分片线性神经网络逆系统方法的内模控制

为提高传统逆系统方法的跟踪精度和抗干扰能力,提出了基于连续分片线性神经网络α阶逆系统方法的非线性内模控制方法.利用标准连续分片神经网络逼近非线性系统的α阶逆模型,将它串连在原系统之前,得到复合的伪线性系统,对该伪线性系统应用内模控制策略进行控制,并分析了闭环系统的性能.仿真结果表明:该方法跟踪效果好、抑制干扰能力强,且设计简单,是解决非线性系统控制的一种可行的方法.     

非线性系统的线性控制方法研究

提出一种对非线性系统用线性控制的方法,通过前馈控制器进行控制。并对此控制方法的实现进行研究。最后采用此控制方法对一非线性系统进行了的仿真,仿真结果表明,本方法具有较好的控制效果。     

神经网络在线性系统辨识中的应用

本文把具有线性处理单元的神经网络应用于线性时不变动态系统辨识;讨论了用多层前向网络和回归网络分别对线性时不变动态MIMO系统的输入输出模型和状态空间模型进行辨识的方法;提出了用线性系统粗糙模型的先验知识对神经网络权进行初始化的方法.仿真实验表明所提出的初始化方法比随机初始化法的学习有更快的收敛速度.     

用反馈神经网络对非线性离散系统进行实时建模

利用时变反馈神经网络的概念及二维线性系统理论给出了非线性离散系统的一种实时建模方法,理论及仿真实验结果均表明,这种实时模型能够任意逼在线性离散系统。     

基于自适应神经网络的调频调幅信号预测

线性调频信号在雷达和声纳探测上有着广泛的应用,利用自适应神经网络理论对线性调频信号的预测进行了研究,建立了自适应神经网络预测控制模型．在Matlab里进行了仿真,从图上可以看出,尽管在预测的初始阶段误差较大,但经过一段时间后,误差几乎趋于零．结果表明自适应神经网络能较好地对线性调频信号进行预测．     

利用串/并联神经网络建立化学反应器模型

本文研究使用线性动态神经网络与非线性的静态网络相结合的混合建模方式解决复杂非线性系统的建模问题。使用混合神经网络建模，可以降低单个网络的训练难度，基于此，也可将非线性系统控制策略的求解分解，转换为线性系统的求解。从而改善使用单一神经网络建模存在的精度不高以及训练时间长等不足，也为非线性系统控制策略的求解提供方便。本文以一个典型多变量系统——连续搅拌釜式反应器（CSTR）作为仿真对象，详细研究和实现了两类神经网络串联和并联的混合建模方法，并对结果进行了比较。     

多时滞线性系统的H∞-特性

该文讨论了多时滞线性系统的H∞ 控制问题 ,利用线性矩阵不等式得到了所有使得系统具有强H∞ 特性的状态反馈控制器存在的充分必要条件以及设计方法。文献中有关时滞线性系统以及线性系统H∞ 控制问题的主要结果可以作为该文的特例。     

非线性振动控制的神经网络离散逆系统方法

针对非线性结构振动控制难以用线性控制方法精确控制的情况，提出神经网络离散逆系统方法．建立了结构的离散化模型，再用神经网络将非线性系统通过逆系统变换变为伪线性系统，对该伪线性系统可以用一般线性方法精确控制．该方法将非线性结构控制问题转化成了线性结构控制问题，使问题难度大大减小．对某非线性建筑结构振动作了控制仿真，实现了精确线性化，控制效果曲线与对线性结构控制效果曲线几乎完全吻合．神经网络离散逆系统方法发挥了神经网络和线性控制各自的优点，可用于强非线性结构的振动控制．     

一类具有时滞非自治线性系统的指数稳定性

为探讨一类具时滞非自治线性系统指数的稳定性及其实用性,本文利用Lyapunov函数方法和线性矩阵不等式及Riccati微分方程解的性质等,给出了这类线性系统指数稳定性的充分条件,这些充分条件可用线性矩阵不等式表示,且表达式中含有时滞项。实例举证说明本文得到的结果具有一般性和实用性。     

基于线性神经网络的协整分析

利用线性神经网络进行协整系数的估计,首先检验变量的数据生成过程,再利用线性神经网络进行拟合,最后检验残差的平稳性,以确定变量之间是否存在协整关系.该方法具有简便、直观、精度高的特点.     

