基于T—S模型的旋转式起重机稳钩保性能控制

基于T-S模型的保性能控制对控制带有不确定性系统（如旋转式起重机稳钩系统）有很好的鲁棒性,把系统可稳和保性能控制转化为解一系列矩阵不等式（LMI）的问题,得出最优的反馈矩阵,设计出基于T-S模型的最优保性能控制器,并对这种方法进行了仿真。结果表明,这种方法简单可行,并且具有很好的鲁棒性。     

基于T-S模型的集装箱桥吊防摇H∞控制

集装箱桥吊是一个不确定非线性系统, 但是把它作为一个不确定系统来研究却很少, 本文使用了基于T-S模型的H_∞控制把系统可稳和H_∞控制转化为解一系列矩阵不等式(LMI: linear matrix inequality)的问题, 得出最优的反馈矩阵, 设计出基于T-S模型的H_∞控制器. 并把这种方法进行了仿真, 结果表明这种方法简单可行, 并且具有很好的鲁棒性.     

短期负荷预测神经网络方法比较

以某地区购网有功功率的负荷数据为背景,建立了三个BP神经网络负荷预测模型——SDBP、LMBP及BRBP模型进行短期负荷预测工作,并对其结果进行比较。针对传统的BP算法具有训练速度慢,易陷入局部最小点的缺点,采用具有较快收敛速度及稳定性的L-M优化算法进行预测,使平均相对误差有了很大改善,具有良好的应用前景。而采用贝叶斯正则化算法可以解决网络过度拟合,提高网络的推广能力,使平均相对误差和每日峰值相对误差降低,但收敛速度过慢(慢于SDBP模型),不适于在实际应用中采用。     

短期负荷预测神经网络方法比较

以某地区购网有功功率的负荷数据为背景,建立了三个BP神经网络负荷预测模型--SDBP、LMBP及BRBP模型进行短期负荷预测工作,并对其结果进行比较.针对传统的BP算法具有训练速度慢,易陷入局部最小点的缺点,采用具有较快收敛速度及稳定性的L-M优化算法进行预测,使平均相对误差有了很大改善,具有良好的应用前景.而采用贝叶斯正则化算法可以解决网络过度拟合,提高网络的推广能力,使平均相对误差和每日峰值相对误差降低,但收敛速度过慢(慢于SDBP模型),不适于在实际应用中采用.     

基于T-S模型的集装箱装卸桥防摇保性能控制

基于T-S模型的保性能控制对控制带有不确定性的系统有很好的鲁棒性(如集装箱装卸桥防摇系统),将系统稳定和保性能控制转化为解一系列矩阵不等式的问题,得出最优的反馈矩阵,设计出基于T-S模型的最优保性能控制器,并将该方法进行仿真,结果表明此方法简单可行,并且具有很好的鲁棒性。     

Windows 2000多域控制器配置问题

域控制器是一个运行Windows 2000 Server的计算机,他利用活动目录安装向导进行系统配置。一个域可有一个或多个域控制器。在组网的时候,一般的小型局域网只用一台域控制器。在比较大的网络中为了减轻域控制器的负担,获得高可用性和容错能力,有时需要架设多台域控制器或子域控制器。多个域可组成域树,多个域树又可组成为树林,默认情况下会自动创建和实现信任。关于Windows 2000多域控制器配置问题及域控制器的安装和检验进行了介绍,并针对Windows 2000多域控制器配置时出现的找不到已经架设完的主域的错误,提出可以用控制台命令nslookup来验证是否DNS服务器中缺少有关域控制器位置的资源记录（SRV）,并进行解决的方法。     

NURBS插补算法在自由曲线插补中的研究与应用

针对数控机床加工中的高速、高精度、自动控制要求,在研究NURBS曲线特点的基础上,运用三阶NURBS曲线实现对自由曲线的插补运算,通过改进的四阶阿当姆斯微分方程预估插补中的曲线参数,实现数据点密化。插补中实时监控轮廓误差,调整加工步长,满足插补过程的精度要求。在Matlab下的仿真实验表明该算法运算量小,精度高,可以满足插补中实时性的要求。     

基于MRA+LMBP模型对电力系统短期负荷预测的研究

电力系统负荷预测是实现电力系统安全、经济运行的基础,有着重要的意义。以某地区购网有功功率的负荷数据为背景,给出了小波神经网络——MRA(小波多分辨率分析) LMBP(L-M优化算法的BP模型)组合负荷预测模型对电力系统短期负荷进行预测。仿真结果证明组合模型比单纯使用神经网络负荷预测模型提高了预测精度,尤其是在一定程度上提高了每日峰值负荷的预测精度,具有良好的应用前景。