Online gradient algorithm has been widely used as a learning algorithm for feedforward neural network training. In this paper, we prove a weak convergence theorem of an online gradient algorithm with a penalty term, a...Online gradient algorithm has been widely used as a learning algorithm for feedforward neural network training. In this paper, we prove a weak convergence theorem of an online gradient algorithm with a penalty term, assuming that the training examples are input in a stochastic way. The monotonicity of the error function in the iteration and the boundedness of the weight are both guaranteed. We also present a numerical experiment to support our results.展开更多
随着电力系统对灵活性资源需求的增加,核电作为一种稳定、可控的清洁能源未来在电力系统中不可避免要承担调峰的任务。在调度需求下,主蒸汽阀门开度的频繁变化对一回路冷却剂平均温度等参数产生了一定程度的扰动,而反应堆冷却剂平均温...随着电力系统对灵活性资源需求的增加,核电作为一种稳定、可控的清洁能源未来在电力系统中不可避免要承担调峰的任务。在调度需求下,主蒸汽阀门开度的频繁变化对一回路冷却剂平均温度等参数产生了一定程度的扰动,而反应堆冷却剂平均温度控制系统中的功率失配通道难以满足快速控制的要求。为了提高堆机协调中反应堆调节的快速响应能力,降低主蒸汽阀门开度变化对一回路冷却剂平均温度等参数的扰动,依据大型压水堆(Pressurized Water Reactor,PWR)核电机组的模型,在传统的R棒控制系统的基础上引入以汽轮机负荷为输入信号的前馈环节。一方面,采用理论推导方法,在合理简化R棒控制系统的基础上,借助梅逊公式精确计算前馈环节传递函数;另一方面,采用粒子群算法,依托MATLAB与Simulink之间数据交互,直接对前馈环节传递函数中的待定参数进行寻优。最后,在80%工况下引入±5%、±10%和±20%的负荷阶跃,仿真结果表明:6种负荷阶跃工况下,理论推导的前馈环节让一回路冷却剂温度和主蒸汽压力调节时间缩短53.7%⁓89.6%,波动降22.8%⁓100%;粒子群优化算法计算的前馈环节使调节时间优化64.4%⁓95.3%,波动降23.4%⁓100%。由两种方法得出的前馈环节引入到R棒控制系统中均能有效大幅提升一回路平均温度与主蒸汽压力的调节速度,降低其波动性。所提出的理论计算方法与粒子群优化算法的结果相近,且具有计算成本低、操作简便的优势,在工程中更具应用价值。展开更多
设计了一种用于自适应开启时间（adaptive on-time,AOT）Buck型DC-DC变换器的定时器电路,采用了输入电压前馈补偿和输出反馈技术,使开关频率不随输入、输出电压变化,实现了固定频率的伪脉冲宽度调制。基于0.18μm BCD工艺进行电路设计,...设计了一种用于自适应开启时间（adaptive on-time,AOT）Buck型DC-DC变换器的定时器电路,采用了输入电压前馈补偿和输出反馈技术,使开关频率不随输入、输出电压变化,实现了固定频率的伪脉冲宽度调制。基于0.18μm BCD工艺进行电路设计,并使用Hspice仿真验证。仿真结果表明当输入电压从5~18 V,相同输出电压下开关频率变化不超过10 k Hz,不同的输出电压下系统开关频率变化不超过20 k Hz。同时,由于定时器中采用输入电压前馈技术,提高了输入线性瞬态响应速度。展开更多
基金Partly supported by the National Natural Science Foundation of China,and the Basic Research Program of the Committee of ScienceTechnology and Industry of National Defense of China.
文摘Online gradient algorithm has been widely used as a learning algorithm for feedforward neural network training. In this paper, we prove a weak convergence theorem of an online gradient algorithm with a penalty term, assuming that the training examples are input in a stochastic way. The monotonicity of the error function in the iteration and the boundedness of the weight are both guaranteed. We also present a numerical experiment to support our results.
文摘随着电力系统对灵活性资源需求的增加,核电作为一种稳定、可控的清洁能源未来在电力系统中不可避免要承担调峰的任务。在调度需求下,主蒸汽阀门开度的频繁变化对一回路冷却剂平均温度等参数产生了一定程度的扰动,而反应堆冷却剂平均温度控制系统中的功率失配通道难以满足快速控制的要求。为了提高堆机协调中反应堆调节的快速响应能力,降低主蒸汽阀门开度变化对一回路冷却剂平均温度等参数的扰动,依据大型压水堆(Pressurized Water Reactor,PWR)核电机组的模型,在传统的R棒控制系统的基础上引入以汽轮机负荷为输入信号的前馈环节。一方面,采用理论推导方法,在合理简化R棒控制系统的基础上,借助梅逊公式精确计算前馈环节传递函数;另一方面,采用粒子群算法,依托MATLAB与Simulink之间数据交互,直接对前馈环节传递函数中的待定参数进行寻优。最后,在80%工况下引入±5%、±10%和±20%的负荷阶跃,仿真结果表明:6种负荷阶跃工况下,理论推导的前馈环节让一回路冷却剂温度和主蒸汽压力调节时间缩短53.7%⁓89.6%,波动降22.8%⁓100%;粒子群优化算法计算的前馈环节使调节时间优化64.4%⁓95.3%,波动降23.4%⁓100%。由两种方法得出的前馈环节引入到R棒控制系统中均能有效大幅提升一回路平均温度与主蒸汽压力的调节速度,降低其波动性。所提出的理论计算方法与粒子群优化算法的结果相近,且具有计算成本低、操作简便的优势,在工程中更具应用价值。
文摘设计了一种用于自适应开启时间（adaptive on-time,AOT）Buck型DC-DC变换器的定时器电路,采用了输入电压前馈补偿和输出反馈技术,使开关频率不随输入、输出电压变化,实现了固定频率的伪脉冲宽度调制。基于0.18μm BCD工艺进行电路设计,并使用Hspice仿真验证。仿真结果表明当输入电压从5~18 V,相同输出电压下开关频率变化不超过10 k Hz,不同的输出电压下系统开关频率变化不超过20 k Hz。同时,由于定时器中采用输入电压前馈技术,提高了输入线性瞬态响应速度。
