基于扩展滑模扰动观测器的高速列车分布式速度协同滑模控制

针对高速列车运行中因受外界未知扰动而导致的各车厢速度不同步问题,提出一种基于扩展滑模扰动观测器的高速列车分布式滑模控制算法。首先,考虑高速列车运行的受力情况,建立高速列车多质点模型;其次,设计领航者车厢滑模控制器和跟随者车厢分布式滑模控制器,构建扩展滑模扰动观测器估计外界未知干扰,并反馈给分布式滑模控制器,以消除外界未知干扰对高速列车各车厢速度同步造成的影响,同时利用Lyapunov理论证明了算法的稳定性。最后,通过Matlab仿真验证了该算法能实时精确观测外界未知扰动并反馈补偿,跟随者车厢能快速跟踪领航者车厢的速度,速度跟踪精确度高达99.9%。

基于间断时间序列分析的医院DRG付费改革成效评价研究

目的:分析DRG付费改革对天津市某三级医疗机构运行的影响。方法:收集2020年1月~2022年12月改革试点医疗机构医疗服务能力、医疗服务效率、医疗服务质量3个维度的月度数据,采用间断时间序列数据模型分析改革前后各类指标趋势的变化。结果:试点医院医疗服务能力提升效果显著,医疗服务效率存在较大提升空间,改革对于医疗服务质量影响甚微。结论:在当前诊疗能力稳步提升的情况下、医保支付改革所倡导的降本增效要求下以及“以治疗为中心”转向“以健康为中心”的医疗服务发展模式下,应完善DRG付费改革促进医疗服务能力、医疗服务效率和医疗服务质量提升的关键机制,多措并举实现公立医院高质量发展。

一种永磁同步电机模型失配容错控制算法

针对高精度永磁同步电机驱动系统因转动惯量、摩擦系数与磁链参数失配造成其控制精度和稳定性降低的问题,提出了一种基于有限时间收敛扩张状态观测器的无模型滑模容错控制方法。首先,建立了考虑内外不确定性的永磁同步电机转速环超局部模型,并设计了无模型全局积分终端滑模控制器;其次,设计了有限时间收敛扩张状态观测器来降低模型失配带来的影响;最后,通过与其他方法的仿真和实验对比,验证了所提方法能够在不获取精确模型的情况下实现了对多种模型失配与外部扰动工况的容错控制,并提高了电机的控制精度。

永磁同步电机柔性负载谐振抑制滑模控制

针对永磁同步电机驱动柔性负载造成的机械谐振情况,通过负载转速反馈提出了一种复合滑模控制谐振抑制策略。首先,建立柔性负载系统的双惯量数学模型;其次,根据负载侧速度反馈,结合新型滑模趋近律,设计了一种滑模控制器来抑制谐振;同时,设计滑模扰动观测器观测转速误差和系统的负载扰动,并将估计值反馈至滑模控制器进行补偿,提高速度的控制精度,减少了负载扰动对系统抖振的影响。研究结果表明,与PI控制、传统滑模控制对比,通过仿真和半实物实验验证所提出的滑模控制策略具有较强的谐振抑制效果。

前馈神经网络的混沌BP混合学习算法

简要分析由Logistic映射产生的混沌数以及不同混沌序列之间的概率统计特性,为混沌全局性搜索提供了依据.将一种快速BP算法与混沌优化相结合,提出了混沌BP混合算法.由于混沌Logistic映射的遍历性、随机性,使得混合算法收敛速度快,且具有全局性.采用混合算法对XOR问题和非线性函数进行仿真,结果表明该算法明显优于标准BP算法和快速BP算法.

一种模糊神经网络控制器参数的混沌优化设计

通过模糊控制与神经网络相串联的方式构成模糊神经网络系统 ,然后提出一种基于模拟退火策略的混沌优化算法 ,将该算法引入模糊神经网络参数域中进行优化 ,实现混沌粗搜索与细搜索相结合优化目的 ,体现出具有更强的模糊神经网络参数全局最优解的搜索能力。采用该控制器对一个非线性对象进行控制。仿真实验表明 ,该方法能有效地实现模糊神经网络控制器参数优化 ,控制具有无振荡、超调小、调节时间短等优点 ,算法结构简单 。

