本项目就人工神经网络在交流传动系统中的应用进行了研究,针对神经网络在训练中存在的速度慢和局部最优问题提出了层次结构和剪枝的解决方法;为解决经费不足和获取训练样本困难等问题,进行了传动系统故障的计算机仿真方法的研究,应用皮特里网络理论开发了能对电力电子电路中各元件故障进行仿真的软件,并建立了广义的派克变换理论,以便能对电机的故障进行仿真。在传动系统的神经网络控制方面,将ANN用于生成脉宽调制信号和作为磁通、转矩观测器,构成了2KW的实验室装置。此外还对ANN在传动系统的故障诊断中的应用进行了研究。研究期间发表了6篇论文,培养了一名硕士研究生和两名博士研究生。
{{i.achievement_title}}
数据更新时间:2023-05-31
Ordinal space projection learning via neighbor classes representation
基于纳米铝颗粒改性合成稳定的JP-10基纳米流体燃料
Image super-resolution based on sparse coding with multi-class dictionaries
Phosphorus-Induced Lipid Class Alteration Revealed by Lipidomic and Transcriptomic Profiling in Oleaginous Microalga Nannochloropsis sp. PJ12
Numerical investigation on aerodynamic performance of a bionics flapping wing
随机运筹学和生存分析中的点过程模型及其统计理论
反射随机过程及其在金融中的应用
几乎自守随机过程及其在随机发展方程中的应用
最大熵方法及其在力学与运筹学中的应用