机床结合部耦合动刚度的辨识与建模

针对结合部动力学中耦合动刚度的辨识与建模问题,通过频响矩阵建立了结合部动力学理论模型,基于力学平衡条件与位移兼容条件推导了动刚度辨识公式.辨识过程中将难测频响矩阵作为中间变量,避免了估算难测频响所引入的方程误差,构建了包含辨识关系的矛盾方程.通过广义逆矩阵对动刚度进行等效处理,讨论了刚度信息之间的耦合关系,提出了结合部耦合动刚度的建模方法,建立了刚度信息不同程度耦合的动力学模型.最后,基于LMS试验平台进行了现场试验,获得了良好的试验效果,证明了该方法的可行性.对比分析了不同动力学模型的预测效果,结果表明:结合部动刚度耦合关系对动力学模型的低频预测性能影响显著,动力学建模时考虑刚度信息的耦合关系是必要的.     

具线性耦合非线性网络的完全同步

通过讨论一类具线性耦合项的非线性网络,在耦合矩阵是对称的Laplacian矩阵的情形下,利用某种二次型是半负定的条件,构造该网络的完全同步.     

基于模糊粗糙集的辨识矩阵属性约简方法

通过构造辨识矩阵进行属性约简是一种有效的降低数据维度的方法.然而,经典粗糙集构造的辨识矩阵的局限性在于并不适用于连续型数据,只适用于离散型数据.因此,本文研究在模糊粗糙集下的辨识矩阵属性约简模型,并讨论该模型的相关数学性质,提出相应的算法来对连续型数据进行属性约简.通过实例验证该方法是有效的.     

基于关联矩阵的网络拓扑辨识方法研究

提出一种基于关联矩阵的网络拓扑辨识方法．通过对网络的链状和树状基本结构关联矩阵的分析，认为关联矩阵可以完全反映网络基本结构的拓扑信息．网络关联矩阵经过矩阵变换形成三角矩阵，可以反映网络拓扑结构；对三角矩阵进行分级和分解运算，可以提取网络的拓扑信息．这种方法适用于实际应用中常见的树状结构拓扑的辨识，甚至适用于带并联支路（环路）的网络拓扑辨识．该方法简洁实用，结合系统设计仍有更进一步扩展的潜力。     

基于Haar小波微分运算矩阵的分布参数系统辨识

在Haar小波正交逼近变换的基础上,对一阶线性分布参数系统参数辨识问题进行了研究.利用微分运算矩阵及其性质,将原偏微分方程描述的线性分布参数系统转化为一组代数矩阵方程,再利用最小二乘法,确定出待辨识的系统参数.基于Haar小波微分运算矩阵方法与基于积分运算矩阵的方法相比,避免了对偏微分方程进行多重积分运算、再利用积分运算矩阵的过程;而且可以不考虑初始条件和边界条件,简化了问题的求解过程.仿真实例表明了该方法辨识精度高,待辨识的3个参数辨识率分别达到0.06％、1.17％、0.26％,可以作为一种解决分布参数系统辨识问题的工具.     

基于不完备模糊决策信息系统的知识约简

知识约简是粗糙集理论研究中的一个重要内容,可辨识矩阵是属性约简的一个重要方法,把这种方法推广到不完备模糊决策信息中,定义了相似关系下的可辨识矩阵,提出了不完备模糊决策信息系统中相似关系的可辨识矩阵属性约简的算法,最后用实例验证了算法的可行性.     

基于线性矩阵不等式的牵制控制策略分析

研究复杂动力学网络的同步牵制控制问题.通过引入牵制控制,对具有大规模节点网络中的小部分节点实施线性反馈控制策略,使得整个网络的所有节点均达到同步.针对一类一致连结的耦合复杂网络模型,采用线性矩阵不等式的方法给出了实施牵制控制达到同步的充分条件.该条件表明,选择牵制异质网络中度较大的节点可能更容易使得网络实现同步.特别地,对于特定的内部耦合矩阵和足够大的耦合强度,只要对网络中任一节点实施牵制控制就可以保证整个网络同步的实现.数值仿真验证了上述结论的有效性.     

不完备模糊决策信息系统中的知识约简

知识约简是粗糙集理论研究中的一个重要内容,可辨识矩阵是属性约简的一个很重要的方法,本文把这种方法推广到不完备模糊决策信息中,定义了相似关系下的可辨识矩阵,提出了不完备模糊决策信息系统中相似关系的可辨识矩阵属性约筒的算法,最后用实例验证了算法的可行性.     

基于卡尔曼滤波和神经网络的PMSM参数辨识

永磁同步电机(PMSM)是一种非线性、强耦合的控制对象,电机参数的变化加大了其控制难度.因此,参数辨识对于其闭环控制系统的稳定运行有着重大的意义.文中针对这一非线性、强耦合的模型,研究了一种基于扩展卡尔曼滤波(EKF)和El man神经网络(El man NN)的永磁同步电机参数Rs,ψd和ψq的辨识方法.仿真结果表明,该方法具有很快的收敛速度,能很精确地辨识PMSM的Rs,ψd和ψq,该网络具有良好的泛化能力,在变速变负载等复杂情况下也适用.     

随机信息系统中基于不可辨识矩阵的属性约简

在随机信息系统中,根据不可辨识关系,提出了不可辨识属性矩阵的概念,证明了不可辨识属性矩阵与可辨识属性矩阵的关系,最后提出了一种基于不可辨识属性矩阵约简算法.实例研究表明,相对于可辨识属性矩阵算法,该算法在时间和存储空间上都有较大的改善和提高.     

