单相LCL型并网逆变器新型递归神经网络控制

以单相LCL型并网逆变器为研究对象,针对传统比例识分(PI)矢量控制方法存在解耦不准确,且参数固定难以在时变的、非线性的系统参数变化下保证控制性能最优的不足,提出了一种递归神经网络(RNN)控制方法。该控制方法无需对系统解耦,而是基于完整的系统方程,使用单个神经网络控制器取代2个电流回路PI控制器。RNN控制采取了一种改进的列文伯格-马夸尔特(LM)训练算法,该算法相较于传统LM算法,减小了存储和运算难度,提高了训练效率和收敛速度。结果表明：该控制策略下逆变器并网电流总谐波畸变率(THD)由3.5%下降至2.6%,逆变器具有更高质量的稳态输出电流和更快速的动态响应性能,验证了RNN控制策略的可行性。     

脉冲噪声滤波的无监督鲁棒递归最小二乘方法

在未知期望信号的条件下,提出一种能够抑制脉冲噪声的鲁棒递归最小二乘自适应滤波方法.与传统最小二乘法的代价函数不同,通过引入饱和非线性约束,降低可能出现的脉冲噪声对滤波器权值更新的影响.此外,提出一种多步预测器来重构滤波器的输入信号,通过比较判断滤波器输入信号可能受到脉冲噪声干扰时,采用预测值来替代原始观测信号.实验结果表明,提出的无监督鲁棒递归最小二乘自适应滤波方法在未受到脉冲噪声干扰时与传统的递归最小二乘法具有相近的收敛性能;在脉冲噪声条件下,传统递归最小二乘法和其他的无监督自适应滤波方法性能都变得很差,但本文提出的方法几乎未受到脉冲噪声的影响.     

基于递归神经网络的伺服系统自适应反步控制

针对伺服系统的系统参数摄动和非线性动态摩擦补偿问题,提出基于递归神经网络(RNN)的自适应反步控制(RNABC)系统设计方法.RNABC系统由反步控制器和鲁棒控制器组成,反步控制器包含RNN不确定观测器,鲁棒控制器则用来消除由于引入不确定观测器而带来的逼近误差.由于自适应反步控制的自适应律源于Lyapunoy函数的,因此系统的稳定性得到了保证.仿真结果表明,对于系统参数摄动和非线性摩擦干扰RNABC能使伺服系统具有很好的跟踪性能.     

基于LTC-RNN模型的中长期电力负荷预测方法

针对中长期电力负荷预测受限于天气、温度、节假日等多重不确定性因素影响而精度不高的难题,本文采用一种基于液体时间常数的递归神经网络,实现了中长期电力负荷的精准预测,为电力系统规划设计奠定较好基础．基于液体时间常数的递归神经网络使用膜积分器改进了神经元的状态方程,并使用半隐式欧拉算法完成对神经元状态迭代更新,解决递归神经网络的自我修正能力弱和易陷入局部最优的问题．本文以天气、温度、节假日等外在影响因素作为网络输入,构建了以递归神经网络为基础架构的中长期电力负荷预测模型,并通过隐藏层的扩展计算获得输入-输出的映射关系,以通过时间的反向传播算法实现对模型的训练,完成对神经网络参数的优化．实验中,以北方某地区的实际电网数据为例,验证该预测方法的准确性与高效性．研究结果发现,基于液体时间常数的递归神经网络对中长期电力负荷的预测准确率可达到95.3%．本模型相较于长短期记忆和连续时间递归神经网络具有更稳定的训练结果与更高的预测准确度．     

MSC中基于SDN的拓扑感知RLNC重传方案

为了将小蜂窝中的网络拓扑信息应用于网络编码重传过程,从而有效减少重传次数、提高系统吞吐量,提出了一种移动小蜂窝(mobile small cell, MSC)中基于软件定义网络(software defined network, SDN)的拓扑感知随机线性网络编码(random linear network coding, RLNC)重传方案(topology-aware RLNC retransmission scheme SDN based in MSC,TRRS)。首先,为了收集网络拓扑信息,设计SDN控制器端口设备映射表;其次,依据拓扑信息选择最佳编码包用于重传;最后,通过TRRS算法将网络拓扑信息嵌入编码重传过程。仿真结果表明,相比于现有的SDN与网络编码相结合的协议,TRRS方案减少了重传次数,增加了网络的弹性和吞吐量。     

基于SDN和NFV融合的网络切片资源分配优化算法

软件定义网络(Software Defined Network,SDN)和网络功能虚拟化(Network Function Virtualization,NFV)已经成为新一代网络体系结构的新范式.SDN和NFV可以有效地提高部署和管理服务功能链(Service Function Chains,SFCs)的灵活性.文中...     

软件定义网络中基于优先级的在线流调度策略

为了保证服务质量(quality of service, QoS),进入网络中的数据流可被赋予不同的优先级。在未来到达流请求信息未到达的情况下,进行在线优先级流调度,以最大化网络吞吐量是一项挑战。基于网络带宽资源、请求流的优先级和带宽需求的约束研究了软件定义网络(software defined networking, SDN)中的在线流请求调度策略。首先,提出了流路由成本和利润的概念,并创新性地设计了一个考虑边际成本的模型来描述链路资源和路由路径的使用成本。然后,将优先级流请求调度问题刻画为混合整数线性规划模型(mixed integer linear programming, MILP),提出在线优先级流调度算法(online priority traffic scheduling algorithm, OPTSA)来求解,最后分析了OPTSA的竞争比。仿真结果显示,与基准算法相比,所提出的算法可以确保网络负载均衡,同时有效提高网络的累积带宽和吞吐量。     

一种基于动态规划的缩写词定义识别方法

生物文献挖掘是数据挖掘中的热点问题,论文针对文献挖掘中的缩写词定义识别问题提出了一种新的基于动态规划的比对算法,弥补了已有算法只能识别缩写词中的所有字符都来自于定义中字符这种形式的不足.实验结果表明,该算法相对于已有的缩写词定义识别算法取得了较好的回收率和准确率.     

函数极限limf x→x0（x）=A的“ε-δ定义”教学探讨

众所周知，极限理论是微积分的基础和工具，掌握好极限概念及其运算是学好微积分的前提，而极限理论的核心就是极限概念的严格定义．     

分形及其对自然景物的模拟

本文基于分形的几何特征,利用递归、迭代的规则,提出分形模拟自然景物的算法,利用openGL实现三维自然景物的可视化.