一种基于ELMAN神经网络的纸张横幅定量在线解耦方法

针对纸张横幅定量控制所存在的非方、高维强耦合特性,本研究提出了一种基于ELMAN神经网络的多变量解耦策略。具体思路如下:首先引入前置变换因子矩阵对系统进行降维化方,然后针对化方后的系统,将ELMAN神经网络和前馈解耦相结合设计解耦结构,并在此基础上引入参考模型,根据参考模型输出与系统输出之间的差值在线调整网络参数,对系统耦合进行实时补偿以实现系统的在线解耦。通过上述工作将非方高维控制问题转化为单回路群控制问题,大大降低了多输入多输出高维系统控制难度。仿真实验及现场实际应用证明了本研究所提方案的可行性和有效性,定量控制精度提升了42%,并将横幅定量偏差减小到1.88%。

多维力传感器耦合分析及解耦方法的研究

耦合现象普遍存在于多维力传感器中,多维力传感器输出如不经过解耦,数据直接应用到机器人操作中,会导致机器人的误操作。针对存在的耦合现象,本文首先分析了多维力存在的耦合原因,根据产生原因将耦合分为两种形式:结构耦合和误差耦合,然后提出了一种新的解耦方法-基于线性神经网络解耦方法,与传统解耦方法相比,该方法大大提高了解耦合精度。最后通过实验验证了该方法的有效性和优越性。

雷击浪涌抗扰度试验中的耦合/去耦网络

针对目前电力及电子设备的雷击浪涌抗扰度试验中耦合/去耦网络(CDN)应用的问题,从基本电路出发研究了CDN的电路结构和设计方法。首先根据标准对CDN电源输入端残余浪涌电压的要求,提出了CDN参数的选取原则,然后基于组合波发生器电路和CDN整体结构,利用ATP-EMTP和PSPICE仿真验证了参数选择的合理性,并进一步得出增大去耦电容或去耦电感可显著降低供电电源端残余电压的结论。最后对设计的CDN进行了测试,实测数据验证了仿真结果,满足IEC及相应国家标准规定的电源输入端残余浪涌电压不超过所施加电压15%的要求。

一种基于BP神经网络的解耦控制方法及其在微型燃机控制中应用的研究

分析了带回热器的微型燃机运行时各变量之间的耦合关系,针对微型燃机运行时参数多变、过程复杂的特点,提出了应用解耦控制算法控制燃机运行的思想;把BP神经网络应用在解耦控制中,结合传统的PID控制,提出了一种新的置解耦网络于调节器之前的BP神经网络解耦控制算法.仿真及实验结果表明此种控制算法具有良好的控制效果.

浪涌保护器冲击电流自动测试系统

针对浪涌保护器(SPD)带电试验的冲击电流试验的特点,研制了一种体积小、耐冲击电流能力强的耦合与去耦网络(CDN),它和冲击电流发生器、PLC、可控开关、相位跟踪电路及数字峰值电压表一起组成SPD冲击电流自动测试系统。通过所研制的CDN供电电源,该系统可对SPD进行共模和差模试验,其冲击幅值可高达100kA。

超高压电磁环网的特点与案例分析

针对仍普遍存在的超、特高压电磁环网,结合省级电网的实例总结了电磁环网的不同发展形态和结构,认为电磁环网的主要风险在于潮流转移和控制,并提出了衡量电磁环网强弱和风险的耦合度指标。在网络结构优化和加强方面,认为强耦合的弱电磁环应优先加强上级电网,弱耦合的强电磁环应优先考虑短路控制和简化结构,多级电磁环应尽快解耦等,分析了电磁环网的典型分片方案。鉴于超、特高压电磁环网将长期存在,阐述了电磁环网单一和连锁跳闸后实用化的潮流转移控制方法,特别是针对大功率、强耦合型电磁环网提出了一种严重故障后快速切除联络元件的非常规稳定控制措施,以实现解耦控制、均衡潮流,有效提升过渡期电网的稳定水平和输电能力。在实际电网中的多个应用实例表明其效果良好。