基于Hopfield神经网络的线性系统参数辨识

基于Ｈｏｐｆｉｅｌｄ网络的神经计算原理,提出了一种新的线性系统参数辨识方法,首先建立系统的Ｉ／Ｏ差分方程以模型误差二次型作为ＨＮＮ的能量函数,辨识差分方程的系数矩阵,最终得到线性系统的全部矩阵参数,数值仿真的结果证明了该方法的有效性。     

一般拓扑结构的复杂网络的稳定性和同步

研究了具有一般拓扑结构的复杂动态网络的稳定性和同步.相对于以往的复杂网络的稳定和同步研究,本文针对的是一般拓扑结构,即没有对外、内耦合矩阵进行限制.外耦合矩阵没有必要是对称阵或可对角化阵,内耦合矩阵也没有设定为对角阵或者正定阵.得到的主稳定方程包含外耦合矩阵和内耦合矩阵的谱信息,因此由其推导的稳定性和同步化条件和现有的结果相比更加精确和细致.最后的数值算例说明了结论的正确性.     

用 Hopfield 网络求 LS 法的损失函数及辨识参数

讨论了用连续Ｈｏｐｆｉｅｌｄ神经网络实现最小二乘（ＬＳ）法同时求损失函数及辨识参数，进而对该网络的一次输入的矩阵参数进行多阶次辨识的计算。通过增加一维输入矩阵使其构成计算所需要的结构，及根据最小二乘法结构上的特点对该网络的反馈信息加以控制的手段，使该网络在稳定时，能够同时输出辨识参数及损失函数。依此顺序对反馈信号进行控制，可以依次得到低于该输入阶次的各阶辨识参数及损失函数     

序决策信息系统中基于差别信息树的分配约简

差别信息树是在等价关系下差别矩阵的基础上提出的,并没有考虑序决策信息系统的情况.在差别信息树的基础上提出了基于分配可辨识矩阵的差别信息树,研究了该差别信息树的相关性质,分析了基于分配可辨识矩阵的差别信息树的时间和空间复杂度,进而给出了适用于不协调序决策信息系统的分配约简方法.     

不相容决策表属性约简计算的一个可辨识矩阵方法

基于Skowron可辨识矩阵求属性约简的分辨函数方法只适合于相容的决策表,对于不相容的决策表,该方法可能产生错误的结果.对Skowron方法进行改进,提出一个计算不相容决策表属性约简的可辨识矩阵方法,并给出方法正确性的证明.     

非线性变时滞耦合复杂网络的牵制控制

研究具有非线性变时滞耦合复杂网络模型的同步问题,通过牵制控制的方法对变时滞耦合复杂动力网络进行同步控制.分别对外耦合矩阵可约和不可约两种情况设计了简单的控制器,通过控制网络的少部分节点使网络同步于一个孤立的节点.根据Lyapunov稳定性理论和线性矩阵不等式理论得到了非线性变时滞耦合的复杂网络的牵制同步的充分条件.数值仿真采用了新的混沌系统模型,仿真结果进一步证明了结论的正确性和有效性.     

基于子空间辨识的DOA和频率联合估计算法

针对阵列信号波达方向(DOA)和频率联合估计计算量大、参数配对较困难等问题,提出了一种基于子空间辨识方法的DOA和频率联合估计算法.该算法构造了一个特殊的状态空间模型,并通过选取辅助矩阵来抑制噪声.由子空间辨识方法得到广义可观测矩阵的估计值,再利用总体最小二乘(TLS)方法得到系统矩阵的估计值,由系统矩阵得到DOA和频率的估计值.该方法具有参数自动配对和计算量小的特点.计算机仿真验证了该算法的有效性.     

连接增加对网络同步能力的影响

文章运用矩阵理论,证明了无向网络对应耦合矩阵的第二大特征值随正耦合的增加(或加强)而不增这一性质。由耦合矩阵第二大特征值与网络同步能力之间的关系可知,同步区域无界的无向连通网络增加(或加强)正耦合后,其同步能力可能增强,也可能保持不变;增加(或加强)负耦合后,其同步能力可能降低,也可能保持不变。用几种具体网络验证了结果的正确性,数值计算结果表明,同步区域有界网络一般不具有这个性质。     

基于因特网的共享控制系统接入设备的在线辨识

研究在基于因特网的共享控制系统中,服务器节点在时变时延的网络环境下对接入设备对象的在线辨识.分析网络环境下被控设备对象在线辨识的方法与理论难点,融合控制技术及网络通信技术设计网络环境下共享控制系统接入设备在线辨识的模型结构.实现了服务器节点在网络环境下对电液位置伺服控制设备的模型参数辨识.以无网络环境下对该设备的辨识结果为基准,二者辨识结果基本一致.结果表明,该方案实现了被辨识的设备对象与辨识的服务器在空间位置上的分离,扩展了系统辨识的应用范围.     

基于优势-等价关系的属性约简算法

考虑多标准分类问题,即条件属性具有偏好关系而决策属性是无序的类别,通过在条件属性上引入优势关系而决策属性仍然用等价关系来描述不同的属性.针对这类信息系统,本文提出了一种基于样例对的矩阵约简算法.区别于传统的基于辨识矩阵约简方法,该算法在不计算辨识矩阵的前提下,通过选择样例对,来找到辨识矩阵中对约简有用的属性,因此,所提算法能够明显改善计算约简的时间耗费.进一步,为了处理较大规模的数据,提出了一种近似约简算法,该算法按属性重要性添加属性到约简中,进一步缩短了求取约简的时间.最后在UCI数据集上进行大量的实验与传统的约简算法进行了对比,表明了所提出算法的可行性与有效性.