微机械陀螺仪反馈控制器鲁棒性分析及闭环接口检测电路设计

在分析微机械陀螺仪静电力反馈检测结构的基础上,提出了一种对现有Sigma-Delta静电力反馈检测方式的改进设计.对微机械陀螺仪闭环检测系统进行了离散化处理.基于Lyapunov稳定性原理,构造了一类能够使系统有限时间稳定的输出反馈控制器,并对其鲁棒性能进行了分析.该电路系统在Cadence平台下使用AMS 0.35 ...     

基于PSO-RBF神经网络模型的原水水质评价方法及应用

针对自来水生产过程的原水水质评价问题,提出了一种基于PSO-RBF神经网络模型的原水水质评价方法.首先,根据水厂生产经验和历史数据分析,制定面向自来水生产过程的原水水质评价标准.然后,采用粒子群优化(PSO)算法训练的RBF神经网络模型,对苏州市相城水厂的进厂原水水质实施在线评价.最后,将进厂原水水质在线评价结果作为前...     

基于RPE钳模型的运动节奏策略影响因素的实验研究

目的:基于RPE钳模型对部分强力手段对运动节奏策略的影响机制进行实验研究.对象与方法:随机选取山东师范大学体育学院男大学生志愿者7名作为受试对象.实验采用MONARK 894e功率自行车,负荷为0.005 kg/kg体重,RPE钳在Borg6 -20量表的“16”(介于累和非常累之间).以最初3 min的平均功率作为参照值,受试者继续踏车运动直至功率下降到该值70％的时间定为疲劳时间,当运动功率连续3 min低于参照值70％时实验停止,然后要求受试者作30 s的最大速率运动(冲刺).分别观察了①空白状态,②物质奖励,③时间欺骗(等长、短3 min、长3 min),④康比特运动饮料(720 ml)饮用后即刻、后10 min对运动节奏的影响.指标选用①起始速度(参照值),②疲劳时间,③冲刺峰值.差异显著性检验采用配对样本t检验,显著性标准采用P＜0.05,结果以X±SD表示.结果:实验稳定性测试中各指标两次测量之间的相关系数均在0.686 -0.965之间.物质奖励语言刺激与空白对照相比,起始速度显著性加快,冲刺速度峰值显著增加,运动至疲劳的时间也有所延长.时间欺骗与空白组相比,等长组各指标均无显著性差异;短3 min组起始速度显著加快,疲劳时间缩短,冲刺峰值有所增加;长3 min组起始速度变化不大,疲劳时间显著延长,冲刺峰值显著降低.与饮用后即刻相比,饮用康比特运动饮料(720 ml)后10 min起始速度和冲刺峰值无显著性差异,但疲劳时间显著延长.结论:物质奖励和时间欺骗(短于)可通过前馈途径影响运动节奏策略,表现为起始速度增加;康比特运动饮料则是通过反馈途径影响运动节奏策略,表现为运动至疲劳的时间延长.     

前馈神经网络对河道水深和淤积程度的预测

针对导致河道年内最浅水深和淤积程度估计的复杂性，利用前馈神经网络结构简单和具有较强映射能力的特点，对已有资料进行了模拟与泛化分析。结果表明，神经网络可以有效地对年内最浅水深和淤积程度进行预测。     

一类生态系统的稳定性分析与反馈控制

考虑一类生态系统的正平衡点的稳定性问题,研究并得出了当输出u在0附近变化时该类系统出现稳定性切换的问题,且给出了消除此系统当输出u在0附近变化时稳定性切换的反馈控制,使得此系统当输出u在0附近变化时正平衡点的稳定性得以保证。在最后,给出了一个具体的应用例子。     

供暖锅炉的加药控制系统及零排污应用

随着自动控制技术的飞速发展和广泛应用，锅炉的控制系统和控制方式越来越引起人们的重视，而且对控制系统的要求越来越高。供暖锅炉的控割系统是一个复杂多变量控制系统，为了保证其正常工作及节能环保的需要，生产过程各主要工艺参数必须严格控制。本控制系统主要针对锅炉零排污及自动加药控制等方面进行研究，以保证供暖锅炉的正常、高效、节能运行。     

PMSM伺服控制的数字电流环研究

研究了永磁同步电动机（ＰＭＳＭ）伺服系统的一种新型数字电流环方案，该方案采用了规则采样法生成ＰＷＭ波的比例型电流调节器，提出用前馈补偿和变电流环增益技术才能提高电流调节性能，给出了数字仿真和实验结果。     

前馈加反馈补偿的分散鲁棒跟踪系统研究

本文用分散的前馈加反馈补偿器对线性时不变多变量系统进行了研究,给出了获得内稳定鲁棒跟踪系统的充要条件;分析了系统的灵敏性和稳定边际;提出了考虑瞬态响应、灵敏性和稳定边际的设计分散鲁棒跟踪系统的方法。     

一种训练神经网络的新型遗传算法

针对神经网络中具有大量的相似解，提出了一种规范化方法，大大地减少了神经网络中解的数目，然后，给出了多种不同的算子，通过对简单网络问题的实验，比较了它们的优劣，得出了一个新型的遗传算法ＮＧＡ。实验表明，ＮＧＡ比用传统的ＧＡ训练神经网络效果要优。     

深层前馈网络的单调同伦学习算法

本文研究前馈神经网络的结构以及快速二阶学习算法，首先提出一种能和适应分布网络结构的深层前馈网络模型，并利用构造性方法证明了该网络的通有逼近性质，为改进网络学习效率及大范围收敛性，提出了网络权值学习的单调同伦方法，该方法具有与牛顿法相同的二阶收敛性，数值实例显示了该方法的高效性与大范围收敛性，深层前馈网络模型具有自适应分布网络结构，高度非线性逼近性以及可实现快速学习算法等特点。