强流加速器中束晕-混沌的自适应控制

提出了一种新的控制方法-自适应控制方法实现了对束晕-混沌较好的控制,PIC多粒子模拟程序数值结果表明该控制器具有控制速度快、控制效果好、无须对增益因子进行准确计算等优点,从而具有较好的应用前景.     

强流离子束物理问题及其束晕-混沌的控制方法

强流离子束在国防和国民经济领域中有着极其重要的广泛的应用和发展前景。特别是强流加速器驱动的放射性洁净核能系统。比常规核电更安全、更干净、更便宜，成为20世纪90年代以来国内外该领域的研究热点。但是，处理强流束产生的复杂时空束晕-混沌现象已经成为强流离子束应用中的关键技术之一，需要有效地控制束晕才能确保强流离子束的许多重要应用。在此对强流离子束的主要用途、物理技术问题、宏观粒子模拟的基本方法，尤其是束晕-混沌的控制方法的研究进展，进行简要评述，并指出今后的研究方向。     

负指数函数控制器实现束晕-混沌的有效控制

根据控制束晕-混沌的非线性策略,提出一种负指数函数控制器,并运用该控制器和多粒子（PIC）模拟程序研究初始分布为Kapchinsky—vladimirsky（K—V）分布的强流离子束在加速器通道中的传输过程。结果表明,使用该控制器能够消除束晕-混沌及其再生现象,达到对束晕-混沌的有效控制,而且将真空相移的取值范围从90°拓宽到161°。     

强流加速器中束晕—混沌的小波函数控制研究

研究了用小波函数构造非线性反馈控制器进行控制强离子加速器中的束晕-混沌的方法。数值模拟结果表明,这种由特殊函数构造的控制器具有很好的控制束晕-混能力,只要调节知当的控制参数就能够对4种初始分布不同的离子束进行较理相的控制。研究结果可望为强离子加速器中束晕-混沌控制的实现提供有效参考。     

强流离子直线加速器中球形混沌与束晕的形成

强流离子直线加速器因其可作为次临界装置的驱动器，近来在放射性洁净核能系统等方面的应用中出现了一些新的动向，引起人们极大的关注，同时。这些新的应用对加速器低束损也提出了苛刻的要求，使得对粒子损失的主要来源之定的束晕问题的研究成为当前加速器物理研究中的热点，本文采用束核－试验粒子模型，通过在哈密顿动力学系统中同时求解ＫＶ包络方程和Ｈｉｌｌ方程，单向自洽地研究了空间电荷控制的束流的传输问题，借助Ｐｏｉｎ     

束晕-混沌的复杂性、控制方法及应用

 粒子加速器中束流传输系统是由许多电磁聚焦单元为节点组成的复杂网络,强流粒子束在其束流传输网络系统中产生特有的束晕-混沌现象,是一种奇特的复杂性问题,是一个令人关注的、极其重要的课题。本文概述混沌王国里这个特殊的束晕-混沌的复杂性、物理机理、控制方法和实际应用。     

强流加速器束晕控制中填充因子对束粒子密度的影响

运用PIC多粒子模拟程序，采用延迟反馈控制法，研究了离子束在运行过程中粒子分布情况．通过分析比较，得到了对束晕进行有效控制后的粒子分布规律，为强流加速器的应用提供了有用的参考．     

均匀聚焦磁场中束晕-混沌的sinc函数控制

基于束晕-混沌的非线性控制策略,研究了均匀聚焦磁场通道中束晕-混沌的sinc函数控制方法,并给出了具体的实施方案.采用庞加莱截面技术对束核包络振荡及其单粒子运动轨迹进行了数值模拟.结果表明,运用此种方法可以有效地消除束晕及再生现象,达到对束晕-混沌的有效控制.     

控制束晕——混沌的延迟反馈法

模拟研究表明，运用延迟反馈法，利用混沌系统自身的信息可实现束晕－混沌的有效控制，该控制律为线性，控制方法简单易行，反馈量小，控制效果显著，可为束晕－混沌控制的工程实现提供有价值的参考。     

几种典型控制器实现束晕控制所需时间的研究

采用小波函数控制器、延迟反馈控制器、自适应控制器及对数函数控制器对初始分布为K-V分布的离子束进行束晕-混沌控制.发现强流离子束实现束晕-混沌控制所需要的时间与控制器的选择明显有关,自适应控制器和延迟反馈控制器实现控制较快,小波函数控制器和对数函数控制器实现控制较慢.因此,在可以选择的条件下,人们在应用时应尽量选择合适的控制器.     

