基于GPS与GPRS技术的车辆监控系统研究

目前车辆监控系统的无线传输部分大多采用GSM短消息通信技术,难以满足实时性要求较高的需求,提出一种基于GPS与GPRS通用无线分组业务的车辆监控系统,设计了系统的硬件原理图及软件流程图,这种新型的车辆监控平台具有可靠性高、费用低、扩展性强等优点,适合于对车辆进行远程监控,对其实时动态信息获取与安全具有重要意义。     

基于遗传算法的H2系统降阶方法

提出了基于H2范数的系统降阶准则，并且利用遗传算法实现了基于该准则的系统降阶。这一方法的提出避免了传统方法的缺点，降阶系统达到了非常理想的性能。通过例子表明，该降阶方法优于目前普遍使用的其他降阶方法。     

利用遗传算法实现时频混合最小二乘系统降阶

提出了基于Ｈ２范数以及ｈ２范数的混合系统降价准则，并且利用遗传算法实现了基于该准则的系统降阶。这一方法的提出，避免了传统方法的缺点，使降阶系统达到了非常理想的性能。通过例子表明，该降阶方法优于目前普遍使用的其他降低方法。     

基于WebAccess的大型公共建筑能耗无线远程监控系统

针对大型公共建筑能耗监控,提出以网际组态WebAccess为软件平台的无线远程监控系统。以无线计量网络分别采集大型公建中各种能耗的数据,基于WebAccess软件平台开发远程监控系统,实现对大型公建能耗的远程实时监控,为下一步大型公建节能降耗提供量化、信息化平台。     

变风量末端控制器的设计与仿真

为探求变风量空调末端双闭环串级控制模型的节能策略,通过设备选型、方案对比等过程确定温度传感器Pt100、风速传感器西门子QVM62.1、CPU224XP及西门子执行风阀L680t40为主要元器件,进行变风量末端半实物仿真控制器设计。结果表明:下位机可编程逻辑控制器(PLC)与上位机PC端能够基于PC Access软件实现通信,并通过LabVIEW实现监控管理功能。可见设计仿真开发的空调末端控制器能够与实验研究平台实现互通,进行双闭环串级的空调末端性能研究,从而为智能建筑节能降耗研究提供有力支持。     

磨矿分级系统溢流浓度的模糊智能控制

提出一种二维模糊智能控制器的算法,辅以基于规则的自学习环节,对具有诸多不确定因素、非线性、时变、难以建立精确数学模型的磨矿系统的溢流浓度进行控制．建造工艺专家系统,借助工业局域网络,综合不同性质的原矿石的要求和工艺专家知识,优化控制系统的给定参数．整个控制系统有较好的鲁棒性和稳定性,经过检测实际生产性能指标,溢流浓度的稳态误差不超过２－０ ％ ,且入磨矿石处理量提高了５－７ ％ ．     

基于改进PSO-BP算法的冷负荷预测模型

针对PSO-BP(Particle Swarm Optimization-Back Propagation)神经网络预测模型在冰蓄冷空调冷负荷预测中存在输入输出数据关联度低和预测模型存在误差的情况,提出了一种基于JMP数据处理软件、PSO-BP神经网络和马尔可夫链的组合预测方法.利用JMP处理输入数据,剔除耦合度低的样...     

广义线性磁悬浮对象的H∞控制问题

给出了广义线性磁悬浮对象的数学模型,分析得出其具有非渐进稳定的特性。在此基础上,通过系统变换方法,得到了一种利于设计Ｈ∞控制器的结构,并且将参数不确定性问题转化为Ｈ∞控制的标准形式,给出了采用输出反馈的Ｈ∞控制综合方法,通过一个仿真的例子,说明该控制算法具有良好的稳定性,快速性以及精度度,通过这种方法,可以有效地对一般的磁悬浮对象进行控制。     

基于VMD-GRU网络大型公共建筑冷负荷预测

基于冷负荷时间序列固有的复杂性和不规则性,针对预测过程中容易出现梯度消失、模态混叠和过拟合等问题,提出一种集成变分模态分解（variational mode decomposition,VMD）和门控循环单元网络（gated recurrent unit,GRU）的VMD-GRU模型。对原始数据进行相关性分析,挑选出相关性高的进行预测;使用VMD将原始数据序列分解为独立固有模式函数;使用GRU对每个分量进行预测;将分量预测结果相加得出冷负荷预测值。为验证模型的有效性,以西安某大型公共建筑为例进行能耗分析,并与BP、 GRU、EMD-BP、VMD-BP、EMD-GRU等其他预测模型进行对比。实验结果表明,提出的VMD-GRU模型可有效解决梯度消失、模态混叠和过拟合等问题,预测精度显著提高,预测效果优于其它预测模型,符合大型公共建筑冷负荷的变化规律,为节能优化提供有力数据支撑。     

办公建筑运行能耗的混沌时间序列复合预测

针对办公建筑已有的能耗预测方法中未能考虑到能耗数据的混沌变化特性,提出了一种基于混沌时间序列的办公建筑运行能耗预测方法.对研究对象的时间序列进行相空间重构,判断其具备混沌特性,建立混沌理论和支持向量回归的组合模型进行训练,采用Markov链消除组合模型由于参数传递产生的累积误差,得到最终预测结果.为了验证算法的有效性,以西安某办公建筑的能耗监测数据为例进行实例分析,并与非线性自回归神经网络、支持向量回归等其他预测方法进行对比.实验结果表明,经过Markov修正后的混沌时间序列组合模型预测精度显著提高,预测效果优于其他方法,且更符合办公建筑能耗的变化规律,为节能优化提供有效的数据支撑.