油田配电网理论线损计算

分析了抽油机的负荷特性,提出一种改进的油田配电网理论线损计算方法。该方法将抽油机的瞬时有功功率近似表示成正弦的形式,分别得出有单台和汇有多台抽油机负荷的导线和变压器的线损电量表达式,推导出考虑负荷波动与不考虑负荷波动时支路的可变损耗电量计算值之间的关系表达式。对某油田一条具有13个负荷的典型配电线路的理论线损电量进行了计算,并分别与常规潮流计算方法和实测结果进行了比较。结果表明,提出的方法可行,并且提高了理论线损的计算精度。     

时滞动态复杂网的反馈控制

介绍了一类时滞动态复杂网的模型,分别采用了标准反馈控制和时滞反馈控制,首先得到系统的误差方程,然后应用线性矩阵不等式(LMI)方法.基于李亚普诺夫稳定性定理,给出了误差方程稳定的充分条件.     

浅谈循环结构的教学

针对程序设计语言中三大基本结构之一的循环结构，从两个方面探讨了循环结构的教学，阐述了如何让学生迅速掌握循环结构内涵的方法，归纳出需要用到循环结构编程的常见问题并给出相应的编程思路．     

自适应小波神经网络在故障诊断中的应用

为提高传统BP神经网络在故障诊断中的效率,提出用小波神经网络加以改进.采用动量法和学习率自适应调整结合的网络训练算法对小波网络的初始参数进行设置,提出自适应小波神经网络的故障诊断方法,详述其诊断原理,并结合实例证实了该方法应用于故障诊断的有效性.     

一种新的加热炉状态识别算法

最小距离法是一种应用非常广泛的状态识别算法,但其在使用过程巾要求待识别样本必须符合类内距离较小、类间距离较大这一前提条件,否则将会造成识别错误.针对最小距离法存在的问题,提出了一种基于人工神经网络的改进最小距离法,并将该方法应用于加热炉工况的状态识别.结果表明,该方法具有识别速度快、识别率高的优点,完全能够满足工业生产过程的需要.     

基于RBF网络的混沌动力系统辨识

提出用RBF神经网络对混沌动力系统进行辨识，设计了一个三层RBF网络结构，仿真实验说明了RBF网络用于学习混沌动力系统时的基本性质。用辨识模型重建吸引子方法定性地评价辨识模型，通过计算辨识模型的Lyapunov指数定量地评价辨识模型的性能，同时推导了RBF网络模型Lyapunov指数的计算公式。仿真结果表明，该辨识模型能很好地逼近原混沌动力系统，准确地体现原混沌系统的动力学特性。     

基于互联网的远程状态监测与故障诊断系统研究

针对传统故障诊断受到地域限制、无法实现多专家协同诊断的问题，把互联网技术应用到设备状态监测和故障诊断领域之中，以便汇聚更多领域专家对故障设备进行会诊，讨论了基于互联网的远程监测与诊断的系统结构模式，分别提出了硬件和软件实现方式。     

基于自组织特征映射网络的综合评价模型

首先根据人脑思维的模糊性特点 ,以模糊集合论为基础 ,构造一种用于指导自组织特征映射网络学习过程的模糊熵准则 ,可以在较大范围内有效地解决自组织特征映射网络 (SOFM )的学习问题 .然后提出一种基于模糊自组织特征映射网络的综合评价模型 .该模型通过确定标准对象 ,数据的标准化处理 ,网络自适应学习和评价结果输出等环节 ,可以有效地解决一类综合评价问题 .最后通过一个实例进一步说明其灵活性与实用性 .参 6 .     

并联管组离散模型分析及其关键系数的确定

流体在并联管组换热器中的流动状况将直接影响到换热器运行的效率和安全性，通过离散模型计算方法可得到流动工质在并联管组内的流动特性，在对离散模型的建立进行详细分析的基础上，采用人工神经网络中的BP算法来确定离散模型中的关键系数，即集箱中的静压变化系数和支管进出口的阻力系数，通过离散模型计算得出的结果与实验数据符合良好，说明与简化的连续模型相比，离散模型是一种更为符合并联管组流动特性的理论模型，同时也表明了用BP算法来确定离散模型关键系数的有效性。     

一类推广的BAM模型的全局渐近稳定性分析

在B KOSKO双向联想记忆模型（BMA模型）上，引入了变时滞，去掉了连接权矩阵对称的要求，利用构造Liaponov泛函，得到了此动力学系统全局渐近稳定的条件，所得结果，在人工神经网络理论和应用研究中具有实际意义。