The mass production of primed electronics can be achieved by roll-to-roll（R2R） printing system, so highly accurate web tension is required that can minimize the register error and keep the thickness and roughness of...The mass production of primed electronics can be achieved by roll-to-roll（R2R） printing system, so highly accurate web tension is required that can minimize the register error and keep the thickness and roughness of printed devices in limits. The web tension of a R2R system is regulated by the use of integrated load cells and active dancer system for printed electronics applications using decentralized multi-input-single-output（MISO） regularized variable learning rate backpropagation artificial neural networks. The active dancer system is used before printing system to reduce disturbances in the web tension of process span. The classical PID control result in tension spikes with the change in roll diameter of winder and unwinder rolls. The presence of dancer in R2R system shows that improved web tension control in printing span and the web tension can be enhanced from 3.75 N to 4.75 N. The overshoot of system is less than ±2.5 N and steady state error is within ± 1 N where load cells have a signal noise of ±0.7 N. The integration of load cells and active dancer with self-adapting neural network control provide a solution to the web tension control of multispan roll-to-roll system.展开更多
由于传统的互补金属-氧化物-半导体(Complementary Metal Oxide Semiconductor,CMOS)神经元电路与生物学的契合性较差且电路复杂,提出了一种基于忆阻器的多端口输入的泄露-整合-激发(Leaky-Integrate-Fire,LIF)神经元电路。该电路由运...由于传统的互补金属-氧化物-半导体(Complementary Metal Oxide Semiconductor,CMOS)神经元电路与生物学的契合性较差且电路复杂,提出了一种基于忆阻器的多端口输入的泄露-整合-激发(Leaky-Integrate-Fire,LIF)神经元电路。该电路由运放、逻辑门等器件以及忆阻器构成,主要分为信号叠加模块和神经元信号产生模块。通过施加多个双尖峰脉冲信号并调节输入信号的数量和频率,模拟了生物神经元受到的不同程度刺激。研究发现施加到神经元上信号的数量和频率达到一定的值,神经元电路才会输出电压信号,这与生物体中只有受到一定程度的刺激时才会做出反应的现象是一致的。进一步,调节该电路中神经元信号产生模块的阈值电压大小,研究发现输入相同的信号,只有当电路的阈值电压较低时,神经元电路才能输出电压信号,这与生物中不同部位受到相同的刺激,神经元兴奋程度越高,越容易做出反应的现象一致。由此,该文所提出的LIF神经元电路不仅解决了传统电路输入信号单一、输入信号波形与生物信号波形差异大等问题,而且能模拟生物神经元的兴奋程度,这为人工神经网络的设计提供理论依据。展开更多
由于太阳能和天气变量的随机性和不稳定性,光伏发电具有很高的不确定性,准确的光伏发电功率预测对于光伏电站的短期调度和发电计划的运行至关重要。提出一种基于多模式分解、多通道输入、并联卷积神经网络(parallel convolutional neura...由于太阳能和天气变量的随机性和不稳定性,光伏发电具有很高的不确定性,准确的光伏发电功率预测对于光伏电站的短期调度和发电计划的运行至关重要。提出一种基于多模式分解、多通道输入、并联卷积神经网络(parallel convolutional neural network,PCNN)和双向长短期记忆网络(bi-directional long short term memory,BiLSTM)的组合预测方法,用于不同天气类型的超短期光伏发电功率预测。首先,由相关性分析算法确定辐照度和温度是对光伏发电贡献最大的2个环境变量,并根据环境因素与光伏功率波动特征的关联性将全年数据划分为4类;其次,使用完全集合经验模态分解、奇异谱分解和变分模态分解对辐照度、温度和光伏发电功率进行分解,以降低原始数据的复杂度和非平稳性,实现不同模式模态分量规律互补;最后,建立基于PCNN和BiLSTM的组合预测模型,使用PCNN提取不同的深度特征,并将PCNN输出的特征融合后输入到BiLSTM中,使用BiLSTM建立历史数据之间的时间特征关系,学习历史数据间的正、反向规律,在时空相关性分析的基础上得到最终光伏发电功率预测结果。实验结果表明,提出的组合预测方法在超短期光伏发电功率预测中具有较高的准确性和稳定性,并优于其他深度学习方法。展开更多
针对一类具有未知函数控制增益的多输入多输出(M IM O)非线性系统,基于后推设计方法和动态面控制技术,提出一种间接自适应神经网络控制方案.该方案通过引入1阶滤波器,消除了后推设计中由于反复对虚拟控制的求导而导致的复杂性问题,并避...针对一类具有未知函数控制增益的多输入多输出(M IM O)非线性系统,基于后推设计方法和动态面控制技术,提出一种间接自适应神经网络控制方案.该方案通过引入1阶滤波器,消除了后推设计中由于反复对虚拟控制的求导而导致的复杂性问题,并避免了反馈线性化方法可能出现的控制器奇异性问题,参数估计无需使用投影算法.利用李亚普诺夫方法,证明了闭环系统半全局一致终结有界,通过适当选取设计常数,跟踪误差可收敛到原点的一个小邻域内.仿真结果表明了该方法的有效性.展开更多
