摘要：针对带有TCSC(Thyristor Controlled Series Compensator)的单机无穷大电力系统,提出一种新的TCSC自适应非线性控制Backstepping方法.该方法不仅保留了系统的非线性特性和对未知参数的实时在线估计,而且突破了经典的确定性等价性原理来设计参数估计器和动态反馈控制器.仿真结果表明,与基于传统自适应Backstep-p ing得到的控制设计相比较,这种新方法在系统响应和自适应速度方面具有更优越的性能,从而为工程应用提供了一种有效的选择.

摘要：对于一个具体的多层前向神经网络设计问题,网络的输入输出以及标准样本数为已知,网络的隐层结构,即隐层层数和每个隐层神经元个数如何选择是神经网络设计中的关键。根据代数方程理论,通过权值和阈值与隐层结构的关系,建立了以权值和阈值为设计变量的目标函数表达式,通过分析,提出了多层前向神经网络合理的隐层层数和每个隐层神经元个数的一般确定方法,给出了确定多层前向神经网络合理结构的优化目标函数及其约束条件。仿真研究结果表明所提出方法确定的多层前向神经网络结构是合理的。

摘要：结合PLS和减聚类算法设计了一种新型的模糊逻辑系统混合训练算法。通过将全部样本数据作为模糊规则选入系统,并引入PLS作为训练算法,从而有效的抑制样本数据中的严重噪声;为了使训练后的系统结构得以简化,利用减聚类算法合并系统中相似的规则。还通过仿真验证了该方法相比于传统OLS训练算法的优点;并将其应用于湿法冶金萃取组分含量软测量建模中,得到了满意的效果。

摘要：结合滑模控制和神经网络各自的优点,对永磁同步电机(PMSM)提出了一种基于神经网络的PMSM自适应滑模控制方案.首先设计了带积分操作的滑模变结构位置控制器,通过递归神经网络的在线学习来实时估计系统参数变化和外部负载扰动等不确定性的界限,减小滑模控制器的控制量.进而,在滑模控制器中又引入饱和函数取代符号函数,进一步减弱"抖振"现象.理论分析和实验仿真对比研究的结果表明所提出方法具有优越的动态性能和鲁棒性.

摘要：研究一类广义时滞系统的极小极大控制问题,目的是利用构造局部检验函数的方法设计极小极大控制器,使得在最坏的干扰下系统的性能指标上界极小.利用线性矩阵不等式(LM I)给出了广义时滞系统极小极大控制器存在的充分条件,讨论了闭环系统的容许性,并将所得结果推广到含有不确定性的广义时滞系统.最后以数值算例说明了所提出的控制器设计方法的有效性和可行性.

摘要：基于奖金收集车辆路径问题模型建立了热轧带钢生产批量计划多目标优化模型．模型综合考虑了生产工艺约束、用户合同需求以及综合生产指标优化等因素．利用加权函数法将多目标优化模型转换为单目标优化模型,针对模型特点设计了蚁群优化求解算法,算法中嵌入了单向插入和2-opt局部搜索过程．引用某钢铁企业热轧生产轧制批量计划编制的实际问题对模型和算法进行了验证,结果表明模型和算法的优化效果和时间效率是令人满意的．

摘要：根据一体化钢铁生产模式需求,考虑客户需求柔性化的特点,首先描述炉次计划及其一体化工艺约束,然后建立了多目标一体化炉次计划优化模型,针对模型设计了两阶段启发式算法,第一阶段提出了基于规则的分组策略,第二阶段提出了概率匹配法。最后,对比分析两阶段启发式算法与人工编制方法处理某钢厂实际生产数据结果表明,所提出的模型和算法具有良好的有效性。

摘要：来自工业现场的数据往往具有非线性特性且包含离群点,利用非线性偏最小二乘法(partia lleast squares,PLS)建模易受离群点的影响.针对这一问题,结合径向基函数(radial basis function,RBF)网络,本文提出了一种基于投影寻踪的非线性鲁棒PLS方法.该方法首先利用RBF变换将自变量与因变间的非线性关系转化为线性关系;然后利用投影寻踪算法提取变换后自变量的鲁棒偏最小二乘法成分;最后建立鲁棒PLS成分与因变量之间的鲁棒线性回归模型.将该方法应用于湿法冶金萃余液pH值软测量建模问题,结果验证了其有效性.

摘要：提出了一种钴湿法冶炼萃取组分含量混合建模方法.该模型由基于物料衡算关系的动态机理模型与基于萃取平衡实验数据的RBF神经网络模型组成.机理模型作为描述过程动态行为的整体框架,RBF神经网络用来辨识机理模型中的未知函数关系.在上述混合模型的基础上,还提出了一种模型校正策略,进一步提高了模型的精确性.将所建立的混合模型应用于实际湿法冶炼生产过程中,结果表明该方法具有良好的估计性能.

摘要：针对虚拟企业的柔性、成员的多样性和分布性等特征,及其带来的风险,提出了一个新的虚拟企业风险管理的组织化分布式决策模型.该模型分为2层,上层和下层,分别描述了虚拟企业中盟主和盟员的决策过程.决策过程中主要考虑了由于私有信息所造成的盟主与盟员之间信息不对称的情况.针对该优化问题搜索空间巨大,且虚拟企业具有多成员的特点,设计了多种群粒子群算法来进行求解,仿真分析表明了该算法的有效性.