一种基于CMAC网络的自学习控制器

通过分析了ＣＭＡＣ神经网络的学习机制和连续搅拌反应釜的结构,提出了一种自动选择学习率的ＣＭＡＣ自学习控制方法。给出了自学习控制器的结构和算法,并以连续搅拌反应釜模型为对象进行了仿真研究,这种网络每次学习少量参数,算法简单,仿真结果表明所提出的控制器优于传统的ＰＩＤ控制器。     

ORGANIZATIONAL LEARNING AND VENDOR SUPPORT QUALITY BY THE USAGE OF APPLICATION SOFTWARE PACKAGES： A STUDY OF ASIAN ENTREPRENEURS

In this paper we study how organizational learning impacts organizational behavior, and howvendor support quality enhances product adoption and usage behavior.These constructs were verifiedusing Application Software Packages(ASP)-a prewritten, precoded, commercially available set ofprograms that eliminates the need for individuals or organizations to write their own softwareprograms for certain functions. The relationship between ASP usage, usage outcomes and useprocesses were also investigated. Two hundred and ninety-five Chinese, Indian, and Malayentrepreneurships were studied. It was found that usage outcome strongly determines usage, while useprocess has only an indirect relationship (via outcome) on usage. The impact of organizational learningand vendor service quality on usage, usage outcome, and use process were robust. Theoretical andpractical implications of the research are discussed.     

基于MATLAB/SIMULINK的双馈调速系统的建模与仿真

传统的无速度传感器双馈调速系统,采用磁链定向,在同步速附近存在较大的工作死区.由此,本文提出了一种无速度传感器采用转子电流定向的方案,从而避免了磁链积分带来的误差,可广泛应用于调速范围不大的风机泵类负载,实现在调速范围的准确定向,并基于MAT LAB/SIMULINK软件包建立了双馈电机调速系统的仿真模型,给出了主要的仿真波形,对该调速方案的合理性及可行性进行了实例论证.     

具有学习效应和非线性安装时间的单机排序问题

讨论了加工工件具有学习效应和安装时间的单机排序问题。文中工件的加工时间不是固定不变的,不仅与工件的加工位置有关,同时还与已加工完成工件的加工时间有关。安装时间分为线性安装时间和非线性安装时间,本文主要讨论的是具有非线性安装时间的情况。工件的安装时间是依赖于已加工完的工件的实际加工时间和工件所排列位置的函数形式。在文中主要证明了极小化最大完工时间,极小化完工时间总和问题是多项式可解的,另外还证明了满足一定条件下的极小化加权完工时间和,极小化最大延误问题是多项式可解的。     

机床横梁重力变位的自演进补偿

为解决大型机床由于重力变位产生几何误差的问题,提出了利用制造信息差和自演进补偿技术改善制造装备精度的途径。得出了大型数控龙门铣床横梁重力变位的自演进补偿方法。在辅助梁上设置3个出力可控的液压千斤顶,利用遗传算法来实现自演进机制。仿真结果显示,龙门铣床横梁变位为-9μm,和大型机床现行工业标准中平面度为45μm相比对,只占20%;转角在±6μrad以内。横梁变形和工业比对说明了这种补偿方法的有效性。     

面向移动学习的学习资源组织关键技术研究

学习资源的逻辑与物理组织是移动环境中决定移动学习应用质量和应用深度的关键问题．在介绍了移动学习及其特点和移动学习资源研究基础上,重点分析了移动学习资源组织关键技术,包括移动学习用户行为感知、移动学习资源语义组织及移动学习资源的存储优化．最后提出了面向移动学习的学习资源组织技术问题,并对未来研究方向和需要重点解决的关键技术进行展望．     

线性广义系统的D型迭代学习控制

根据误差收敛准则,提出了线性广义系统的迭代学习控制算法,利用矩阵理论及不等式技巧给出了线性定常广义系统在D型学习律作用下的迭代控制收敛性结果,这一结果是全新的,其对时变系统也成立;另外,针对线性定常广义离散时间系统,给出了一种通过最优化目标函数确定控制器参数的设计方法.     

工件加工时间为非线性分段函数的单机排序问题

讨论工件加工时间是开工时间非线性分段函数的单机排序问题，目标函数为极小化最大完工时间，总完工时间和加权总完工时间．对于目标函数为极小化最大完工时间和总完工时间的问题，给出了求解最优排序的多项式算法，对于目标函数为加权总完工时间的问题，给出了工件间的一致关系。     

基于集成学习的P2P流量识别模型

将DTNB、OneR和BP神经网络算法集成用于P2P流量识别,构建了基于该集成学习算法的P2P流量识别模型。利用网络流量特征和机器学习中生成规则的集成分类算法将网络流量分为P2P流量和非P2P流量。所建立的P2P流量识别模型分为网络流量特征的获取、P2P流量特征选取以及建立流量分类模型三个步骤。采用十折交叉验证与测试集相结合的方法CTFCVWTS(combining T-fold cross validation with testing set)评估模型的合理性和提出方法的有效性。实验得出流量分类准确率平均为97.27%。结果表明,该模型具有较高的P2P流量识别准确率。     

基于概率神经网络的地铁车站易损性分析

基于深度学习方法提出了一种地震响应概率模型,并基于此模型推导了地铁车站结构极限状态超越概率的计算公式,以评价结构的地震易损性.首先采用主成分分析对地震强度指标进行正交化和降维;为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性,基于BP神经网络建立趋势模型以预测结构的地震响应...