基于神经网络逆控制方法的水轮发电机组非线性控制器仿真研究

基于水轮发电机组刚性水击模型和神经网络逆系统控制方法,在分析励磁与导叶系统可逆性的基础上提出了一种新的水轮发电机组解耦控制器设计方法.理论分析和仿真结果表明该控制策略较好的解决了水轮发电机组控制时存在的多变量、非线性、强耦合问题;实现了系统的动态解耦控制,具有较好的适应性和鲁棒性,因此可有效增强输电系统的暂态稳定性.     

基于BP神经网络的内蒙古第三产业增加值预测模型

宏观经济政策的制定必然要参照各次产业的发展水平,那么对产业发展水平进行评估和预测就显得十分必要。文章通过运用神经网络的建模方法对内蒙古自治区第三产业增加值进行分析,最后建立了单隐层的BP神经网络模型。模型的预测结果表明预测精度较高。     

LVQ学习矢量量化神经网络模型在旱涝预测中的应用

旱涝灾害的预测对预防灾害和保护环境有着重要的作用。运用神经网络中LVQ学习矢量量化神经网络建立了旱涝预测模型，模型输入层神经元数目为3，输出层神经元数目为1，隐含层神经元数目采用实验法，最终确定为7。预测结果表明：该方法与传统的预测方法及BP神经网络相比，具有更强的容错性和鲁棒性，预测精度较高且计算简单等优点。     

华北地区冬季温室植物冠层温度建

基于温室内植物冠层能量平衡关系,建立了与温室内、外气象条件和温室结构相关的冠层温度模拟机理模型,并在华北地区文洛型温室内对该模型进行了试验验证.结果表明:模型能较好地模拟冬季温室内植物冠层温度,模拟值和实测值之间的相关系数为0.797 5,均方根误差为1.3℃.建立了冠层温度的BP神经网络模型,模型相关系数为0.783 5,均方根误差为0.6℃.在所建神经网络模型基础上,运用敏感性分析法对影响冠层温度的各因素进行重要性分析和排序,得出影响冠层温度的最重要因子是室内温度,其次为蒸腾速率、室外太阳辐射和室内相对湿度.     

汽车悬架参数优化的仿真研究

以BP神经网络对减振器的外特性进行建模为基础,Matlab/Simulink为工具,对汽车八自由度模型进行了平顺性仿真建模,并对含有不同神经网络减振器模型的整车振动响应输出进行了对比分析,从而找到适宜新车型的减振器,实现了汽车悬架阻尼参数的优化。     

苹果可溶性固形物含量的检测方法——基于可见光近红外光谱技术

为了快速检测苹果的可溶性固形物(SSC)含量,采用可见光近红外光谱技术,结合主成分分析(PCA)和BP神经网络技术,来建立苹果SSC的预测模型.获取苹果样本在345～1039 nm波段的漫反射光谱,采用DPS数据处理系统对其进行主成分分析,并提取出累计可信度大于95 %的5个新主成分.建立一个3层的BP神经网络模型,并将这5个新的主成分作为BP神经网络模型的输入量,其结果是98 %以上预测样本的预测相对误差在5 %以下.该研究表明,采用近红外光谱技术来建立苹果可溶性固形物的预测模型是可行的.     

基于混沌变量优化的神经网络PID控制

对神经网络模型辨识器的输入量y(k),u(k)进行归一化处理,一种规范化PID控制方法作为控制器.采用Logistic映射构造多个不同的混沌变量,应用到神经网络PID参数域中,根据控制系统性能指标进行混沌寻优,获得近似最优解后,再通过时变因子Z(t)在近似最优解的附近继续混沌局部寻优.仿真实验表明该方案是有效的.     

基于Spiking神经网络的脑运动分类研究

针对大脑运动皮层群体神经元信号与运动行为关系的分析，提出一种Spiking神经网络（SNN）的分类算法。SNN的网络连接权值与突触连接的延时参数采用改进的粒子群优化方法（PSO）进行训练。仿真结果表明SNN分类效果优于群体向量法（PV）分类效果，有利于实现性能更高的用于神经康复的脑机接口系统。     

静止无功补偿器的智能自适应PID控制器设计

将神经网络和模糊控制与有着广泛应用ＰＩＤ控制相结合，设计了一种静止无功补偿器的智能自适应ＰＩＤ控制器。利用神经网络实现系统模型辨识，采用模糊逻辑和神经网络相结合对ＰＩＤ控制器参数动态寻优。使ＳＶＣ的控制既具有模糊控制的简单，有效的非线性控制作用，又具有神经网络的自学习，自适应能力。