面向对象的舰用热力系统模块化仿真研究

提出了舰用热力系统的一种面向对象的模块化建模方法,阐述了其基本思想和模块构成原理。用这种方法组成的仿真模块具有很强的重用性,能较大程度地减轻编程的难度和工作量。由于采用了面向对象的可视化仿真方法,因而人机界面非常友好。示例表明,本方法能够有效地模拟舰用热力系统的静态及动态特性。     

面向对象的舰用热力系统模块化仿真研究

提出了舰用热力系统的一种面向对象的模块化建模方法,阐述了其基本思想和模型构成原理．用这种方法组成的仿真模型具有很强的重用性,能较大程度地减轻编程的难度和工作量．由于采用了面向对象的可视化仿真方法,因而人机界面非常友好．示例表明,本方法能够有效地模拟舰用热力系统的静态及动态特性．     

基于BP神经网络对时滞系统的模型参数辨识仿真

主要研究了基于BP神经网络对时滞系统的参数辨识,分析了两种辨识结构和两种建模方法,对系统被控对象的建模采用了神经网络正模型,辨识结构为串-并联型.考虑加强BP网络的泛化能力,用随机数据去训练网络,然后得到训练后的权值,给一个阶跃信号,利用交叉两点法,从而得到时滞系统的特征参数.通过仿真,基于BP网络对时滞系统的参数辨识是有效的.     

基于热力参数的燃气轮机智能故障诊断

提出了故障与征兆间定量映射关系的求取方法，在此基础上研究了模糊逻辑和神经网络的故障诊断方法，并结合MS6001燃气轮机机组介绍了具体实现的过程，理论和实际考核表明，本方法可为建立智能化的燃气轮机状态监控和故障诊断提供强有力的手段，具有广泛的实用价值。     

热力站热交换器仿真与控制

热力站是供热系统中起调节、控制的核心部分，为了实现按需供热、均匀供热以及经济供热必须深入研究热力站的工作机理，即对其关键部件－热交换器的建模与仿真，进而设计性能良好的控制器。阐述了热交换器的建模、控制器的设计以及系统的仿真过程，该仿真系统的建立为热力站更好地控制打下了良好的基础。     

用于热力系统建模的基于粗糙集的模糊神经网络

模糊神经网络应用于热力系统建模,虽能取得较好的效果,但当模糊规则较多时,网络学习速度较慢。针对这个问题,对传统的模糊神经网络进行了改进。利用Kohonen自组织网络对数据信息进行聚类。然后利用粗糙集规则约减的方法,获取模糊神经网络最小规则,以提高模糊神经网络的学习速度。经过锅炉汽压回路模型的仿真实验结果表明:粗糙模糊神经网络学习速度较传统模糊神经网络有较大提高,同时网络误差有所降低。     

热力站自控系统被控参数的选择

在集中供热的自动控制系统中，被控参数选取供田水平均温度最为合理。因为，当热负荷随室外温度变化时，只有调节热网的供回水平均温度，才能保证系统的供热量，保证用户的室内温度，达到供热系统可靠运行、充分节能的目的。     

热力涡轮机械的数字仿真

本文发展了一种积木式的动态仿真程序，它可以仿真由典型设备作任意组合的热力涡轮机械系统。每一个典型设备是一个易于和其它设备相联结的子系统，有一套节省机时的联结方法。本文中所介绍的程序可用于计算非线性系统的大扰动下的过渡过程。文中把催化裂化装置中的能量回收系统作为上述方法的应用实例。     

基于BP神经网络的压铸浇注工艺参数设计

根据ＢＰ神经网络预测了压铸压力状况,由此进行了浇注工艺参数的整体性设计。     

随动系统计算机仿真和参数优化

以ＫＳＤ－１型小功率直流随动系统的计算机仿真和系统中调节器参数优化为例，介绍计算机仿真方法及实现参数优化的程序框图。阐明不同动态目标函数时系统参数优化值不同，从而使系统具有不同的跟随性和抗扰性。分析了松弛法和单纯形法寻优的结果。     

基于BP神经网络的MOCVD温度控制系统参数优化

为解决MOCVD设备温度控制的非线性、时变性以及大时滞等问题,提出改进的基于误差反向传播算法（BP）的神经网络控制方法．在传统BP算法基础上附加一个使搜索快速收敛全局极小的惯性项,在微调权值修正量的同时也使学习避免陷入局部最小．该方法不仅具有自学习自适应能力,而且具有自调整比例因子功能．仿真和试验表明,神经网络控制器具有很强的鲁棒性、自学习功能和自适应解耦．在整个温度控制范围基本误差可达到l℃％。,有效的改善MOCVD系统温度的控制性能,对实际温度控制具有较好的指导意义．     

