改进GA-BPNN在短期电力负荷预测中的应用

为了避免传统方法预测短期电力负荷建模复杂性,将改进遗传算法（GA）和误差反向传播（BP）算法相结合构成的混合算法用于训练人工神经网络,结合电力负荷历史数据,对短期电力负荷进行仿真预测。仿真结果表明,该混合算法有效地解决了常规BP算法学习网络权值收敛速度慢、易陷入局部极小和GA算法独立训练神经网络速度缓慢等问题,具有较快的收敛速度和较高的预测精度。     

反重力铸造装备的模糊建模与预测控制

工业中的反重力装备在铸造过程中具有时滞性、强非线性和时变性的特点,传统的控制算法难以达到满意的效果,由此提出了一种基于T-S模型的模糊预测控制方法.该方法根据T-S模型的描述来设计神经网络结构,利用误差反传算法离线辨识前件参数和后件参数,使用加权最小二乘递推方法进一步在线修正模型的后件参数,并将T-S模型转化为状态空间模型,使用丢番图方程推导出预测控制律.仿真结果表明此方法具有良好的动态特性.     

基于投机执行的两级退休机制

针对超标量处理器中指令长时间占用重排序缓存引起指令退休缓慢的问题,提出了一种基于投机执行的两级退休机制.该方案根据指令有无异常和预测错误风险将指令分为有风险指令和无风险指令,对重排序缓存进行轻量化改进,只有存在异常和预测风险的指令才允许进重排序缓存,在确认风险消除后将指令快速退休.重命名寄存器从重排序缓存分离,负责寄存器重命名和结果乱序回写.实验结果表明,在硬件资源相同的情况下,基于该方案的处理器比传统的按序退休处理器的性能平均提高28.8％以上.     

一种新的无线传感器网络MAC协议

针对SMAC协议退避机制的缺陷,提出一种新的MAC协议——自适应SMAC。在SMAC的基础上引入指数退避机制,引用马尔可夫分析模型对退避关键性能参数进行理论分析,根据分析结果引入信道忙计数器。使节点能根据该计数器估计信道的拥塞程度,自适应地改变竞争窗I：1大小以减少碰撞,提高能量效率和吞吐率。仿真结果表明,新方案的能量效率和吞吐率相对于SMAC有明显提高。     

基于动态递归模糊神经网络的水轮发电机组建模

针对水轮发电机组的复杂动态特征,提出一种新的动态递归模糊神经网络结构,并将其应用于解决水轮发电机组的建模问题.通过在网络规则层引入乘积运算,使得复杂模糊规则容易提取,模糊推理功能易于实现.在网络隐层中引入局部递归单元,该方法能克服基于反向误差传播的静态网络辨识动态系统的局限性,提高辨识水轮发电机组动态特性的准确性.通过与其他智能方法的仿真比较,验证了所提出方法的有效性.     

一种新型SPMSM无位置传感器驱动系统研究

针对表贴式永磁同步电机(SPMSM),提出了一种基于新型反电动势观测器的无位置传感器驱动系统控制方案。为了实现无传感器控制,该系统在传统反电动势观测器的基础上进行了一定的改进,并引入锁相环(PLL)来确保估算器能够快速、准确地获取转子位置信息和转速信息,从而实现电机的转子磁场定向及转速调节。建立了系统数学模型、控制系统结构框架,并且对该速度/位置估算器原理进行了理论分析及Matlab仿真验证。最后,基于TMS320F2808的永磁同步电机实验平台进行了相关实验,实验结果验证了该控制算法具有调速范围宽、动态响应快、带载能力强及系统可行性、实用性强等特点。     

BLDCM无位置传感器换相检测和开环起动的软件实现

基于DSP TMS320F240芯片，提出了无位置传感器无刷直流电机反电势过零检测换相和开环起动一种新的软件实现方法，实验结果表明所设计的算法可行、有效，能取得较好的控制效果。     

基于支持向量机与神经网络的间谐波测量混合算法

针对目前缺乏国家标准规范间谐波对电能质量的影响,也缺乏有效的手段监测间谐波的问题,用支持向量机理论对其进行了探索。支持向量机理论将间谐波这个非线性问题变换到更高维的空间中进行线性回归,它基于迭代权调整最小二乘法,引入反向传播神经网络算法整定算法参数,通过反馈现场采集、分析信号,并将教师信号与计算信号的差值作为调整参数的驱动信号,在此基础上通过反向遗传算法(BPNN)的反向传播能力对参数进行基于负反馈的调整,提高了算法的收敛速度。通过数值实验对比,该算法比没有使用差动信号的混合算法效率提高约13%。     

架空输电线路雷电过电压识别

准确辨识架空输电线路雷电过电压类型对改进防雷设计具有十分重要的意义。为此,分析了感应、反击、绕击3种雷电过电压的发生机理,对输电线路雷电流行波波形特点的研究表明感应雷电过电压三相电流行波相似程度大,反击雷电过电压发生时,闪络相在绝缘子未击穿时,由于避雷线等的分流、耦合作用,存在空间电磁耦合电流,而绕击过电压闪络相不存在空间电磁耦合电流。提出了以输电线路雷电流行波三相电流波形最小相似度、上升时间比作为上述3种雷电过电压识别判据。还分析了上述特征参量在工程应用中可能受到的干扰因素及解决方法。大量EMTP仿真表明所提取的特征量有效可行。     

基于分支前馈神经网络的数字字符识别算法

将分支前馈神经网络(BFNN)运用于数字字符的模式识别问题中,其某些性能优于标准反向传播(BP)网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。