多变量解耦控制方法

介绍了用于多变量解耦控制的自适应解耦控制和模糊解耦控制两种方法;说明了各种解耦控制方法的特点、应用情况及效果;对各种方法解耦程度进行了评价,同时分析了其对系统的影响。并就多变量PlD自适应解耦控制方法进行了仿真,仿真结果表明了该方法的有效性;最后提出通过传统控制方式的重新组态来解决多变量解耦控制的难点的设想。

改进BP算法解耦热网控制器的设计与仿真

针对热网非线性、时变、大滞后特性,结合神经网络和一般广义预测控制算法,通过改进BP神经网络解耦器将来自其它通道的耦合影响视为可测干扰进行补偿,解决供热系统中存在的耦合问题;设计了神经网络解耦控制器来调节一次网的流量分配,进而间接调控二次网各用户的室内温度,提高热网的供热质量,达到稳定和均衡供热.Matlab仿真结果表明,在二次网用户初始温度相差越小的情况下,神经网络算法所需的调节时间越短,达到的控制效果越理想,即使在二次网各用户初始温度相差很大,经过一段较长时间的调节,也能够逐渐实现均匀供热.

不同电压等级部分耦合线路的单回线故障分析

由于建设时间的不同,因此输电系统中会出现不同电压等级部分耦合的输电线路。这种线路故障时,由于存在零序互感,给故障分析带来了难度。针对这一问题,将耦合部分的线路,先分别进行传统的序分量分解,得到完全解耦的正序分量、负序分量和存在耦合的零序分量;然后再借鉴六序分量法的思路,把零序分为同向量和反向量,对零序互感进一步解耦;最后,利用零序电流电压之间的关系,对非耦合部分进行阻抗修正。根据故障时的边界条件,研究了不同电压等级部分耦合线路的序分量特征,给出了发生单回线故障时的复合序网图,解决了不同电压等级部分耦合线路故障计算的复杂问题。PSCAD仿真结果表明,该方法非常适用于不同电压等级部分耦合线路的故障分析,且短路分析计算具有精确性、实用性和有效性。

压力和流量关联的神经网络解耦控制

传统的解耦控制综合方法,对耦合对象的数学模型依赖性较大,因此限制了它在工业领域内的应用。本文以压力-流量串联系统为研究对象,将神经网络用于耦合对象的解耦控制之中,其思路是通过神经网络对系统的I/O数据的学习,不断修正自身的权值,达到解耦控制的目的。实验结果表明,神经网络可以使对象不确定的耦合系统实现解耦控制,效果令人满意。

模糊神经网络在解耦控制中的研究

在工业生产过程中,针对纯迟延、时变、强耦合的多输入多输出现象,提出一种基于模糊神经网络解耦和PID控制相结合,对系统进行解耦控制的方法。这种方法不需要建立多变量对象精确的数学模型,通过对大迟延大惯性强耦合的循环流化床锅炉床温-主汽压力对象进行仿真,其结果表明,解耦控制效果很好,具有良好的静态性、动态性及鲁棒性。

基于Node.js中间层Web开发的研究与实现——以微信图书借阅平台为例

针对Web研发领域一直面临前后端耦合问题,在充分分析传统的互联网前后端Web软件开发的基础上,提出了引入Node.js作为中间层来解除前、后端之间耦合关系的新解决方案。设计了新的架构模式指导Web软件开发,从而达到提高开发效率、提升代码灵活性、明确开发人员工作职责等目的。基于此研究,真实开发了一个基于微信的图书借阅平台,并以此作为可行性检验的依据,该图书借阅平台使用微信作为前端执行环境,提供图书借阅、图书归还、图书入库、图书浏览功能。系统采用B/S架构,Node.js中间层和后端程序在服务器中运行,用户关注微信公众号后,可以通过微信聊天窗口接收服务器端讯息,也可以通过公众号菜单导航到前端界面,完成图书借阅分享操作,交互方式高效简洁。

一种多变量模糊神经网络解耦控制器的设计

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,根据解耦原理和神经网络思想,提出一种两级串联结构的自适应模糊神经网络解耦控制器.前级是基于智能权函数规则的自调整模糊控制器,后级是基于动态耦合特性的自适应神经网络解耦控制器.同时从理论上证明了学习算法的收敛性.仿真实例表明,所提出的解耦控制器具有良好的鲁棒性和自适应解耦能力,是解决多变量、非线性和强耦合问题的一种简便有效的控制算法.

