基于先验知识和神经网络的非线性建模与预测控制

神经网络模型是模拟非线性系统的有力工具，它的缺陷是难以利用已有的先验知识。利用通用学习网络的建模方法，提出了一种利用先验知识和神经网络建立非线性系统模型的方法，具有简化神经网络结构、减小计算量的优点。基于这种模型利用改进的遗传算法进行优化计算，从而实现了基于先验知识和神经网络的非线性建模和预测控制。对一个悬吊系统的仿真实验说明了该算法的有效性。     

从线性到非线性——科学发展的历程

讨论了丝性系统的特点和非线性现象中混沌的本质特征，通过讨论非线性与科学的关系，指出非线性是系统科学的基础。最后对非线性系统的研究方法作了总结。     

非线性、变参数系统的求解、分析与综合方法

介绍求解、分析、综合非线性、变参数系统的新方法为多级线性化－高阶微分方程法，它还具有补偿效应。多级线性化－高阶微分方程法的主要特点是：对非线性、变参数系统原始方程，进行必需阶次的微分，以获得相应的高阶微分方程，它反应了系统的主要特性，包含了原始系统的更多信息，此方程的基本解组可确定非线性、变参数系统的参数，从而起到综合作用。而且多级线性化－高阶微分方程的解，特别是它的带补偿效应的解，可较精确地反映非线性、变参数原始系统的特性。     

受约束的非线性系统的可解性

本文研究了具有状态约束的非线性系统的可解性问题，给出了在等式约束和不等式约束条件下非线性系统解存在的充分必要条件。     

企业技术创新行为非线性系统的动力学分析

企业技术创新行为是一个复杂的动态系统，技术创新系统中的各个要素相互影响、相互依赖是企业技术创新行为系统非线性的重要前提备件。本文首先对企业技术创新行为的非线性行为进行了界定．接着构建一个动态非线性系统模型，从系统动力学角度研究了企业的技术创新行为系统，揭示了企业技术创新行为非线性系统的动态演化路径。     

基于混沌-神经网络模型最优控制及应用

由于非线性混沌时间序列内部确定的规律性，其重构相空间具有高精度短期预测性．为此，为了实现非线性、大时滞系统的自适应控制，文章根据具有混沌特性非线性、大时滞系统的时间序列重构相空问，计算相空间饱和嵌入维数、最大Lyapunov指数和系统的可预报尺度，并以此为指导，建立神经网络预测模型对系统作高精度的短期预测；在此基础上，通过反馈校正，将校正误差和控制增量引入性能函数寻优得最优控制决策，实现了对非线性、大时滞系统高精度的自适应预测控制．将该控制决策应用在锅炉过热汽温控制中，仿真表明该控制的有效性、快速性和鲁棒性．     

Bouc-Wen滞回系统动力学特性的仿真研究

Bouc-Wen滞回模型包含了非线性阻尼和非线性刚度，对各种光滑的滞回曲线都能较好的近似描述，在工程中得到了广泛应用。在不同参数下，Bouc-Wen滞回模型使系统具有软或硬式响应特性，导致系统有非线性振动特性。本文利用数值仿真技术，研究了不同参数下单自由度Bouc-Wen滞回系统稳态振动最大振幅与频率之间的关系，并分析了Bouc-Wen滞回参数对滞回振动系统的分叉与混沌的影响，发现一些新的现象。     

无模型控制方法在直线电机控制中的仿真研究

将基于偏格式线性化的非线性系统无模型学习自适应控制方法应用在直线电机的速度和位置控制中．控制器的设计是直接基于称为伪偏导数的向量，伪偏导数是通过新型参数估计算法，根据给出的永磁直流直线电机非线性系统模型的输入输出信息在线导出的。利用Matlab软件进行仿真实验证明了该方法对电机这种具有不确知动态的非线性系统的有效性和稳定性。     

宽带LFMCW扫频源的相对非线性校正方法

提出了一种利用相对非线性实现宽带LFMCW信号扫频非线性校正的方法，对该方法的原理进行了推导，并进行了计算机仿真和实际系统试验。该方法与以前的方法相比，具有不需已知延迟时间参数t     

基于PSO优化LS-SVM的小样本非线性协整检验与建模研究

针对小样本非线性时间序列，根据非线性协整的定义，利用基于粒子群优化最小二乘支持向量机的方法，对小样本非线性协整关系检验与非线性误差修正模型建模进行研究，设计了方法的 逻辑流程. 对舰船维修费指数与物价指数进行实证研究，在协整关系类型判断的基础上，实现了小样本非线性协整关系的检验，建立了预测舰船维修费指数的非线性误差修正模型，并与线 性向量自回归模型进行分析比较. 研究表明：基于粒子群优化最小二乘支持向量机的小样本非线性协整检验与建模方法，刻画了小样本系统的非线性协整关系，所建立的非线性误差修正模 型具有较好的预测效果，能够有效地预测小样本非线性系统.