基于蚁群算法优化BP神经网络的港口吞吐量预测

利用蚁群算法优化反向传播神经网络的初始权值、阈值,建立预测模型,对港口货物吞吐量进行预测。蚁群算法具有全局搜索能力,分布式计算和鲁棒性强等特点,有利于加快反向传播神经网络的收敛速度,避免易陷入局部极值的问题,提高建模精度。在港口吞吐量预测中的应用表明:蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826%、3.734%、4.990%和6.566%;同时,蚁群算法优化BP神经网络模型收敛速度最快。与传统BP神经网络、RBF网络及模糊神经网络相比,蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826%、3.734%、4.990%和6.566%。     

模糊控制系统稳定性的分析与综合

综述了模糊控制系统稳定性分析的一些方法和各自的优缺点,详细介绍了基于模糊动态模型（T－S模型）的稳定性分析方法及最新研究成果。     

输入受限情况下基于Hamilton系统的风力发电机组协同控制

针对风力发电复杂非线性系统,在输入受限情况下,研究风力机如何实现变风速运行下的最大风能捕获,使其工作在最佳功率曲线,以提高风能利用率,并探究多风力机的协同控制问题。建立风力发电复杂非线性系统的Hamilton模型,设计预置控制器实现风力机的最大风能捕获。基于非线性扇区法的饱和函数处理方法,设计一种无记忆状态反馈控制器,实现多风力机的协同控制。实验结果表明在变风速运行且输入受限的情况下,风力发电机组能保持在期望的转速下运行,既实现了变风速条件下的最大风能捕获,又实现了抗输入饱和情况下的多机组协同控制。     

具有不确定参数的混沌系统的模糊保代价控制

研究了具有不确定参数混沌系统的稳定模糊保代价控制问题。采用T-S模糊模型描述混沌非线性系统，对具有范数有界，时变参数不确定性的混沌系统，得到了存在稳定模糊保代价控制器的充分条件。并推算出了相应的线性矩阵不等式(LMI)形式。     

称重传感器自适应补偿器的设计

为适合快速称重的要求，采用一种简单的跟踪参考序列的模型参考适应方案，设计了一种新型的称重传感器自适应动态补偿器。仿真结果表明，该补偿器有效的提高了称重传感器的动态响应速度。     

基于均衡修的城市轨道交通车辆基地工艺

均衡修与传统检修都属于检修模式,在城市轨道交通车辆检修中起着重要作用。该文主要研究均衡修与传统检修对城市轨道交通车辆基地工艺的影响,希望更好地发现具有实用价值的检修模式,从而科学地发展城市轨道交通车辆基地工艺,保证城市轨道交通车辆运行水平,推动城市交通事业健康发展,激发城市发展活力。     

逆变电源的自适应重复控制方案

克服逆变电源系统参数、负载变化和电源死区效应的影响,设计了一种自适应重复控制方案。自适应方案采用跟踪参考序列的模型参考自适应控制设计方法。不需线性补偿器,既简化了设计,又减少了计算量,适合快速跟踪,并适应系统参数和负载的变化。重复控制作为补偿器,补偿死区效应的影响。     

一种新的自回归—滑动平均模型

将列宾逊算法和最小实现算法结合,给出一种新的自回归－滑动平均模型与仿真结果。     

基于逆系统方法的并网逆变器自适应模糊滑模控制研究

风电系统三相PWM并网逆变器控制的主要目标是控制输出电流并保证直流侧电容电压的恒定。针对现有的三相PWM并网逆变器系统具有多变量、非线性、强耦合等特点,采用开关函数法建立其开关周期平均模型,在并网逆变器数学模型的基础上,使用非线性逆系统方法,推导出并网逆变器的逆系统模型,构造出伪线性系统,实现了反馈线性化和解耦。对伪线性系统设计滑模控制器,考虑实际中存在建模误差,利用自适应模糊方法进行调整,解决了建模误差未知或变化的问题。理论分析和仿真结果均表明,该控制策略能保证直流侧电压恒定且能控制并网逆变器的输出电流,具有良好的动态响应能力。