基于RBF神经网络模型的单力臂机器人控制

针对单力臂机械手的控制,提出了一种基于RBF神经网络模型的控制方法;RBF神经网络即径向基函数,它本身是具有单隐层的三层前馈网络,从输入空间到输出空间的映射呈现非线性,但是从隐含层空间到输出空间的映射却呈现线性,又由于RBF网络它采用高斯基函数作为作用函数,它的输出与部分调参数有关,在输入空间的有限范围内不为零,是一种...     

基于自构建RBF神经网络的内模控制

针对复杂的非线性被控过程,本文提出一种基于自构建RBF神经网络的内模控制方法。该方法中,神经网络的自构建学习算法包括结构学习和参数学习。结构学习采用最近邻聚类法使网络能够自适应地在线增加和删减神经元以达到理想的网络结构。神经网络的参数学习采用梯度下降法。将该神经网络用于内模控制,使得辨识被控远程内部模型和控制器模型的神经网络的神经元个数可以根据激励强度动态改变,进而改善了控制系统的动态性能和鲁棒性。仿真结果表明了所提方法的有效性。     

基于RBF神经网络逆系统的注射速度控制

为了实现注射速度的精确控制,针对其非线性时变的动态特性,提出了基于神经网络逆系统的控制方法.采用M.Rafizadeh模型描述注射速度系统特性,通过求解该系统的相对阶证明了系统的可逆性.由于注射速度系统逆模型的解析形式难以获得,因此构造了基于RBF神经网络的注射速度逆系统,并将该系统与常规PID控制相结合,对注射速度实现复合控制,解决了基于RBF神经网络逆系统的开环控制效果不理想的问题.仿真实验表明,该控制系统具有良好的跟踪性能及抗干扰性能.     

基于模糊RBF神经元网络的冷连轧板形板厚多变量控制

针对板带材轧制是一个复杂的非线性过程,板形控制(AFC)和板厚控制(AGC)又是相互耦合的一个综合系统等特点,提出了一种基于模糊RBF神经元网络的冷连轧板形板厚多变量综合控制系统.仿真结果证明了此AFC-AGC控制系统具有良好的自适应跟随和抗扰性能,其控制效果优于传统的解耦PID控制.     

基于改进的RBF神经网络的配电网故障诊断模型

结合梯度下降算法和进化算法对RBF神经网络进行改进,建立了基于改进的RBF神经网络的配电网故障诊断模型.配电网故障诊断实例表明,基于改进的RBF神经网络的配网故障诊断模型具有较高的诊断精度.     

基于菌群RBF神经网络的股票价格预测

利用菌群算法提出了一种新的菌群RBF神经网络算法,并将其应用到股票价格预测,同时在预测中引入了技术指标模型。仿真试验表明,相比于传统的RBF神经网络算法,菌群RBF神经网络算法可以得到更好的训练效率和预测结果。     

基于RBF神经网络的热轧碳钢变形抗力预测

以凸轮式高速形变试验机得到的实验数据为基础,利用Matlab人工神经网络工具箱,建立了碳钢的变形抗力与其化学成分、变形温度、变形程度及变形速度对应关系的RBF神经网络预测模型.通过对函数newrb()中宽度系数的调整,确定了最佳的网络结构形式,提高了模型的预测精度以及网络的泛化能力.结果表明,与传统的BP网络模型相比较,RBF网络模型具有更高的精度和较强的泛化能力.     

磁控开关型故障限流器RBF神经网络自适应偏置电流控制

基于新型磁控开关型故障限流器偏置电流控制系统复杂的非线性时变特性,提出一种基于径向基函数神经网络的限流器偏置电流自适应控制系统,采用2个RBF神经网络来分别构成自适应控制网络和辨识网络,实现了偏置电流的实时控制.试验证明,利用该偏置电流控制系统,限流器的响应速度和限流效果可以得到保证.     

基于RBF神经网络的语音情感识别

介绍了径向基函数神经网络的原理、训练算法,并建立了RBF神经网络的语音情感识别的模型。在实验中比较了BP神经网络与RBF神经网络分别用于语音情感识别识别率,RBF神经网络的平均识别率高于BP神经网络3%。结果表明,基于RBF神经网络的语音情感识别方法的有效性。