一种基于CMAC网络的自学习控制器

通过分析了ＣＭＡＣ神经网络的学习机制和连续搅拌反应釜的结构，提出了一种自动选择学习率的ＣＭＡＣ自学习控制方法。给出了自学习控制器的结构和算法，并以连续搅拌反应釜模型为对象进行了仿真研究，这种网络每次学习少量参数，算法简单，仿真结果表明所提出的控制器优于传统的ＰＩＤ控制器。     

基于内模结构的模糊控制器

通过对具有纯滞后被控过程进行数字仿真研究,提出了一种基于内模结构的模糊控制方法。其最大特点是引入了模糊预估器作为被控过程的内部模型,对实际过程输出起预估作用,从而消除了大时滞带来的系统不稳定。此算法的控制效果要优于常规ＰＩＤ、ＦＵＺＺＹ和ＩＭＣ控制方法＾「１」,利用该算法对电加热炉进行的炉温实时控制时也有一定的理论意义和实用价值。     

基于大林算法的热压炉炉温PLC控制研究

本文以金属基复合材料制备中的热压炉为研究对象,分别采用传统PID控制和大林算法进行仿真研究。结果表明,大林算法较传统的PID控制可以更稳定地控制热压炉温度,而且大林算法在被控对象模型失配时,仍然可以得到较好的控制效果。     

一种基于神经网络模型的非线性自适应控制系统参数辨识算法

应用神经网络BP算法建立了系统参数模型,以被控对象的控制量和系统输出作为神经网络模型的输入,经过神经网络的隐层和输出层的前向计算以及误差的反向传播采不断修整模型的权值,将非线性系统时变参数的变化规律转化为神经网络参数模型,反映了参数随状态而变的规律;再结合文献[5]已知模型下PID控制参数的计算,推导出一种更具有应用性的系统参数辨识算法.通过在计算机上对非线性系统仿真,结果表明了这种的系统参数辨识算法有效性.     

采用多变量RBF神经网络的非线性内部迭代预测控制

针对工业过程中被控对象往往具有复杂、强非线性、多变量的特性,提出一种基于多变量径向基函数(radial base function,RBF)神经网络的非线性内部迭代预测控制方法.采用多个RBF神经网络在线逼近多输入多输出的非线性系统,得到一个近似模型作为预测模型.同时为了减少求解系统控制律的计算量,将每个输出预测值沿着输入轨迹展开,从而把求解复杂非线性优化问题转化为求解简单的二次规划问题,解决了在线实时递推控制律时求解非线性微分方程的困难.最后通过t次内部迭代直至满足迭代条件,得到了最优的控制律.p H中和过程的仿真结果表明了该算法是有效而可行的.     

一种基于RCAM结构的联想记忆器

递归相关联想记忆（ＲＣＡＭ）的回已规则不同于Ｈｏｐｆｉｅｌｄ网络之处在于前者在输入与记忆模式的相关值上作用一非线性函数,在文献（７）的基础上,文中对所涉及的非线性函数进行了进一步的研究,提出了利用截断较小相关值来提高记忆性能的方法,得到了一种新的具有ＲＣＡＭ结构的联想记忆器（ＴＲＣＡＭ）,理论分析表明该方法可大大地提高记忆器对任意输入的信噪比,仿真实验也显示此方法可显著增大记忆模型在保证一定纠错能     

一种新的模糊内模预估控制器

采用内部模型控制 估器和模糊控制器相结合,对模糊内模预估控制方法进行了研究。其方法是利用模糊预估控制器克服时滞,通过对具有纯滞后的被控过程进行的数字仿真研究,结果表明：这项研究的控制效果要优于常规ＰＩＤ控制、模糊控制（Ｆｕｚｚｙ）和内模控制（ＩＭＣ）方法。     

基于TSA的非线性神经网络预测控制

针对现有非线性预测控制方法在线递推控制律时求解非线性方程的困难,提出一种基于树和种子算法(tree and seed algorithm, TSA)的非线性神经网络预测控制算法.该算法采用径向基函数(radical basis function, RBF)神经网络建立非线性系统的过程模型,并将该模型作为预测模型,可以有效逼近系统的过程特性.在此基础上,通过该模型递推非线性系统的预测输出值,并设计具有约束的二次型性能指标.利用TSA优化该性能指标,不断在线搜索非线性预测控制系统的最优控制律,避免采用直接递推的方式求解复杂非线性优化问题,减轻了系统的计算负担.生化发酵过程仿真对比结果表明,该算法具有很强的跟踪和抗干扰能力.     

关于MPRII与CAD／CAPP／CAM集成模型和方法的探讨

该文充分利用组件技术和代理技术的特点,设计了在基于组件的开放系统上集成ＣＡＤ／ＣＡＰＰ／ＣＡＭ与ＭＲＰＩＩ的模型;同时,提出了“总线＋代理”的框架结构,并详细讨论了这种集成模型优缺点。     

馆藏数据CNMARC化的一种方法

介绍了笔者将馆藏数据ＣＮＭＡＲＣ化的方法及体会。从技术方案的选定、转换语言的选择、对现有．ＤＢＦ馆藏数据的分析等入手，分析将．ＤＢＦ格式数据转换成ＭＡＲＣ格式的过程，最后提出使用ＶＢ语言和ＡＣＣＥＳＳ数据库将．ＤＢＦ转换成ＭＡＲＣ文本的算法。     

