针对井下不平衡工况会导致STATCOM控制性能变差、影响补偿效果的问题,提出采取改进开关函数法及负序电压前馈控制策略,让STATCOM发出一个与系统负序电压大小和相位都相等的负序电压,来补偿系统负序电压,保证了STATCOM在不平衡工况下的正常运行。仿真结果表明,该控制策略起到了抑制负序电流的作用,有效克服了三相不平衡的影响。

针对宽范围输入的双管Buck-Boost变换器，在Buck和Boost两模式之间进行切换和输入电压发生波动时，电感电流和输出电压存在较大波动的问题，提出了带输入电压前馈的两模式平均电流控制策略。该策略通过将具有电压电流双闭环结构的平均电流控制与单载波-双调制的调制方法相结合，来提高变换器的动态响应性能，实现变换器两模式的自动近似平滑切换，同时对电感电流进行有效控制，保护设备安全。为了克服传统双闭环前馈函数实现和化简困难的缺点，提出将输入电压前馈引入电流内环从而大幅提高了变换器的输入动态响应性能。最后建立了MATLAB／Simulink仿真模型和硬件试验平台，验证了所提控制方法的有效性。

提出了一种新型光伏逆变器拓扑结构，其由罗氏升压电路、三相四开关逆变单元组成，可以有效提高光伏发电效率、降低光伏系统成本。针对该结构逆变器提出了一种新型前馈功率预测控制策略，其通过将自然环境分区后排列，然后逐一对其历史光伏最大功率进行寻优，从而确定相应的前馈功率预测值。该方法具有计算量小、运算速度快、实现简单、控制精度高、可靠性强的显著优点，可以省去传统逆变器控制的直流侧电压闭环，由逆变器本身完成光伏阵列的最大功率点跟踪功能，从而提高系统响应速度与可靠性。仿真与实验结果均验证了所提结构和控制方法的可行性及优越性。

具有随机权重的前馈神经网络的迭代学习算法

程序升温气相色谱法零相差控制，蒋小平，赵登科，色谱分析中，色谱柱的温度控制分为两种，恒温控制和程序升温。程序升温要求温度在一个分析周期内呈线性变化，但在整个分析周期内

本程序实现了在PyTorch中利用前馈神经网络实现复杂函数拟合。主要包括基于nn.Module的神经网络搭建和训练方法和数据集生成、分割方法。展示了通过调参分析和模型训练过程，评估各种超参数对训练过程、模型性能的影响，并将测试结果可视化。

本程序实现了在PyTorch中利用前馈神经网络实现复杂函数拟合。主要包括基于nn.Module的神经网络搭建和训练方法和数据集生成、分割方法。展示了通过调参分析和模型训练过程，评估各种超参数对训练过程、模型性能的影响，并将测试结果可视化。

本程序实现了在PyTorch中利用前馈神经网络实现复杂函数拟合。主要包括基于nn.Module的神经网络搭建和训练方法和数据集生成、分割方法。展示了通过调参分析和模型训练过程，评估各种超参数对训练过程、模型性能的影响，并将测试结果可视化。

本程序实现了在PyTorch中利用前馈神经网络实现复杂函数拟合。主要包括基于nn.Module的神经网络搭建和训练方法和数据集生成、分割方法。展示了通过调参分析和模型训练过程，评估各种超参数对训练过程、模型性能的影响，并将测试结果可视化。

本程序实现了在PyTorch中利用前馈神经网络实现复杂函数拟合。主要包括基于nn.Module的神经网络搭建和训练方法和数据集生成、分割方法。展示了通过调参分析和模型训练过程，评估各种超参数对训练过程、模型性能的影响，并将测试结果可视化。