基于多值编码的混合遗传算法的小波神经网络优化

采用多值编码方式构造染色体结构，对小波神经网络的结构和参数进行编码，可以同时确定小波神经网络结构和优化网络参数，简化了问题的求解过程。在遗传算法中嵌入一个梯度下降算子，使得混合算法既有较快的收敛性，又能以较大概率得到全局极值。仿真表明，利用该算法训练小波神经网络，能使网络具有简单的结构形式，较快的收敛速度，较高的逼近精度和较强的泛化能力。     

连续参数小波神经网络的递阶遗传训练方法

提出递阶遗传训练方法用于训练连续参数小波神经网络的参数及其结构.现有的连续参数小波网络训练方法大多只能训练网络的参数,包括平移参数、伸缩参数和权值,而网络的结构得预先用某种方法确定.应用递阶遗传算法能够把网络的结构和参数同时通过训练确定.利用混沌时间序列数据进行仿真,结果证明该模型具有较高的预测精度,提出的方法是可行的.     

基于神经网络动态非线性非平稳经济系统预测

考虑实际经济系统中广泛存在着非线性和时变性因素，以及大部分变量的序列具有增增长特性，提出了用网络方法，建立实际经济系统的时变非线性模型，采用增广卡尔曼滤波算法训练神经网络，并根据先验信息（序列的时间增长特性）构造参数转移矩阵，对实际经济的预测分析结果证明，与传统定常非线性预测模型相比，该方法不仅可以在线递推预测，而且由于参数转移矩阵的引入，预测精度得到很大的提高。     

发酵过程混合神经网络模型及其仿真

提出了一种新型的发酵过程混合神经网络模型，该模型由非线性神经网络和线性神经网络两部分组成，由于非线性神经网络采用结构具有线形式的Flat网络，两个网络能够合并为同一表达式，并具有线性形式，可采用线性最小二乘法求解网络权值，与串联结构及串并联结构混合神经网络模型相比，该模型训练方式简单，并可方便地使用在线辨识算法。     

基于投影寻踪学习网络模型的光纤陀螺漂移估计器设计

环境温度变化造成的复杂漂移（温度漂移）始终是制约光纤陀螺（FOG）性能提高的重要因素。FOG温度漂移本质上是一组与温度有关的多变量非线性时间序列，在这一领域首次采用投影寻踪学习网络（PPLN）方法设计FOG温度漂移在线估计器，相对于传统的神经网络技术，PPLN采用批量学习和参数变替优化的训练算法，可以自适应确定神经网络的规模、参数和神经元函数，不仅具有简捷的网络结构和较强的鲁棒性和模型辨识能力，还可以有效克服学习过程局部极限问题。基于该方法设计PPLN漂移估计器对某型FOG温度漂移进行估计。采用试验实测数据对所提方法进行验证，并采用传统反向传播神经网络（BPNN）的方法进行比较，计算分析结果表明，PPLN漂移估计器具有更好的估计精度和鲁棒性，尤其在陀螺温度不正常变化时对当前漂移的估计精度可以提高至少2倍。     

基于RBF神经网络的高斯混合近似算法

在分析RBF神经网络基本结构的基础上,提出一种基于RBF神经网络求解非高斯概率密度近似为高斯概率密度和的方法.该方法通过选取高斯函数作为神经网络的径向基函数,提取训练好的网络参数,运用这些参数构建混合成分的函数模型.理论分析与仿真证明,与传统采用EM近似算法相比,该算法具有求解跟初值的选取无关、能避免发散、收敛快的特点.     

