,分别观察了MLPs的平均学习动态,批处理学习动态和在线学习动态,并进行了比较分析.     

基于二维SVM的风力发电功率初步预测网络模型

二维SVM分类器只能解决简单的分类问题，本文在此基础上构建网络模型，实现发电功率数值的初步预测。并且使得预测误差缩小至0．05，提高了预测的精度。     

考虑风速分布与日非平稳性的风速数据预处理方法研究

风电场采集的风速数据受到较多气象条件的影响,容易引入多种噪声信息,具有较强的不稳定性。因此,在进行风速预测前引入数据预处理的步骤是十分必要的。研究了一种考虑风速数据分布特性与日非平稳性的数据预处理方法,采用Box-Cox变换与分时标准化处理风速数据,基于最小二乘支持向量机(LSSVM)进行短期风速预测,实例证明,该方法能够有效提高LSSVM模型的预测精度。     

RSView32在南极科考支撑装置控制系统中的应用

南极科考支撑装置是我国首座独立自主研发的极端条件下的科考支撑装置,主控系统是其控制中枢。针对该装置在特殊工作环境下的可靠性,控制系统采用了冗余控制器及冗余关键传感器等方式。本文在介绍该控制系统的组成基础上,着重介绍了组态软件RSView32在该系统中应用情况,对系统的组态过程、画面的历史趋势和实时趋势等作出了分析。实际测试表明,该系统设计有效,且较为可靠。     

南极科考智能支撑平台监控系统的设计与实现

南极科考智能支撑平台是由我国首座独立自主研发使用于极端条件下的能源支撑平台。针对低温低压的特殊环境,为了确保关键器件能够正常工作。系统的可靠性及安全性变得尤为重要,因此监控系统采用了温度控制、冗余设计等策略。从系统硬件选型、搭建进行了详细分析并加以实验验证,从而确保系统成功运行。