面向伺服动态特性匹配的轮廓误差补偿控制研究

在多轴数控加工中,轮廓误差直接决定零件最终加工精度。交差耦合控制和任务坐标系法通过估计轮廓误差,并设计轮廓跟踪控制器来提高轮廓精度。这两种方法存在大曲率位置轮廓误差估计精度差,轮廓控制增益整定依赖于工程经验等问题。为此,从伺服轴动态特性匹配出发,提出了一种基于轮廓误差精确计算的轮廓误差补偿控制方法。根据足点定义,采用解析方法快速准确计算轮廓误差。将轮廓误差分量分别补偿到各伺服轴的速度环和转矩环,提高各伺服轴动态特性的匹配程度。采用两维和三维NURBS曲线开展轮廓跟踪试验。试验结果表明:所提出的轮廓误差计算方法可以精确求解轮廓误差;所提出的轮廓误差补偿控制方法不需要建立轮廓误差与伺服跟踪误差间的映射关系,且可通过调整控制器增益定量显著减小轮廓误差。

基于混沌变量的前向神经网络结构优化设计

提出一种关于多层前向神经网络结构的混沌优化设计方法。将混沌变量引入神经网络结构的优化搜索中,使得神经网络的隐层节点数以及所有权参数都处于混沌状态中,整个网络结构呈现为动态变化。从动态的神经网络结构中,根据性能指标来寻找一个全局最优或近似于全局最优的网络结构。仿真实验表明,采用该方案得到的神经网络结构模型对异或问题、非线性函数具有较高的逼近精度和较好的泛化能力。

基于混沌优化的规范化PID控制器及其应用

为了解决PID参数整定繁琐、难以达到最优状态、控制结果出现较强的振荡和大超调等问题 ,作者提出一种规范化PID控制器参数混沌优化方案 .由于混沌运动具有遍历性、随机性等特点 ,它能在一定的范围内按其自身规律不重复地遍历所有状态 ,把混沌动力学特性与退火策略结合起来在规范化PID参数域中实现混沌优化搜索 ,具有更强的搜索PID参数全局最优值的能力 .对水轮机调速系统进行控制仿真 ,结果表明 :该算法能有效地实现PID参数最优整定 ;控制结果具有稳定、超调小、响应快、调节时间短、结构简单、容易实现的优点 。

前馈神经网络的混沌学习方法研究

采用混沌优化策略 ,提出一种前馈神经网络权参数的最优学习方案 .由于 BP算法优化神经网络权参数时存在收敛速度慢、自身参数选取困难、易陷入局部极小等缺陷 .采用混沌变量优化神经网络权参数 ,具有全局性、快速性、并行性的特点 .仿真实验表明采用该方案对强非线性问题的逼近具有精度较高、学习较快的优点 .

一类模糊神经网络结构的混沌优化设计

基于混沌变量,提出一种关于模糊神经网络结构的优化设计方法。将混沌变量引入模糊神经网络结构和参数的优化搜索中,使得模糊神经网络的规则数以及所有参数都处于混沌状态中,根据性能指标来寻找一个较优的网络。在线优化采用最小二乘法对去模糊化部分的权参数进行实时修正。仿真实验表明,基于混沌优化的模糊神经网络结构精简,控制精度高。

基于误差同步预测的SVM金融时间序列预测方法

在现有支持向量机(SVM)方法的基础上提出对预测误差进行同步预测的双重预测方法,利用预测到的误差对初步预测值进行校正以提高预测精度.针对误差序列非线性、非平稳以及系统动力信息不足的特点,将经验模态分解(EMD)和支持向量机(SVM)方法结合引入误差序列的预测中.对误差序列的预测分别运用初步训练误差和测试误差对预测集合的误差进行预测,将所得到的误差序列分解为若干固有模态分量(IMF),根据各个IMF不同尺度的特点,选择不同的参数对其进行预测,最终合成原始序列的误差预测值,将所预测到的误差与初步原始序列预测值结合,得到最终的预测值.仿真结果表明该方法能够很好地解决预测滞后性和拐点误差大的缺点,相对于普通的SVM预测方法具有更好的预测精度.

