为实现对非线性负载的谐波补偿和功率因数连续调节，采用了一种无变压器并联混合型有源滤波器，阐述了其工作原理。综合考虑成本与滤波效果的情况下选择采用7次单调谐无源滤波器，针对7次单调谐无源滤波器对于5次谐波补偿能力较差的状况，采用了反馈加5次前馈的控制策略.为了进一步对系统的无功功率进行补偿，在原有的反馈控制环节上进行了一定的改进.仿真结果证明了该并联混合性有源滤波工作的有效性。
上传时间： 2013-12-05
上传用户：zm7516678
描述了三相电压源型PWM整流器的工作原理，基于整流器网侧电流矢量推导出同步旋转坐标系下系统的数学模型，给出了一种电流前馈解耦控制算法。同时详细介绍了基于电流前馈解耦的PWM整流器双环控制系统设计方法。并且应用TMS320LF2407A建立了PWM整流器的DSP数字化实验系统。实验结果表明，该整流器能获得单位功率因数的正弦输入电流、稳定的直流输出电压和快速的动态响应。
上传时间： 2013-10-11
上传用户：asdfasdfd
指出了超声波在测距应用中的局限性, 并给出解决方案。着重从新的角度补偿超声传感器的误差, 提出了用BP前馈神经网络补偿超声波声速受温度、湿度变化而引起的误差。
上传时间： 2014-04-24
上传用户：erkuizhang
TPF100电能滤波控制器是集滤波控制和无功补偿与一体的多功能型控制器，主要应用于以中频炉为典型负载的滤波装置上，合理有效的控制滤波回路的投入和切除。采用全数字化设计，包含两路交流模拟电流和一路交流电压模拟量的数据采集和处理。采用高亮大屏幕OLED中文液晶屏显示，可实时显示负载及电网功率因数、电压、电流、有功功率、无功功率、频率的平均值、谐波总畸变率、1－13次谐波含量和输出口投切状态等信息，可以快速查看滤波效果。各种操作界面均为中文界面，数字输入。取样物理量为负载功率，控制方式为前馈式，可控制6路交流接触器。具有过压、欠压、电容过电流和电容放电时间等保护功能。具有手动和自动两种补偿方式。
上传时间： 2013-12-20
上传用户：18888888888
电动加载系统存在系统不确定性因素，以及多余力矩。为更好解决由不确定性因素和扰动引起的系统控制问题，提出了基于前馈补偿加鲁棒控制的控制方法，针对舵机运动对加载系统跟踪性能的影响，应用前馈控制对舵机运动扰动进行补偿。通过仿真，揭示了控制器设计中的设计依据，结果表明该方法所设计系统具有很好的鲁棒性，以及很好的抑制多余力矩能力。
上传时间： 2013-10-26
上传用户：a296386173
论文标题:自适应模糊系统在手写体数字识别中的应用研究 作者:张镭 作者专业:计算机软件人工智能 导师姓名:黄战 授予学位:硕士 授予单位:暨南大学 授予学位时间:19990501 论文页数:59页 文摘语种:中文文摘 分类号:TP18 TP391.4 关键词:手写体数字 自适应 模糊逻辑 神经网络 模式识别 摘要:该文针对模式识别的特点,构造了适合于模式识别问题的自适应模糊系统,对三种不同学习算法加以改进,在手写全数字识别上对分类器进行了实现,并与采用BP算法训练的三层前馈神经网络分类器相比较,分析其优劣.仿真实验表明,在该文的样本集条件下,自适应模糊分类吕的识别性能优于神经网络分类器,这充分体现了自适应模糊技术用于数字识别的优越性和潜力.
上传时间： 2014-01-14
上传用户：王小奇
神经网络控制工具箱。包括最优控制，反馈线性化控制，预测控制，前馈控制等。内有说明文件readme.txt
上传时间： 2015-10-12
上传用户：qw12
本文基于遗传算法思想，采用浮点数矩阵表示编码，在遗传算法的进化过程中加入一定的约束条件等方法，探讨了网络结构的设计和学习。经实例分析，在用于建立大坝安全监控预报模型的前馈神经网络设计中，该方法在满足一定约束条件下，能同时有效地寻找合适的网络结构和相应的参数(神经网络的权值和阈值)，且在精度和速度上都有较大的提高，为实现实时在线分析评价大坝的安全性态提供了有力的技术支持。
标签： 算法
上传时间： 2015-11-15
上传用户：凌云御清风
bp神经网络算法是解决最优化问题的先进算法之一，本论文讨论了神经网络中使用最为广泛的前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法（back-propagation简称BP算法）。BP算法存在局部极小点，收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。
上传时间： 2015-12-31
上传用户：wendy15
神经网络由于其非线性处理能力强，性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。
上传时间： 2016-02-03
上传用户：aa54
