基于多层前馈神经网络的案例推理系统

采用基于该神经网络技术的案例推理系统,使用交叉覆盖算法,可兰亨登地缩减案例的检索时间、减少案例适应性修改、提高推磊效率。实验表明该系统易于设计构建,极大地提升了CBR在实际中的应用能力。     

三相VSR空间矢量PWM控制系统设计与实现

提出将PWM技术引入整流器的控制之中,在实现能量双向流动的同时,实现网侧电流波形的正弦波控制和单位功率因数运行。同时,采用带有前馈补偿的空间矢量脉宽调制(SVPWM)直接电流控制方法,对三相电压型PWM整流器进行双闭环控制。对整个控制系统进行的实验验证了提出的控制方法和系统参数设计方法的正确性。目前该系统已经用作蓄电池充放电的前端设备。     

高性能单相电压型逆变器输出控制实验研究

针对单相电压型逆变器固有的输出电压幅值和相位落后于给定的问题,采用了一种多环反馈加前向通道前馈补偿的控制方案,该方案使逆变器在空载和负载下,其输出电压的幅值和相位均能完全跟踪正弦给定,同时使系统具有优异的稳压特性、动态特性和对非线性负载的适应性.介绍了该方案的理论依据,并搭建了一台2kVA的实验样机.实验结果证明了该方案的有效性.     

基于非线性前馈控制器的电液驱动离合器系统控制

为了提高汽车离合器运动轨迹控制的准确性,提出了一种基于非线性前馈控制器的电液驱动离合器系统控制方法。通过研究驱动离合器工作的液压装置结构,分析了其组成部分及工作原理。通过泵的角速度及活塞位移,建立了液压装置的物理方程。采用阀孔的面积及阀芯周长、位移和叠合量等参数,计算了系统中控制边缘的湍流流量。利用调节阀、比例方向阀以及离合器的质量,求取了系统矩阵。在系统体积流矢量的基础上,构建了输入仿射系统,并通过仿射系统中的流量系数,构造了非线性补偿控制律。以调压阀、电磁阀和离合器的活塞目标位移为依据,建立了非线性前馈控制器,以实现对离合器运动轨迹的控制。实验结果表明：在跟踪方波与不规则目标轨迹时,本文方法比滑模控制器方法的控制准确性分别提高了42.48%和37.01%,表明本文所提非线性前馈控制器对电液驱动的离合器系统具有较好的控制效果,可控制离合器准确地按照目标轨迹运动。     

售货机直流电机升降系统控制策略研究

为了提高直流电机位置控制系统的精度和速度,在传统三闭环系统的基础上增设微分负反馈,通过预测位置变化趋势,在抑制超调的同时保证系统动态响应速度,提高抗负载扰动能力。在确保无超调的微分负反馈下,引入前馈补偿环节,进一步获得更好的跟踪性能和精度。通过仿真分析,证明该策略具有超调快速响应、抗负载扰动和高性能跟踪等特性,能够提升售货机升降接货装置的性能。     

提高火电机组AGO性能的方法研究

论述了火电机组自动发电控制（AGC）功能对协调控制系统（CCS）的性能要求,分析了发电机组调节速率不能满足要求的主要原因。并以广东某电厂3号机组为例,分析了CCS存在的主要问题,提出了增加负荷指令-燃料量指令的动态前馈功能,以提高火电机组AGC性能。试验结果表明,该方法对提高火电机组AGC性能有显著效果。     

前馈神经网络WAFS学习算法

1.引言前馈神经网络是目前应用最广的一种神经网络,其学习算法是由Rumelhart等人于1986年提出的反向传播(Back Propagation,BP)算法,故这种神经网络也常被称为BP神经网络。人们对前馈神经网络学习算法的研究,以前主要着重对各层之间联接权值优化的研究,如BP算法以     

含噪声前馈神经网络误差函数的理论分析

误差函数的选择是前馈神经网络训练的关键问题。首先讨论了在输入输出样本均含噪声及只有输出样本含有噪声的情况下网络权向量W的极限性质，从而指出，在噪声存在的情况下，常用的最小方差型误差函数不是一个好的选择，所得结果为更深入的研究指出了方向。     

基于紫金桥监控组态软件的过程控制远程教学实验系统

论述由紫金桥监控组态软件、清华大学小型多参数过程控制实验台利用互联网共同构建的过程控制远程教学实验系统,完成远程PID、前馈/反馈控制,实现网络实验室。     

前馈神经网络的混沌学习方法研究

采用混沌优化策略，提出一种前馈神经网络权参数的最优学习方案．由于BP算法优化神经网络权参数时存在收敛速度慢、自身参数选取困难、易陷入局部极小等缺陷．采用混沌变量优化神经网络权参数，具有全局性、快速性、并行性的特点．仿真实验表明采用该方案对强非线性问题的逼近具有精度较高、学习较快的优点．