基于队列长度和速率的拥塞控制神经网络方法

文中研究了网络拥塞控制问题。PID控制器是实现网络拥塞控制非常有效的方法,能够实现对网络的主动队列管理。文中根据队列长度和变化速率,利用神经网络实现传统的比例微分积分器（PID）功能,从而提出了基于队列长度和速率的拥塞控制神经网络方法（RSPID）。该方法利用神经网络的加权动量梯度学习算法,自动调节控制参数,克服了传统PID控制方法由于控制器参数固定带来的适应性和稳定性问题。仿真结果表明,RSPID算法的鲁棒性和队列长度性能要优于PID算法。     

热连轧活套系统的自适应自抗扰控制研究

在热连轧活套系统工作点附近建立了活套高度与张力的近似线性化耦合模型。用两个并行自抗扰控制器对活套系统进行解耦与控制,用单神经元方法对自抗扰控制器的重要参数进行在线修正以提高控制器的自适应性。仿真结果显示了本文算法的可行性与有效性。     

Modified neo-fuzzy neuron-based approach for economic and environmental optimal power dispatch

At the central energy management center in a power system, the real time controls continuously track the load changes and endeavor to match the total power demand with total generation in such a manner that the operating cost is minimized while all the operating constraints are satisfied. However, due to the strict government regulations on environmental protection, operation at minimum cost is no longer the only criterion for dispatching electrical power. The idea behind the environmentally constrained economic dispatch formulation is to estimate the optimal generation schedule of generating units in such a manner that fuel cost and harmful emission levels are both simultaneously minimized for a given load demand. Conventional optimization techniques become very time consuming and computationally extensive for such complex optimization tasks. These methods are hence not suitable for on-line use. Neural networks and fuzzy systems can be trained to generate accurate relations among variables in complex non-linear dynamical environment, as both are model-free estimators. The existing synergy between these two fields has been exploited in this paper for solving the economic and environmental dispatch problem on-line. A multi-output modified neo-fuzzy neuron (NFN), capable of real time training is proposed for economic and environmental power generation allocation.This model is found to achieve accurate results and the training is observed to be faster than other popular neural networks. The proposed method has been tested on medium-sized sample power systems with three and six generating units and found to be suitable for on-line combined environmental economic dispatch (CEED).     

神经元滤波型2自由度PID控制器研究

本文给出了一种用神经元实现的给定值滤波型2自由度PID控制器．这种控制器利用 神经元权值自学习功能解决了2自由度PID控制器参数整定这个难题并使系统具有自适应能力 ．物理实验表明：神经元滤波型2自由度PID控制器具有应用价值．     

基于寻优算法的改进自组织映射研究

为加快自组织映射的学习速度,提出一个改进的自组织映射(SOM)算法。该算法将类似模拟退火过程应用于SOM学习算法中,动态调整学习参数来优化神经元的运动,并且在损耗值达到一定阈值的情况下提前停止自组织映射聚类,保证输入数据与映射规则的快速学习与较好性能。在提高学习速度的前提下,达到输入到输出的图形一致性。在不同大容量数据集的测试结果表明,该算法与原始SOM算法及其改进算法相比,在收敛速度上可以提高一倍左右,精度上较标准SOM提高50%左右。     

线性神经元网络C++仿真实现

在众多神经元网络模型中,最基本的是线性元网.其主要应用是做为模式分类器.虽然线性神经元可以由硬件电路实现,但其在网络设计和调试训练时还存在许多难以解决的问题.而用软件模拟神经元网的设计和训练则具有更大的灵活性.基于此目的,给出了基于C++类的神经元及神经网络的程序实现.并给出了通过友元函数形式实现对线性神经元的训练程序.在所定义的神经元及神经元网络类的基础上,可以定义其他形式的神经网络,以实现不同应用目的.     

二次型单神经元自适应算法在电动机控制中的应用

针对直流电动机调速系统现有控制方法存在PID控制器参数固定而导致控制效果差的问题,提出了二次型单神经元自适应PID控制算法,即在加权系数的调整中引入二次型性能指标,通过计算控制律可以得到所期望的优化效果。Matlab仿真结果表明,该算法可改善控制系统的动态过程品质,降低超调量,缩短稳定时间,并且有一定的抗干扰能力。     

酸碱中和反应中pH值的单神经元自适应控制研究

基于酸碱中和反应过程中pH值变化的动态模型,设计单神经元自适应控制器,解决化工生产过程中pH值的PID控制所存在的调节时间长、超调量大和系统抗干扰性差的问题。在相同条件下与PID控制器进行对比实验,实验结果表明单神经元自适应控制器明显改善pH值过程控制系统的动态性能,该控制系统具有较强的自适应性与鲁棒性。     

基于二次型单神经元PID的静止无功补偿器控制系统仿真

针对传统PID控制器自适应性差、调节时间长的问题,设计了一种基于二次型单神经元PID的SVC控制系统电压调节器,并在Matlab/Simulink环境下对SVC控制系统进行了仿真试验。仿真结果表明,基于二次型单神经元PID的SVC控制系统,响应速度快,超调量小,自适应能力好,系统动态和静态特性良好。