基于多个并行CMAC神经网络的强化学习方法

为解决标准Q学习算法收敛速度慢的问题,提出一种基于多个并行小脑模型(Cerebellar Model Articulation Controller:CMAC)神经网络的强化学习方法。该方法通过对输入状态变量进行分割,在不改变状态分辨率的前提下,降低每个状态变量的量化级数,有效减少CMAC的存储空间,将之与Q学习方法相结合,其输出用于逼近状态变量的Q值,从而提高了Q学习方法的学习速度和控制精度,并实现了连续状态的泛化。将该方法用于直线倒立摆的平衡控制中,仿真结果表明了其正确性和有效性。     

结构振动系统建模与控制的仿真研究

根据建筑结构的机械运动学原理,建立了其带有参数摄动的状态空间模型.在此基础上,给出了基于极点配置的鲁棒主动控制算法,它不仅可以满足结构控制系统的动态性能,而且对系统参数摄动具有较强的鲁棒性.在ElCentro地震波作用下,采用该控制方法对一个单自由度建筑结构进行仿真研究,证明了这种控制方法的有效性和较强的对参数摄动鲁棒性.     

高校精品课程建设的探索与实践

精品课程重在建设.在深刻理解精品课程内涵特征的基础上,合理建立课程体系结构,确立课程的教育教学理念,并针对精品课程建设的各个环节进行探索与实践.还就精品课程建设中存在的问题提出建议.     

城市污水处理过程出水氨氮优化控制

为了改善城市污水处理过程出水氨氮的处理效果,提出一种城市污水处理过程出水氨氮优化控制方法.首先,基于机理特性分析影响出水氨氮浓度的性能指标,建立一种基于自适应核函数的性能指标与控制变量的关联模型,并通过粒子群优化算法获取控制变量溶解氧浓度的优化设定值;其次,设计自适应模糊神经网络控制器,完成溶解氧浓度优化设定值的跟踪控制;最后,将出水氨氮优化控制方法应用于基准仿真平台BSM1.实验结果表明,该优化控制方法不仅提高了出水氨氮的去除效果,而且有效降低了能耗.