基于自定义功能的统一数据库的设计

根据广州市经济技术开发区管委会信息管理系统的两大业务需求提出本系统解决方案，即统一数据库与自定义业务。本方案使用方便、自定义功能较强，可以适应一定范围内的业务变化。     

电梯驱动与能量回馈一体化控制系统设计

针对目前国内电梯能耗较高、控制复杂等特点,设计了一种集电梯控制、驱动和能量回馈于一体的控制系统.该系统采用双PWM控制以及32位ARM CPU+ 32位DSP CPU+ FPGA的硬件结构,两CPU通过并行通信高速交换数据,电梯主控板和呼梯工作站以及轿顶工作站通过CAN总线串行交换信息.测试结果表明,能量回馈控制系统的输出电流功率因数近似于1,电梯系统对电网的干扰可降至最小,节能高达40％.     

嵌入式XPE系统镜像的定制和优化技术研究

为了将WindowsXPEmbedded(XPE)应用在非手持和能耗不敏感的嵌入式应用中,要求能够对嵌入式操作系统实现快速安装,并进行系统优化提高性能。针对这类应用,利用Windows Embedded Studio定制了系统镜像,进而实现系统的快速移植安装,优化了系统镜像的启动画面、多用户的自动登录及其自动切换过程、系统的服务项目以及用户Shell。通过上述步骤,系统一方面能够为用户提供基于Browser/Server(B/S)架构的嵌入式网络应用,另一方面能够为用户提供与其本地语言相匹配的本地桌面应用。     

模糊粗集理论在污水参数软测量中的应用

出水水质的建模与预测是污水处理过程先进控制的基础,针对污水生化处理过程的非线性、大滞后等特点,提出一种基于模糊粗糙集和RBF神经网络的出水水质预测方法.先用模糊粗糙集理论约简属性消除冗余信息后,建立基于RBF神经网络软测量模型,并应用该模型对实际污水厂的出水氨氯预测进行仿真.结果表明了该软测量模型的可靠性和有效性.     

基于贝叶斯框架的加权LS-SVM及其学习算法

为了提高最小二乘支持向量机的鲁棒性,介绍了加权最小二乘支持向量机,给出了确定加权向量的一般方法.并介绍了基于贝叶斯框架的加权LS-SVM参数的优化方法,利用它建立了加权最小二乘支持向量机.最后用一个仿真实例来说明所提出的支持向量机的学习性能,比标准LS-SVM具有更好的鲁棒性.     

结合免疫优化和LS-SVRM观测器的非线性系统自适应鲁棒控制

针对一类单输入单输出不确定非线性控制系统提出了一种自适应鲁棒控制算法. 由于最小均方支持向量回归机(LS-SVRM)的最终解可以化为一个具有线性约束的二次规划问题, 不存在局部极小, 所以该算法在不要求假设系统的状态向量是可测的条件下通过设计基于LS-SVRM的观测器来估计系统的状态向量; 同时在算法中假设LS-SVRM的最优逼近参数向量和标称参数向量之差的范数和逼近误差的界限是未知的, 因此可通过对未知界限估计的调节来提高系统的鲁棒性. 考虑到LS-SVRM本身参数对LS-SVRM性能的影响, 本文应用一种新的免疫优化算法对LS-SVRM的参数进行优化, 从而提高LS-SVRM的逼近能力. 理论研究和仿真例子证实了所提方法的可行性和有效性.     

基于免疫粒子群神经网络的污水水质预测

针对污水处理过程所具有的多变量、非线性和大时滞的特点, 利用出水水质参数与多个可测过程参数间的相关关系,给出了基于RBF神经网络的出水水质参数预测模型.采用免疫粒子群优化算法来训练网络的隐层节点、径向基函数的中心点和网络权值.以反应时间、DO浓度、ORP和pH值作为输入参数,实现对COD,NH3-N,TP等水质参数的预测.仿真试验表明,该预测模型对污水处理出水水质参数COD,NH3-N,TP具有理想的预测效果.     

基于混沌优化的LS-SVM非线性预测控制方法

针对非线性系统的控制问题,提出了一种基于LS-SVM的预测控制技术。该方法将LS-SVM和非线性预测控制思想有机结合,利用混沌映射的特性,通过引入混沌优化技术对LS-SVM参数进行优化,同时又将其作为滚动优化策略,避免了非线性预测控制中复杂的梯度计算和矩阵求逆问题,仿真研究说明了该非线性预测控制器的有效性及实时性。     

基于免疫粒子群算法的参数估计方法

针对污水生化反应模型参数估计问题,提出一种基于免疫粒子群算法的估计方法。该方法采用免疫算法保持粒子群的多样性,避免粒子群算法的过早收敛而降低寻优能力。利用估计的参数值对实验数据进行拟合,仿真结果表明,拟合误差率低于标准的粒子群和遗传算法,进一步提高了污水生化反应模型参数估计精度。     

负阻元件与负阻抗变换器

从变量约束关系出发分析了负阻元件存在的可能性及其物理性质,阐述了负阻元件与负阻抗变换器的关系及其应用。