一种基于粒子群优化算法的神经网络训练方法

介绍了粒子群优化(PSO)算法的原理,研究了将PSO算法应用于神经网络训练的方法,给出了算法软件实现的基本流程,并对Iris分类问题做了仿真实验,通过与BP算法的比较,结果表明基于PSO的神经网络训练算法操作简单,易于实现,而且训练精度较高,有良好的收敛性.     

基于模糊PI控制的超声波换能器谐振频率跟踪系统仿真

对于超声波换能器谐振系统,利用传统谐振频率跟踪方法动态性能不甚理想,故而采用模糊控制与PI控制相结合的模糊PI控制方法.首先对超声波发生器系统进行建模,再由模糊规则表、模糊化、反模糊化以及在线仿真整定,确定PI控制器参数,最后以相位差作为模糊PI控制器的输入量,进而得到新的驱动频率控制量,新的驱动频率信号驱动逆变器得到换能器此时所需要的控制频率,即换能器谐振频率.计算机仿真结果表明,模糊PI控制方法使整个系统具有更好的动态和静态性能,能有效地使换能器工作在谐振频率.     

粒子群优化算法及其在电力系统中的应用

粒子群优化(PSO)算法是一种新兴的基于群体智能的进化算法.介绍了PSO算法的基本原理及各种改进方法,总结了近年来PSO在电力系统中的应用研究成果,主要涉及负荷经济分配、机组组合问题、输电网规划、最优潮流计算、无功优化等领域,指出了PSO算法的广阔应用前景。     

基于PSPICE的电工电子实验教学改革与实践

分析了传统电工电子实验教学模式的局限性，提出了应用计算机仿真技术辅助实验教学的改革措施，并给出了基于PSPICE软件平台的仿真实验示例。实践表明，教学质量明显提高。