一种新的具有多个储备池的回声状态网

回声状态网是一种新型的递归神经网络,仅需要训练输出权值,克服了传统递归神经网络存在训练算法过于复杂、收敛速度慢、易于陷入局部最小等问题.为进一步提高回声状态网的建模能力,特别是面临实现多个正弦函数叠加(MSO)等任务时的逼近能力,提出了由泄露积分型神经元构建一种新型的多储备池回声状态网,称为多储备池泄露积分回声状态网(MLESN). MLESN是采用由顶向下和由底向上相结合的思路构建回声状态网.首先采用由顶向下的思路构建回声状态网,假设其储备池由P类相异泄露积分型神经元构成,每一类神经元的群体将构成一个子储备池.然后采用由底向上方式构建回声状态网,生成P个相异中心神经元,分别代表P个子储备池,每个子储备池的神经元状态要与其中心神经元状态相同或相近,P个中心神经元之间通过随机稀疏连接构成了一个新的虚拟子储备池.在储备池状态更新过程中,仍需保持各子储备池内部神经元之间的差异性小,不同子储备池神经元状态之间的差异性大的特点.最后,利用Matlab仿真软件进行实现,并与泄露积分型回声状态网(Leaky-ESN)预测性能进行比较.仿真结果表示,本文提出的方法具有更高的预测精度和预测误差波动性小等特点.     

新工件到达锁定初始调度的单机重调度问题

研究了新工件到达锁定初始调度的单机重调度问题.即有一组带有不同释放时间的初始工件已经按照最小化完成时间和的优化目标调度完毕,形成初始调度且已锁定,此时有一组释放时间为零的新工件到达,且需要插入初始调度进行加工,其优化目标为最小化新工件的完工时间和.文中研究了新工件的加工过程可中断和新工件的加工过程不可中断,共2类新工件到达锁定初始调度的单机重调度问题.分析了重调度问题的复杂性,针对第一类重调度问题提出了多项式算法并证明了其最优性.证明了第二类重调度问题为NP完全问题,提出了一个多项式算法,并证明了该算法的有效性和最优解的特征,解决了企业实际问题并进一步丰富了重调度理论.     

基于模糊神经网络的PID温度控制系统

应用模糊神经网络PID控制技术,建立了高分子聚合物反应温度控制系统.该系统利用模糊神经网络调整PID参数,进一步完善了PID控制的自适应性能.自行设计了该控制系统的硬件和软件部分,可以接入8点热电阻信号,具有显示温度、自动控温、声光报警等功能,应用结果说明,该温度控制系统充分利用了模糊神经网络和PID控制的优点,具有良好的动、静态特性和自适应性.     

工人技能部分柔性的流水车间调度问题

本文针对工人技能部分柔性的流水车间调度问题(FSPPSF),建立了目标为最小化完工时间的FSPPSF模型,利用分支定界法求解给定技能矩阵的FSPPSF(S).针对不同工人技能的柔性度进行计算实验,得出柔性度和相对运行效益率的关系,为决策者如何制定培训新工人方案提供重要依据.     

一类模糊不确定网络控制系统的保性能控制

针对网络控制系统中存在数据传输时延,以及由被控对象和控制器之间的不同步给系统所带来的稳定性问题,提出了鲁棒H∞保性能控制器的设计方案.将时延的不确定性转换为系数矩阵的不确定性,在此模型基础上利用并行分配补偿,并根据H∞鲁棒控制理论及线性矩阵不等式(LMI)方法,获得了网络控制系统的全局渐近稳定性及H∞控制律存在的充分条件,同时提出了网络控制系统鲁棒H∞保性能控制器的设计方法,仿真说明该方法的可行性和有效性.     

一种新型电机用冷却装置

目前对于高功率密度电机主要采用机壳水冷装置进行冷却,对电机内部降温效果较差.提出一种新型的电机冷却方法,即在机壳内部设置热空气通道与冷却水通道,两者直接发生热交换,将电机内部热量带出,避免电机内部产生局部过热.     

基于遗传算法的多传感器自适应噪声抵消器

讨论了同一噪声源多传感信号的自适应噪声抵消器的设计方法·针对同一信号源的多传感信号,采用快速遗传算法获取多路信息融合器(LC)的权系数及自适应噪声抵消器的系数,克服了基于梯度的搜索算法和随机搜索等算法获取最优滤波器参数难的问题·利用遗传算法自适应调整LC的权系数,克服了采用并行噪声抵消器的输出平均作为估计信号时,可能造成估计误差太大的缺陷·仿真结果表明,该自适应噪声抵消器的设计方法,不仅实现简单、运行时间短,而且充分利用了多传感信号的信息,其去噪效果良好·     

改进PSO权值算法在流水生产调度中的应用

为了在生产中快速有效且合理地安排生产流程,达到生产最优化,采用改进粒子群权值算法(DPSO)。研究了DPSO算法地参数设置问题,在传统PSO算法基础上加入具有动态自适应调整功能的权重因子,使算法更快地达到全局最优化,迭代次数也大大缩短,将DPSO算法用于流程工业的flow-shop调度中,大大提高了生产效率,仿真实验表明该算法具有良好的全局优化性能。该成果对生产调度具有一定的参考价值和指导意义。     

利用模糊神经网络方法建立CSCL分组模型

针对目前计算机支持的协作学习存在硬性分组和分组依据模糊性等问题,提出利用数据挖掘方法获取影响协作学习分组性能的基本因素,然后利用模糊神经网络方法对基本因素进行分析进而构建出协作学习的分组模型。并且该方法在某高中信息技术课程的协作学习分组中得到有效应用。     

太阳能电池板跟踪的超前余量研究

太阳能是可再生能源，目前大部分对光伏的研究主要集中在固定角度，检测到太阳光线与太阳能电池板产生固定角度时，将调整太阳能电池板的位置使太阳光线与之垂直，针对太阳能电池板超前调整余量进行研究，对余量系数进行研究以达到最佳的接收效果并利用模糊推理的方法求解余量系数．