基于混沌优化的PID控制器在不稳定系统中的设计

提出了一种规范化PID控制器参数混沌优化方案,并且利用增广Hermite-Biehler定理,讨论了不稳定被控对象闭环稳定的规范化PID控制器参数取值范围,在这取值范围内将混沌变量引入规范化PID参数的优化搜索,具有更强的搜索PID参数近似全局最优值的能力。仿真结果表明,该算法能有效地实现PID参数最优整定,为解决PID控制器参数近似全局最优设计提供了一种有效的方法。

基于连续小波变换的电力变压器局放信号检测

本文采用了不同小波函数及不同尺度参数对含强载波干扰的局部放电信号进行连续小波变换 ,并对小波变换结果进行了定量对比分析。仿真结果表明 ,在采样频率一定的情况下 ,不同的小波函数只有在各自的最佳尺度参数下对干扰的抑制能力才是最强的 ,因此 ,只有选取合适的小波函数及其最佳尺度参数才能更加有效地抑制周期载波干扰。

十八边形磁链直接转矩控制系统的设计

为解决六边形磁链直接转矩控制定子电流谐波大的缺陷,采用了十八边形磁链轨迹的直接转矩控制方法。该方法不但保持了原有结构简单的特点,而且能有效削弱定子电流中的高次谐波分量,减少对电网的谐波污染,实现了交流异步电机的调速控制。实验结果证明了该方式的合理性和有效性。

全速域异步电动机的改进型直接转矩控制

为了克服直接转矩控制在低速区的种种不足,改进型直接转矩控制被应用到大功率牵引传动系统的低速区。本文介绍了改进型直接转矩控制的基本原理,加入弱磁控制算法,同时采用一种适合工程应用的空间电压矢量PWM(SVPWM)过调制算法,将改进型直接转矩控制扩展到全速度范围。通过对此方案的实验验证,表明全速度范围异步电机转矩控制方案是可行的,系统具有良好的动静态性能,在具有较高开关频率的中小功率应用场合有着非常好的应用前景。

高校毕业生职业期望的满足对离职倾向的影响作用研究

将职业期望划分为保健型和激励型两类,在此基础上构建了职业期望满足对离职倾向的关系模型,引入了职业生涯教育和离职频率作为调节变量,实证分析了职业期望的满足对离职倾向的作用机制。研究结论是:职业生涯教育程度的提高会显著降低工作舒适与否对离职倾向的影响,同时职业生涯教育程度的提高会显著提高职业发展满足和名誉声望满足对离职倾向的影响;高离职频率情况下会显著增加职业发展满足对离职倾向的影响。

改进布谷鸟搜索SVM在财务风险评估中的应用

针对一种新型智能进化算法——布谷鸟搜索算法提出了基于多群体并行搜索和自适应步长的改进方法。将改进后的方法引入支持向量机参数优化中,提出了基于改进后布谷鸟搜索算法优化支持向量机模型参数的方法并将其应用于上市公司财务风险评估中,有效提高了财务风险模型的分类性能。仿真结果发现:改进的布谷鸟搜索算法用于优化支持向量机参数不仅有效提高了上市公司季度财务数据分类预测精度,而且相较改进之前的布谷鸟搜索算法、遗传算法和粒子群算法具有更快的收敛速度和稳定性。

一种新型的混沌BP混合学习算法

将一种新的快速BP(FBP)算法和混沌优化相结合,提出了混沌BP算法(CBP算法).FBP算法吸收了误差函数的非线性信息,大大加快了BP算法的收敛速度,但它仍然采用梯度下降法,不可避免地存在局部极小的缺陷.混沌动力学具有遍历性、随机性的特点.能在一定范围内按其自身规律不重复地遍历所有状态,将混沌优化搜索引入FBP算法中,形成一种新型的混沌BP算法.它既能较快地局部收敛,又能全局收敛,避免了陷入局部极小的可能性.CBP算法为多层前馈网络的全局性收敛学习提供了一种有效的方法.

考虑执行成本的最优碳税实施策略研究

采用管制最优规划模型,同时考虑减排成本、监督成本和惩罚成本,以市场激励型的碳税政策为研究对象,对最优成本效率的碳税定价策略进行了分析.研究表明:在监管者对企业减排行为具有不确定信息的条件下,企业保证完全遵守的条件是税率水平不高于边际惩罚函数;当惩罚函数为非恒定形式时,企业完全遵守条件下税率水平应不低于边际惩罚成本与边际监督成本之商,企业不完全遵守条件下的最优策略是监管者变动排放标准的边际成本等于变动监督概率边际成本;当惩罚函数为恒定时仅当检测概率对于公司实际排放量是严格单增函数时可以实现税收政策的最优.