一种量化因子自适应学习量化训练算法

深度神经网络因参数量过多而影响嵌入式部署，解决的办法之一是模型小型化（如模型量化，知识蒸馏等）。针对这一问题，提出了一种基于BN（batch normg lization）折叠的量化因子自适应学习的量化训练算法（简称为LSQ-BN算法）。采用单个CNN（convolutional neural）构造BN折叠以实现BN与CNN融合；在量化训练过程中，将量化因子设置成模型参数；提出了一种自适应量化因子初始化方案以解决量化因子难以初始化的问题。实验结果表明：8bit的权重和激活量化，量化模型的精度与FP32预制模型几乎一致；4bit的权重量化和8 bit的激活量化，量化模型的精度损失在3%以内。因此，LSQ-BN是一种优异的模型量化算法。     

基于GA的模糊神经网络控制器的设计与仿真

提出了一种基于改进遗传算法（GA）训练结构和参数的神经网络控制的算法，它采用并行的模糊推理网络，具有自适应自学习的特点，将该算法得到的控制器用于实际工业对象模型的温度控制仿真，结果令人满意。     

基于遗传算法的神经网络两阶段学习方案

一种两阶段学习方案被提出用于神经网络的训练。在第一阶段，让实数编码的遗传算法来代替人解决神经网络结构的选择和初始参数的设定，称之为结构辨识阶段。在第二阶段，让传统的优化算法来解决参数的学习，称之为参数辨识阶段。在整个学习过程，神经网络的复杂度、逼近精度和泛化能力之间得到了满意综合。     

直接甲醇燃料电池温度响应的建模与仿真

给出了一种用于直接甲醇燃料电池(DMFC)温度响应的人工智能建模方法.采用BP网络、Elman神经网络与自适应神经模糊推理系统(ANFIS)避免了精确数学模型的复杂性.详细描述了辨识结构、算法和模型训练方案.通过不同模型之间的仿真对比,得出了三种网络的最优结构参数.仿真结果满足精度要求,得出ANFIS模型性能最优.在ANFIS模型基础上对DMFC温度响应特性作了简要分析.通过仿真模型可快速得到其输入输出特性,使DMFC温度响应的在线预测与控制成为可能.     

2030冷连轧机双电枢电机速度系统的建模和仿真

将2030冷连轧机双电枢电机速度控制系统的建模和仿真等效简化处理为单电枢电机的建模和仿真，从而能在一定程度上提高冷连轧机仿真的速度和实时性。经详细的分析和计算，得到了2030冷连轧机带弱磁调速和速度自适应环节的直流电机速度控制系统各环节的模型结构和参数。仿真结果表明，所建立的速度控制系统的输出响应与现场实际一致，从而证明了所建立的速度控制系统模型是准确的。这种速度控制系统模型结构齐全，具有很大的通用性。     

冷连轧过程仿真软件包的研制

以四机架冷连轧机为背景，开发研制了一个结构简单、使用方便、具有一定开放性的冷连轧过程仿真软件包（ＴＣＲＳＩＭ），为新的建模与控制方法在冷连轧过程中的应用研究提供了良好的仿真环境。     

考虑实时库存的轧制计划调整模型及算法

在冷装工艺生产模式下,不合理的轧制计划将导致不必要的钢坯库倒垛作业,严重时甚至会造成轧制生产的延迟或中断.本文在已知轧制计划和实时钢坯库存堆放情况的前提下,对轧制计划设置了三种调整策略:轧制钢坯替换、轧制单元内钢坯轧制顺序调整以及计划钢坯取消轧制调整.基于调整策略,建立了以最小化调整惩罚及实施计划时的钢坯库倒垛次数的加权平均和为目标的数学模型,并结合问题特征设计了三阶段求解算法(THA).通过基于实际生产数据的实验验证,结果相对于原轧制计划,在满足轧制工艺规程前提下大量减少了钢坯库的倒垛次数,算法和模型是可行且有效的.     

