基于卡尔曼滤波的迟滞神经网络风速序列预测

通过将迟滞特性引入神经元激励函数的方式,构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法,将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上,构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析,并将预测结果利用卡尔曼滤波方法进行融合,从而得到最优预测估计结果.仿真实验结果表明,迟滞神经网络具有更加灵活的网络结构,能够有效改善网络的泛化能力,预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度,降低预测误差.     

一款多功能家电保护器

介绍一款由集成四运放ＧＬ３２４和集成定时器ＮＥ５５５组成的多功能家电保护器。     

视频异常行为识别与分级预警系统

参考格灵深瞳分级评价体系并引入迟滞比较器相关思想,结合最近邻与SVM双层分类器学习,建立了针对目标入侵、目标高速运动、目标遗留物与人群聚集逃离、人群打架斗殴、人群骚乱六种常见目标异常行为的自动分类与分级预警系统。1提出并实现了一套较完备的异常行为分级预警系统;2在行为分析之前以人群密度与能量为特征引入最近邻分类器实现个体行为与群体行为的预分类;3通过引入迟滞比较器实现高速运动行为的稳定预警;且该方法具有一定普及意义。分别在标准库和自行拍摄的视频上进行实验验证。实验证明,该系统能够稳定实现对上述六种普遍异常行为的分类分级预警,实现了群体分析与个体分析、检测与识别、分类与预警的一体化。     

循环蠕变加载下疲劳裂纹扩展速率的探讨

根据循环蠕变加载下应力-应变迟滞徊线的周期性,提出了在一个循环周期内以应变能密度为损伤参量,并把材料的机械疲劳损伤和蠕变损伤统一处理的方法,以解决这两种损伤之间的交互作用问题;指出了在循环蠕变的加速现象中包含了这两种损伤之间的交互作用的效果;借助于等效杨氏模量概念,对静蠕变公式进行修正后用于循环蠕变的应变计算,进而对能量密度进行计算。然后参照单轴疲劳的研究过程,导出了循环蠕变加载下基于能量密度的疲劳裂纹扩展速率公式。     

Preisach迟滞模型分类排序法的神经网络实现

针对非线性系统的迟滞特性开展建模研究,提出了一种Preisach模型分类排序法的神经网络实现方法,据此对压电陶瓷执行器纳米定位系统的迟滞非线性进行建模. 兼顾到迟滞的擦除特性和建模的精确度,建立BP神经网络求取收缩函数,避免了插值法求收缩函数值带来的插值误差. 实验结果表明,神经网络分类排序实现方法有效提高了Preisach模型的精度,减小了模型的误差.     

电源的截止型过流保护电路设计

提出了利用晶闸管和电压比较器来设计截止型过流保护电路,分析了截止型过流保护电路的工作原理。实验测试表明,该保护电路具有保护灵敏度高、响应速度快、可靠性强的特点。     

基于数字化滞环电流跟踪比较控制的并联有源滤波器研究

针对目前电力系统谐波检测中电流跟踪控制的缺点与不足,采用了预测跟踪电流控制方法,该方法将传统滞环跟踪比较器数字化,并加以改进成为定频数字化滞环电流跟踪比较器,从而克服了传统滞环控制因环宽固定而使受控开关器件的开关频率不固定,导致逆变器开关动作随机性过大,不利于逆变器保护的缺点。     

迟滞非线性系统自适应鲁棒控制

介绍用超磁致伸缩材料与压曲放大机构组合设计的微位移驱动器,并设计了控制系统.建立了超磁致伸缩执行器基于输入电压-输出位移的机电系统传递函数模型.对微位移驱动器的迟滞特性用微分方程建立了模型.在此基础上构造迟滞模型与传递函数相结合的系统模型.由滑模控制理论,对所建模型提出了可以调节信号跟踪精度的自适应鲁棒控制方法,用Lyapunov稳定性理论进行了系统稳定性证明.通过系统模型仿真与simulink中的半实物仿真实现了该控制率,并验证了模型的准确性和补偿控制的有效性.     

含有铁磁迟滞非线性系统的反步控制及仿真

铁磁迟滞特性反映的是磁性材料中的迟滞作用.研究一类含有铁磁迟滞特性的不确定非线性系统的跟踪控制问题.将铁磁迟滞模型近似处理成线性输入项和有界的非线性扰动项,使得控制器设计易于实现.将迟滞模型融入控制器的设计过程中有效地消除了迟滞作用对系统的影响,避免了构造复杂迟滞逆模型需要精确迟滞模型表达式的限制.采用自适应反步控制方法,所设计的控制器使系统的输出快速跟踪上给定信号,跟踪误差在一个很小的范围内波动,保证了闭环系统的全局稳定.仿真研究验证了该设计方法的有效性.     

基于PI和神经网络混合模型的音圈电机迟滞建模

为有效控制具有迟滞特性的音圈电机,首先需对迟滞进行建模。针对结构复杂,不能准确描述动态迟滞特性的PI模型的缺点,提出了基于PI(Prandtl-Ishlinskii)和神经网络混合迟滞模型。该模型分为两部分,第一部分由少量不同阀值的Backlash叠加而成,构成了一般迟滞特性;第二部分为神经网络,用于实现一般迟滞特性到对音圈电机迟滞特性的逼近,并实现对迟滞回环动态特性描述。仿真实验表明,所提出的基于PI和神经网络混合迟滞模型,与PI模型相比较,结构简单,建模精度高。