初步研究Z源逆变器用于光伏并网逆变系统中的强耦合和非线性问题,探索光伏阵列的最大功率跟踪(Maximum Power Point Tracking-MPPT)和直流侧稳压统一控制的方法,采用非对称输入输出多变量PID神经网络控制,抑制直流侧电压扰动,通过三相...初步研究Z源逆变器用于光伏并网逆变系统中的强耦合和非线性问题,探索光伏阵列的最大功率跟踪(Maximum Power Point Tracking-MPPT)和直流侧稳压统一控制的方法,采用非对称输入输出多变量PID神经网络控制,抑制直流侧电压扰动,通过三相电流跟踪解耦控制实现MPPT和单位功率因数并网。仿真实验结果表明,该控制策略能有效抑制由光伏阵列输出变化、电网波动及其他干扰对直流侧电压的扰动。展开更多
基金supported by Basic Science Research Program through the National Research Foundation of Korea(NRF),Ministry of Education,Science and Technology,Korea(Grant No.2010-0026163)Strategy Technology Development Project,Ministry of Knowledge Economy,Korea(Grant No.10032149)
文摘The mass production of primed electronics can be achieved by roll-to-roll（R2R） printing system, so highly accurate web tension is required that can minimize the register error and keep the thickness and roughness of printed devices in limits. The web tension of a R2R system is regulated by the use of integrated load cells and active dancer system for printed electronics applications using decentralized multi-input-single-output（MISO） regularized variable learning rate backpropagation artificial neural networks. The active dancer system is used before printing system to reduce disturbances in the web tension of process span. The classical PID control result in tension spikes with the change in roll diameter of winder and unwinder rolls. The presence of dancer in R2R system shows that improved web tension control in printing span and the web tension can be enhanced from 3.75 N to 4.75 N. The overshoot of system is less than ±2.5 N and steady state error is within ± 1 N where load cells have a signal noise of ±0.7 N. The integration of load cells and active dancer with self-adapting neural network control provide a solution to the web tension control of multispan roll-to-roll system.
文摘由于传统的互补金属-氧化物-半导体(Complementary Metal Oxide Semiconductor,CMOS)神经元电路与生物学的契合性较差且电路复杂,提出了一种基于忆阻器的多端口输入的泄露-整合-激发(Leaky-Integrate-Fire,LIF)神经元电路。该电路由运放、逻辑门等器件以及忆阻器构成,主要分为信号叠加模块和神经元信号产生模块。通过施加多个双尖峰脉冲信号并调节输入信号的数量和频率,模拟了生物神经元受到的不同程度刺激。研究发现施加到神经元上信号的数量和频率达到一定的值,神经元电路才会输出电压信号,这与生物体中只有受到一定程度的刺激时才会做出反应的现象是一致的。进一步,调节该电路中神经元信号产生模块的阈值电压大小,研究发现输入相同的信号,只有当电路的阈值电压较低时,神经元电路才能输出电压信号,这与生物中不同部位受到相同的刺激,神经元兴奋程度越高,越容易做出反应的现象一致。由此,该文所提出的LIF神经元电路不仅解决了传统电路输入信号单一、输入信号波形与生物信号波形差异大等问题,而且能模拟生物神经元的兴奋程度,这为人工神经网络的设计提供理论依据。
文摘由于太阳能和天气变量的随机性和不稳定性,光伏发电具有很高的不确定性,准确的光伏发电功率预测对于光伏电站的短期调度和发电计划的运行至关重要。提出一种基于多模式分解、多通道输入、并联卷积神经网络(parallel convolutional neural network,PCNN)和双向长短期记忆网络(bi-directional long short term memory,BiLSTM)的组合预测方法,用于不同天气类型的超短期光伏发电功率预测。首先,由相关性分析算法确定辐照度和温度是对光伏发电贡献最大的2个环境变量,并根据环境因素与光伏功率波动特征的关联性将全年数据划分为4类;其次,使用完全集合经验模态分解、奇异谱分解和变分模态分解对辐照度、温度和光伏发电功率进行分解,以降低原始数据的复杂度和非平稳性,实现不同模式模态分量规律互补;最后,建立基于PCNN和BiLSTM的组合预测模型,使用PCNN提取不同的深度特征,并将PCNN输出的特征融合后输入到BiLSTM中,使用BiLSTM建立历史数据之间的时间特征关系,学习历史数据间的正、反向规律,在时空相关性分析的基础上得到最终光伏发电功率预测结果。实验结果表明,提出的组合预测方法在超短期光伏发电功率预测中具有较高的准确性和稳定性,并优于其他深度学习方法。
文摘针对一类具有未知函数控制增益的多输入多输出(M IM O)非线性系统,基于后推设计方法和动态面控制技术,提出一种间接自适应神经网络控制方案.该方案通过引入1阶滤波器,消除了后推设计中由于反复对虚拟控制的求导而导致的复杂性问题,并避免了反馈线性化方法可能出现的控制器奇异性问题,参数估计无需使用投影算法.利用李亚普诺夫方法,证明了闭环系统半全局一致终结有界,通过适当选取设计常数,跟踪误差可收敛到原点的一个小邻域内.仿真结果表明了该方法的有效性.
文摘初步研究Z源逆变器用于光伏并网逆变系统中的强耦合和非线性问题,探索光伏阵列的最大功率跟踪(Maximum Power Point Tracking-MPPT)和直流侧稳压统一控制的方法,采用非对称输入输出多变量PID神经网络控制,抑制直流侧电压扰动,通过三相电流跟踪解耦控制实现MPPT和单位功率因数并网。仿真实验结果表明,该控制策略能有效抑制由光伏阵列输出变化、电网波动及其他干扰对直流侧电压的扰动。
