王晓伟

作品数：6被引量：45H指数：4
导出分析报告
供职机构：合肥工业大学更多>>
发文主题：改进PSO算法过热汽温RBF神经网络神经网络预测控制PSO-RBF更多>>
发文领域：自动化与计算机技术经济管理电气工程动力工程及工程热物理更多>>
发文期刊：《控制理论与应用》《应用基础与工程科学学报》《合肥工业大学学报（自然科学版）》《系统仿真学报》更多>>
所获基金：国家自然科学基金中央高校基本科研业务费专项资金安徽省高校省级自然科学研究项目安徽省教育厅人文社会科学研究项目更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-6
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
蜂群遗传算法在一维下料问题中的应用被引量：8
《微型机与应用》2012年第6期66-68,71,共4页王晓伟 刘林 周谧 
国家自然科学基金(71171071);安徽省高校省级自然科学研究项目(重点)(KJ2011A215);中央高校基本科研业务费专项资金资助(2011HGQC1000);合肥工业大学博士学位人员专项资助基金(GDBJ2010001)
针对一维下料优化问题,根据企业的实际生产情况,考虑能够满足和不满足生产两种情况,建立一个新的优化模型,并使用蜂群遗传算法求解方案。用各零件长度的一个排列作为一个染色体,每个零件的长度作为染色体的一个基因,根据蜂群原理设置两...
关键词：一维下料问题 优化下料 蜂群遗传算法 染色体 种群 抑制算子 
中式快餐店满意度模型的实证研究被引量：3
《价值工程》2012年第1期116-118,共3页王晓伟 李兴国 钟金宏 
安徽省教育厅人文社科研究重点项目(2011sk006zd);安徽省自然科学基金项目(090416249);国家自然科学基金重点项目(70631003);国家自然科学基金项目(90924021;70871032);合肥工业大学科学研究发展基金(2009HGXJ0039)等项目资助
这篇文章考虑产品、用餐环境、服务等因素,建立了顾客满意度模型,提出了相应的研究假设。借助于合肥市某中式快餐店的调研数据,利用因子分析、回归分析等方法,进行了模型的实证研究。结果表明:模型中考虑的三个影响因素对顾客满意度具...
关键词：因子分析 回归分析 顾客满意度 顾客忠诚度 
基于MPSO-RBF混合优化的过热汽温神经网络自适应控制被引量：1
《应用基础与工程科学学报》2010年第4期705-713,共9页肖本贤 肖军 董学平 李善寿 王晓伟 
国家自然科学基金资助(60974022)
提出了基于改进PSO算法的RBF神经网络混合优化(MPSO-RBF)方法,该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合,克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点.针对具有较大惯性和滞后的非...
关键词：改进PSO算法 RBF神经网络 混合优化 神经网络自适应控制 输入迟延链 过热汽温 
基于改进PSO算法的过热汽温神经网络预测控制被引量：17
《控制理论与应用》2008年第3期569-573,共5页肖本贤 王晓伟 朱志国 刘一福 
将改进粒子群优化算法(MPSO)融合到神经网络预测控制中,提出了基于MPSO-RBF混合优化策略的模型预测器,以及基于MPSO算法的非线性优化控制器.针对过热汽温的控制。构造了基于神经网络预测控制的串级控制系统,并就该系统在实现时所涉及到...
关键词：改进PSO算法 RBF神经网络 优化策略 神经网络预测控制 过热汽温 
基于PSO和人工势场的机器人路径规划被引量：6
《合肥工业大学学报（自然科学版）》2007年第6期718-722,共5页肖本贤 李善寿 王晓伟 朱志国 
文章提出了一种变形Gaussian函数作为势场模型,它能更准确地反映势场环境;通过分析震荡现象产生的原因,以及局部极小值点的特点,将粒子群算法引入到路径规划过程中,用于绕过障碍物或逃逸局部极小值;仿真结果表明,该方法能有效消除运动...
关键词：人工势场法 粒子群算法 路径规划 变形Gaussian函数 
MPSO-RBF优化策略在锅炉过热系统辨识中的仿真研究被引量：10
《系统仿真学报》2007年第6期1382-1385,1389,共5页肖本贤 王晓伟 刘一福 
安徽省电力科学研究院的资助
提出了基于改进PSO算法的RBF神经网络混合优化(MPSO-RBF)方法,并将其应用到非线性系统的辨识中。该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合,克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的...
关键词：改进PSO算法 RBF神经网络 非线性系统辨识 混合优化策略 过热汽温模型 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部