一种改进的BP网络图象压缩方法

本文提出了一种改进的ＢＰ网络图象压缩方法．该方法对输入图象矢量进行分类，不同类别的图象矢量分别由不同的ＢＰ网络来实现压缩和恢复．因为同一类别图象矢量间离散度较小，所以可降低ＢＰ网络的映射复杂度，从而达到改善图象质量的目的．实验结果表明，这种改进能有效提高恢复图象的信噪比和视觉质量，对数据压缩比影响很小．     

基于改进的BP神经网络算法的控制系统在线辨识方法

 讨论了以计算机虚拟仪器为核心器件,搭建了动态测试与系统辨识硬件平台,使用Delphi语言编写辨识模块,实现对控制系统的在线辨识。在非线性系统辨识方面,针对BP神经网络算法中存在的收敛速度比较慢和辨识精度不高的问题,提出一种基于降低网络灵敏度的MBP神经网络辨识算法和一种基于小波分析的神经网络辨识算法,实现了对控制系统的状态进行预测估计。并以“防空武器半实物仿真系统”中的三轴稳定平台为对象,试验验证了算法的正确性。     

基于神经网络的专家系统

人工神经网络与专家系统，作为人工智能应用的两大分支，在实际应用中都有许多成功的范例，但作为单个系统来讲，二者都存在很大的局限性。主要是专家系统知识获取的“瓶颈问题”和神经网络知识表达的“黑箱结构”。为解决这个问题，本文提出将专家系统与神经网络技术集成，达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决令家系统知识获取的困难，同时用专家系统良好的解释机能来弥补神经网络中知识表达的缺陷。论文提出了基于神经网络专家系统的结构模型，知识表示方式以及推理机制等。     

基于神经网络的专家系统

人工神经网络与专家系统,作为人工智能应用的两大分支,在实际应用中都有许多成功的范例,但作为单个系统来讲,二者都存在很大的局限性。主要是专家系统知识获取的"瓶颈问题"和神经网络知识表达的"黑箱结构"。为解决这个问题,本文提出将专家系统与神经网络技术集成,达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决令家系统知识获取的困难,同时用专家系统良好的解释机能来弥补神经网络中知识表达的缺陷。论文提出了基于神经网络专家系统的结构模型,知识表示方式以及推理机制等。     

改进的粒子群优化算法结合人工神经网络用于有机物毒性的QSAR研究

介绍了粒子群优化算法和Alopex-B算法的基本原理,提出了一种用Alopex-B算法改进的粒子群优化算法,并将其应用于函数优化和有机物毒性的QSAR研究。结果表明:改进型粒子群算法对复杂的测试函数搜索效率明显提高,应用于有机物毒性的QSAR研究能提高计算的精确度,降低预测误差。     

基于BP神经网络的水轮机调速系统故障诊断

调速系统在发电机及电力系统中有着举足轻重的地位,能迅速地找出调速系统故障并及时地排除故障,对电力系统的安全运行具有重大意义。文中通过对葛洲坝水力发电厂二江电厂调速系统大量故障现象、故障原因、故障样本的收集、分析和整理,利用BP神经网络建立了水轮发电机调速系统智能诊断模型。该网络采用了三层结构、17个输入量、13个输出量的故障诊断系统,较完善地反映了调速系统的故障类型.累故障诊断实例检验,该系统诊断结果正确,有良好的实用价值。     

一种改进的递归神经网络及其仿真研究

针对BP神经网络在学习速度方面的不足,在Jordan和Elman网络结构的基础上,提出了一种带偏差单元的IRN(internally recurrent network)网络模型,根据BP算法推导出了该网络模型的权系数调整规则,并应用该网络模型进行了故障诊断方面的仿真分析.试验结果表明,该网络模型的收敛速度比一般BP网络有了很大提高,具有很好的实用性.     

基于人工神经网络的非线性系统辨识

人工神经网络是-个非线性动力学系统,具有自适应、自组织、自学习等功能。本文利用人工神经网络具有表达任意非线性映射的能力,对非线性系统进行系统辨识。仿真结果表明,该方法是可行的,计算精度高。     

基于人工免疫算法的神经网络电力系统短期负荷预测

在BP神经网络（Baek-propagatlon neural network, BPNN）模型中引入人工免疫算法（Artificial Immune Algo-rithm,AIA）,给出了AIA-BPNN模型,基本思想是结合AIA算法的搜索特性和BPNN 模型的优良性能,可以进一步提高学习能力．与实际电力系统结合构造了AJA-BPNN电力系统短期负荷预测模型,通过使用AIA算法,优化BPNN的权值和阈值。使BPNN权值和阈值选择的盲目性得以克服．