变形体凝固传热焓式有限元数学模型与过程仿真

建立了变形体凝固传热焓式有限元控制数学模型，并开发了相应的连续铸轧过程数值仿真软件。应用该软件可以对铸轧坯凝固状态进行动态跟踪，得到任意时刻铸轧坯温度场分布，冷凝层厚度与铸轧坯截面位置之间的关系以及表面温度与凝固时间之间的关系，并直观地以图象形式输出，为最佳工艺参数及连续铸轧机设计提供理论依据。     

决策层时空信息融合的神经网络模型研究

融合目标识别可以获得比任意单传感器更加准确的目标识别结果。决策层融合由于其在信息处理方面具有很高的灵活性,成为信息融合研究的一个热点。针对传统融合算法环境适应性较差的缺点,提出了一种决策层时空信息序贯融合的神经网络模型,讨论了利用各传感器所处环境和专家知识等先验信息确定网络初始权值的方法,研究了网络权值的在线学习算法。仿真实验证明该网络模型的有效性。     

基于案例推理的冷轧负荷分配模型研究

针对冷轧负荷分配的特点,提出了一种基于案例推理的冷轧负荷建模方法,着重研究了基于粗糙集和神经网络的快速案例检索以及利用数据库中的知识发现技术进行案例修改,经现场数据对比实验表明所建模型更符合实际轧制情况。     

基于随机规划的制造/再制造物流网络优化设计

针对含有连续型随机参数的制造/再制造物流网络优化设计问题,在Monte Carlo模拟抽样基础上,建立了样本数量决定解算效率的两阶段随机规划模型,给出了模型求解的混合遗传算法,结合样本均值近似方法阐述了获取理想目标值及其可行解的最优值上下界逼近技术,明确了基于两阶段随机规划的物流网络优化设计步骤,举例说明了模型及其算法在设计决策中的应用。     

基于改进d-Xdraw算法的起伏地形下异构多传感器分簇部署方法

为解决起伏地形环境下异构多传感器网络表面覆盖问题,提出了多传感器多阶段分簇部署方法。首先,考虑地形遮挡效应,给出了起伏地形环境下的传感器侦察与通信模型。其次,为快速获取传感器覆盖范围,构建了基于视线交点相似性判断的改进型d-Xdraw可视域求解算法。然后,为增强覆盖率,采用分簇部署策略,将传感器部署过程分为多个阶段,并结合各阶段特点分别采用微粒群和改进虚拟力算法进行求解。实验表明,改进d-Xdraw算法能够在牺牲少量精度的同时,有效提升可视域的求解速度;相较于传统的直接优化部署方法,多阶段分簇部署方法可节省最多26.7%的运算时间,覆盖率可提升10.9%。     

电磁跟踪系统磁传感器三轴非理想正交的快速校正算法

六自由度电磁跟踪系统由于磁传感器三轴非理想正交,系统引入误差导致参数定位精度降低。为了克服传统的基于共轭次梯度算法和神经网络模型校正方法存在的算法复杂、计算耗时较长、精度较低的缺点,提出了以误差校正矩阵〖WTHX〗P〖WTBX〗为基础的快速校正算法,同时实现了非正交参数的提取和系统误差的校正。通过系统特定参数的跟踪模型,构造了包含非正交参数的线性方程组,求解出误差校正矩阵。数值模拟结果表明,该方法具有算法简单、计算量小、快速准确的优点,可以有效校正电磁跟踪系统由于磁传感器三轴非理想正交而引入的参数误差,提高了系统定位精度。     

拓扑可调无标度网络上的雪堆博弈研究

复杂网络上博弈个体间合作行为的涌现具有重要的现实意义.为了研究无标度网络拓扑结构对合作涌现的影响,结合雪堆博弈模型和比例模仿策略,研究了拓扑结构可调的无标度网络上的博弈动力学演化,具体研究内容为网络的幂律指数、平均度和平均聚类系数与合作密度的关系.仿真结果表明,无标度网络的合作密度与网络度分布的均匀程度正相关,高聚类结构可以有效增强网络上的合作密度,即幂律指数越高,平均聚类系数越小时,合作水平越低;另外,平均度与合作密度呈现非单调关系,存在一个最佳平均度.