PS/溶剂体系气液平衡研究

采用气液色谱法测定了ＰＳ／溶剂在不同温度下无限稀溶剂活度系数和Ｆｌｏｒｙ－Ｈｕｇｇｉｎｓ相互作用参数。应用ＵＮＩＦＡＣ和ＵＮＩＦＡＣ－ＦＶ模型对ＰＳ／溶剂体系中无限稀溶剂活度系数进行了估算,结果表明,ＵＮＩＦＡＣ－ＦＶ模型能较好地预测ＰＳ／烃溶剂体系中无限稀溶剂活度系数,而ＵＮＩＦＡＣ模型则较差。     

K—9卷积码的Viterbi译码算法及其FPGA实现

探讨了ＣＤＭＡ数字移动通信中的差错控制问题,研究用约束度Ｋ＝９的卷积编码和最大似然Ｖｉｔｅｒｂｉ译码的差错控制方案。在Ｖｉｔｅｒｂｉ译码算法中,提出了原位运算度量、保存路径转移过程和循环存取幸存路径等方法,能有效地减少存储量、降低功耗,使得Ｋ＝９的Ｖｉｔｅｒｂｉ译码算法可以单片ＸＣ４０１０ ＦＰＧＡ为主的器件上实现,其性能指标符合ＣＤ－ＭＡ数字移动通信ＩＳ－９５标准要求。文中给出了实测的算法性能,     

函数联接神经网络在电力系统短期在线负荷预报中的应用

提出了２个新的用于帝时在线短期负荷预报的函数联接神经网络（ＦＬＮ）模型,２个模型都把负荷与气象参数结合起来的构成非线性ＡＲＭＡ过程,并应用ＦＬＮ的函数逼近能力获得了２个模型的参数,测试与在线操作表明２个模型的预测效果是令人满意的,２４ｈ向前负荷预报的平均绝绎百分误差ＭＡＰＥ）对ＨＥＬＮ来说几乎都在３％以下,而ＤＦＬＮ来说几乎都在５％以下。     

一种基于BP网络的多模型预测主动容错控制方法

针对非线性受控对象,给出了一种基于BP神经网络的多模型预测主动容错控制方案,设计了故障诊断与决策机制的算法步骤,在基于BP网络建立系统正常或故障状态动态模型库的基础上,利用预测控制算法得到控制律,达到对非线性系统主动容错控制的目的．仿真结果表明所述方法的可行性和有效性．     

模糊控制理论的发展及应用

常规控制的基本特点是控制器的设计要建立在被控对象的数学模型基础上,但是在许多情况下被控对象的精确数学模型很难建立,而采取模糊控制和其它技术的结合形成的控制方法,在对多变量、非线性、不确定的复杂系统中却能取得较好的控制效果.对此总结了模糊控制理论发展的概况,介绍了模糊控制理论与其它控制方法的结合技术,探讨了模糊控制当前亟待解决的问题和发展前景.     

新型絮凝—缓蚀剂处理油田污水的研究

以油田污水为处理对象，系统地研究了新型絮凝-缓蚀剂（ＣＭＴ-Ａ）的絮凝和缓蚀性能．试验结果表明，ＣＭＴ-Ａ不仅有优异的絮凝净水能力，而且对污水的腐蚀有良好的抑制作用，特别是对点蚀有突出的抑制效果．本文对ＣＭＴ-Ａ的絮凝-缓蚀机理也作了探讨．     

一种双向AC／DC变换器数学模型

提出一种双向ＡＣ／ＤＣ变换器的状态空间平均模型,并在此基础上,经过理论分析得出一系列有价值的公式与结论。通过ＭＡＴＬＡＢ数值仿真和实验结果,证实该模型及理论的正确性。     

基于粒子群算法优化的T-S型模糊神经网络控制器

粒子群优化(PSO)算法是一种新颖的演化算法,该算法通过粒子间的相互作用在复杂搜索空间中发现最优区域,其优势在于简单而功能强大。提出一种T-S型模糊神经网络控制器,采用PSO算法对模糊神经网络的前件参数和后件参数进行寻优,从而实现了模糊规则的自动调整、修改和完善。通过对非线性和时变被控对象的仿真研究,结果表明采用粒子群优化算法可以实现参数的全局快速寻优,而且优化后的T-S型模糊神经网络控制器能获得良好的控制性能。     

CMOS和BIOS的区别

ＣＭＯＳ是微机主板上的一块可读写的ＲＡＭ芯 片，主 要用来 保存当 前系统 的硬件 配置和 操作人 员对某 些参数 的设 定 ＣＭＯＳＲＡＭ芯片由系统通过一块后备电池供电，因此在关机状态后信息也不会丢失。由于ＣＭＯＳ ＲＡＭ芯片本身只是一块存储器，只具有保存数据的功能，所以对ＣＭＯＳ中各项参数的设定要通过专门的程序。目前多数厂家将 ＣＭＯＳ设置程序做到了 ＢＩＯＳ芯片中，在开机时通过按下某个特定键就可进人 ＣＭＯＳ设置程序而非常方便地对系统进行设置，因此ＣＭＯＳ设置又通常被叫做ＢＩＯＳ设置。 所谓ＢＩＯＳ，实际…     

ARIMA模型在广西短期电力负荷预测中的应用

阐述了疏系数ＡＲＩＭＡ（ｐ，ｄ，ｑ）模型的建立方法，提出了适用于广西区普通日电力负荷预测的数据预处理方法，利用建立的动态ＡＲＩＭＡ（ｐ，ｄ，ｑ）模型顺利完成了对广西区普通日电力负荷（每日２４个点，正点采集）的预测，全年日预测精确度均在到９５％以上。