基于改进算法递归神经网络的研究

动态递归神经网络具有递归单元及记忆功能，使其在系统辨识和控制中有独特的作用．针对BP算法的不足，提出了一种递推预报误差(RPE)学习算法．对一个非线性系统进行了解识，其仿真结果表明，改进的RPE算法优于BP算法．     

基于KMM调节器的锅炉水位前馈-串级控制系统

介绍了KMM可编程调节器的特点 ,分析了以锅炉水位为控制对象的数学模型 ,对二者构成的前馈 -串级控制系统进行了设计 ,给出了采用KMM可编程调节器实现水位控制的组态图和数据表。     

参数激励系统的主共振分岔控制

设计了非线性参数控制器来改变参数激励系统的稳态响应,消除了系统主共振时的鞍结分岔和减小了系统稳态响应的幅值.从而消除了系统特有的跳跃和滞后现象.首先由多尺度法得到系统的近似频响方程,再由奇异性理论来分析分岔特性,从而实现非线性控制的目标.由数值模拟来确定了非线性参数控制器的有效性和可行性.     

一种用于测量系统信息处理的神经网络设计

介绍了一种在测量系统中使用的基于递推预报误差算法的前馈神经网络的设计以及实现方法。将该网络应用于测量系统模型的仿真试验取得了良好的效果。文中给出了试验的结果 ,并对该网络的应用进行了讨论     

一种估计前馈神经网络中隐层神经元数目的新方法

前馈神经网络中隐层神经元的数目一般凭经验的给出，这种方法往往造成隐单元数目的不足或过甚，从而导致网络存储容量不够或出现学习过拟现象，本研究提出了一种基于信息熵的估计三层前馈神经网络隐结点数目的方法，该方法首先利用训练集来训练具有足够隐单元数目的初始神经网络，然后计算训练集中能被训练过的神经网络正确识别的样本在隐层神经元的激活值，并对其进行排序，计算这些激活值的各种划分的信息增益，从而构造能将整个样本空间正确划分的决策树，最后遍历整棵树寻找重要的相关隐层神经元，并删除冗余无关的其它隐单元，从而估计神经网络中隐层神经元的较佳数目，文章最后以构造用于茶叶品质评定的具有较佳隐单元数目的神经网络为例，介绍本方法的使用，结果表明，本方法能有效估计前馈神经网络的隐单元数目。     

大规模前馈神经网络的一种有效学习算法及其应用

前馈神经网络在复杂系统建模中局限于小型或中等规模的系统，主要原因是：对于大规模问题，现有的神经网络学习算法或者收敛太慢，或者难以收敛．针对这一问题，本文提出一种基于改进的拟牛顿方法的神经网络学习算法该算法内存需要量小，收敛速度快，适合高维神经网络的训练．本文利用该算法训练神经网络建立32输入工业产品质量模型，结果表明了该算法的有效性．     

一种新颖的径向基函数(RBF)网络学习算法

以提高RBF网络泛化能力为着眼点，提出了一种新型的网络结构自适应学习算法．该算法采用衰减聚类半径的聚类算法来确定初始的隐层结构，然后通过调整包含样本类别信息的扩展聚类不纯度来修正隐层结构，直至满足所有扩展聚类不纯度均小于等于不纯度均值以及所有扩展聚类方差均不超过方差均值这两个条件．这样就确定了隐层的最终结构．在确定隐层结构之后，采用反向传播算法来训练隐层与输出层之间的连接权重．经双螺旋线问题仿真试验验证，该算法确实具有较强的泛化能力．     

多层前馈神经网络在电力系统谐波测量中的应用

介绍了一种基于多层前馈神经网络的电力系统谐波测量方法，给出了一种初相角的计算方法。在初相角已知的情况下，给出了测量电力系统谐波幅值的多层前馈神经网络的结构及算法，并给出了仿真分析结果。     

单位功率因数三相PWM变流器的相量调节方法

本文提出一种基于幅相控制方式单位功率因数三相电压型PWM变流器的相量调节方法。根据相量间的直角三角形关系和能量转换平衡原则，建立了该系统的低频数学模型，分析了系统的相量调节方式。在此基础上，提出一种电流前馈的调节方式，即将直流侧负载电压的变化率转化为到达下一个平衡状态时相位与调制深度的附加控制量，以提高系统的快速性。实验证明：控制系统实现了单位功率因数和能量的双向流动，且输出直流电压恒定可调，相电流的谐波含量非常小，系统动态性能较好。     

采用AP500A驱动的前馈功率放大器

目前,国内外有很多功放名机应用了前馈技术,诸如电流倾注式功放、ALA功放、双超线性功放等。然而这些功放大都用分立元件装成、电路复杂、元件繁多,在缺少足够测量仪器的条件下,业余仿制并非易事。本文设计制作的前馈功率放大器。由于采用了功放驱动集成模块AP500A,不仅使整机电路大为简化,元件节省近一半,而且免去了差分对管选配和整机调试等许多麻烦,其效果是十分明显的。 AP500A是功放驱动集成块家族的新成员。这是一种高耐压场效应管输入的DC功放驱动模块,功能齐全,性能优越,所以它一问世,就受到了广大音响发烧友的青睐。与其它功放驱动集成块相比,AP500A外围电路最简单,且内部含有零点伺服