二维直线电机平台的双神经网络前馈解耦控制

针对二维直线电机系统中的直线电机本身存在的非线性以及XY两轴之间互相影响产生的耦合对控制精度的影响,提出了一种基于前馈结构的双神经网络解耦控制方法。根据二维直线电机两轴间的耦合结构和前馈控制结构,对应搭建了双神经网络模型,设计一种双神经网络的解耦控制策略,以消除二维直线电机两轴间的非线性强耦合对系统控制精度的影响。仿真结果表明:提出的双神经网络前馈解耦控制方法的有效性,并在起始阶段的跟踪方面表现出良好的性能。

实现IEC61000-4-4新标准的电快速瞬变脉冲群(EFTB)发生器技术要点分析

本文介绍符合IEC61000-4-4:2004新标准的EFTB(电快速瞬变脉冲群)发生器,并对其区别于IEC61000-4-4:1995标准的技术要点进行分析,最后对试验配置及试验中注意事项作了介绍。

基于神经网络的风力辅助提水系统自适应PID解耦控制

针对风力机和离心水泵的特点,该文设计了一种风力辅助提水机结构及其控制策略。由于该设备需要解决最大可能地利用风能和风力机与柴油机之间的功率平衡问题,因此,该系统是一个时变的2输入2输出耦合系统。根据解耦和神经网络的思想,采用2个回归神经网络(DRNN)在线调整2个PID控制器的参数,一个神经元解耦补偿器完成系统的解耦,实现了不依赖于对象模型的自适应PID解耦控制。计算机仿真结果验证了该控制策略的可行性,为进一步研究奠定了基础。

基于BP神经网络的多变量解耦控制研究

针对多输入、多输出耦合对象,研究基于BP神经网络的解耦控制,提出采用训练好的神经网络解耦器和神经网络调节器结合,对系统进行解耦控制的方法。通过对2输入2输出耦合对象进行计算机仿真结果表明,解耦控制效果很好。

一种风力辅助提水机的智能解耦控制策略研究

针对风能的最大化利用问题以及由风力机驱动的液压马达与柴油机之间的功率平衡问题,设计了一种风力辅助提水机的智能控制系统。该系统是一个时变的2输入2输出耦合系统,采用2个递归神经网络(El-man)在线调整2个PID控制器的参数、1个神经元解耦补偿器完成系统的解耦,实现了不依赖于对象模型的自适应PID解耦控制。仿真结果验证了该控制策略可行性,为进一步研究提供了参考。

基于PID神经元网络的单抽汽轮机解耦分析

汽轮机在工作过程中,机组功率与热网抽汽压力存在着强烈的耦合关系,使得系统控制性能大大降低,一般的控制方法难以得到满意的控制效果.为了解决上述问题.将多变量串级解耦技术应用到控制系统中,提出一种PID神经元网络与串联前馈补偿相结合的双变量解耦控制方案,前馈补偿实现系统动静态解耦,设计PID神经元网络控制器可以使系统很好地适应机组负荷的变化,从而提高系统的控制效果和自适应能力.MATLAB仿真结果表明,该解耦控制方案使负荷之间的扰动大大降级,使得汽轮机控制中的热电耦合问题得到了有效的解决,具有很好地应用前景.

MIMO系统的MPSO-PID型神经网络解耦控制研究

针对多输入多输出系统(MIMO系统)多变量、非线性、强耦合的特点,提出采用改进粒子群优化算法(MPSO)对PID型神经网络的权值进行优化的方法,实现对MIMO系统的解耦控制。其中,与基本PSO算法相比,MPSO算法后期仍能保持种群的多样性和较大的搜索空间;PID型神经网络是一种3层前向神经网络,网络各层神经元个数、连接方式、连接权值的初值都是按PID控制规律确定的。通过仿真分析,该方法有很好的控制品质:跟踪快、鲁棒性强、解耦效果好,为实际应用中强耦合系统控制方法的改进提供了理论依据。