基于BP神经网络的PID控制器

介绍了一种基于神经网络自学习PID控制器,该控制器能通过自学习不断进行适应性控制,以保证系统的输出符合实际应用的要求, 其主要特点是采用线性预测模型来近似确定控制参数,进而进行神经网络控制,仿真结果表明该方法有较好的效果。     

线性时变系统辨识的神经网络方法

构造了一种用于线性时变系统辨 神经网络,研究了它对线性时变控制系统的逼近能力。在以Ｌ＾２（０,ｔ１）;Ｒ＾ｍ的任意一个有界子集为控制函数集上,神经网络具有一致逼近线性时变系统的状态的能力,了采用标准正交系作为样本的 训练方法,按照这种方法训练后,在由这个标准正交系所生成的Ｌ＾２「Ｏ,ｔ１」;Ｒ＾）的空间上,神经网络的输出一致逼近线性时变系统的状态。     

线性系统传递函数的阶数辨识

在实际系统的参数辨识中，系统的结构往往并不知道，因此，要想正确辨识系统参数，就必须同时要辨识系统的阶数。该文根据线性系统的频域分析原理，讨论了包含有积分环节的线性连续时间系统的阶数辨识方法，并详细描述了线性系统阶数辨识的实现过程以及用Ｆ检验法来辨识模型结构的步骤与程序设计分析设计方法。实验结果表明，这种方法具有一定的辨识精度和工程应用价值。     

混合变时滞的中立型神经网络全局指数稳定性

利用Lyapunov—Krasovskii稳定性理论和线性矩阵不等式（LMI）处理方法,研究了一类具有混合时变时滞的中立型细胞神经网络的全局指数稳定性问题,获得了该模型平衡点全局指数稳定的一个新的充分条件．改进和推广了已有文献的结果,降低了系统的保守性．所得结论对更好的模拟细胞神经网络的行为具有重要的指导意义．     

基于小波网络的非线性多变量约束预测控制

为了解决非线性多变量系统的建模、控制和优化问题 ,论文扩展基于小波神经网络的单变量系统辨识到多变量系统辨识 ,并用它实现非线性预测控制。对开环稳定过程 ,引入一个具有输入约束的基于小波神经网络模型的区域预测控制方案 ,它的闭环稳定性能够通过适当选择它的预测水平来保证。基于上述动态控制方案 ,提出了一个稳态状态优化方案。通过对一个聚酯生产过程的仿真研究 ,证实了上述方法的有效性。由于能够通过线性最小二乘 (L S)估计方法来辨识 ,该模型易于实现并可用作通用模型。仿真研究的结果表明了该模型的通用性、辨识和控制方法的简单性 ,所提出方案能够被用于过程工业的非线性系统的建模和控制     

线阵CCD传感器构成的高精度尺寸检测系统

介绍了线阵CCD传感器的工作原理、器件选择及参数确定、线阵CCD构成高精度尺寸检测系统的组成及其光学系统设计。提出了采用高速CCD视频数据采集电路、带阈值与积分反馈的二值检测电路及数字图像处理技术等措施来提高CCD检测系统测量精度的方法;并给出了应用高分辨率线阵CCD构成微机辊形检测系统的应用实例。实验结果表明,该系统具有较高的检测精度。     

非线性信道判决反馈递归神经网络自适应均衡器

针对存在严重符号间串扰及轻度非线性畸变的数字信道，提出了一种判决反馈递归神经网络为均衡器，它将传统的线性信道判决反馈结构巧妙地融入递归神经中，在自适应训练时用期待２信号代替判决反馈信号。     

广义线性特征系统和广义线性相对特征系统

本文提出了广义线性特征系统和广义线性相对特系统等概念,给出了广义系统为线性相对特征系统的充分条件和为广义线性相对特征相对特征系统的充要条件,最后,对广义线性相对特征系统的极点配置和稳定化问题给出一种算法。     

基于LMI的随机神经网络全局渐进稳定性

研究了一类变时滞的随机神经网络模型零解的全局渐进稳定性.基于Lyapunov稳定性理论,通过构造新型Lyapunov-Krasovskii泛函,利用线性矩阵不等式分析技巧,结合It^o微分公式,得到了保证网络的平衡解为均方意义下全局渐进稳定的判别条件.推广了一些已有的结果,并且更少保守.所的结论可用Matlab中的线性矩阵不等式工具箱进行计算来验证网络的稳定性,通过数值例子证明了结论的有效性和易用性.     

以计算能力为特色的线性代数重点课程建设研究

重点课程建设应以提高人才培养质量为目标。文章以线性代数重点课程建设为背景,阐述了以计算能力为特色,基于合作研讨式教学方法的课程建设方案。该方案从"教学内容建设"与"教学方法改革"两个方面入手,科学合理地整合了教学内容体系,引入了数学实验与讨论课,完善了教学评价体系,将合作研讨式教学方法贯穿于整个教学过程中,增强了学生的计算能力与自主学习能力,教学效果显著。