考虑输入饱和的直接自适应神经网络跟踪控制

基于Lyapunov稳定性定理和backstepping方法,针对一类受输入饱和限制的单输入单输出非线性不确定系统,提出了一种考虑输入饱和的直接自适应神经网络控制算法. 采用动态面控制方法和直接自适应神经网络控制方法,避免了传统控制设计中的“计算量膨胀”问题和潜在的控制器奇异值问题. 借助一种饱和内补偿辅助系统处理系统中的输入饱和限制问题,以保证系统的稳定性和控制性能. 该算法不但保证了闭环系统信号一致最终有界,而且使系统输出能收敛到零的一个较小邻域. 以大连海事大学远洋实习船“育龙”轮为例进行仿真,验证了所提控制器的有效性.     

基于LS-SVM的温度传感器非线性关系拟合及参考端温度补偿

文章编号: 提出一种基于最小二乘支持向量机(LS-SVM)的温度传感器非线性关系拟合模型,并根据温度传感器的输入 输出特性给出两种方案对参考端温度进行补偿. 建立了LS-SVM回归模型,利用LS-SVM超强的学习能力对温度与电势 间的非线性关系进行精确拟合. 两种方案均可对参考端温度进行有效补偿,其中方案2 可根据参考端温度、传感器实测 电势对实际温度直接拟合,简化了补偿过程,提高了识别精度. 实验表明,LS-SVM回归法及文中所提出的补偿方案能很 好地逼近实际温度,提高测量精度.     

用反向传播神经网络求解J积分

提出了一种基于反向传播神经网络（Back Propagation Neural Network)建立专家系统求解J积分的方法。该方法以构件或材料的性能和形状参数，裂纹的几何参数为神经网络专家系统的系统输入，利用神经网络所具有的自学习，自组织能力，来实现系统输入与输出参数之间的非线性映射。通过应用实例表明，该方法可以用来有效求解J积分。     

采用多变量RBF神经网络的非线性内部迭代预测控制

针对工业过程中被控对象往往具有复杂、强非线性、多变量的特性,提出一种基于多变量径向基函数(radial base function,RBF)神经网络的非线性内部迭代预测控制方法.采用多个RBF神经网络在线逼近多输入多输出的非线性系统,得到一个近似模型作为预测模型.同时为了减少求解系统控制律的计算量,将每个输出预测值沿着输入轨迹展开,从而把求解复杂非线性优化问题转化为求解简单的二次规划问题,解决了在线实时递推控制律时求解非线性微分方程的困难.最后通过t次内部迭代直至满足迭代条件,得到了最优的控制律.p H中和过程的仿真结果表明了该算法是有效而可行的.     

数据驱动的液位传感器故障串联补偿方法研究

针对超声波液位传感器故障引起的非线性误差,基于数据驱动建模技术设计了一种逆补偿环节,以期能有效地补偿故障误差对系统的影响。首先借助故障传感器与正常传感器分别获得带故障误差与实际液位的测量值,然后利用LM-BP神经网络的非线性逼近特性设计超声波液位传感器故障误差的逆补偿环节。为验证该补偿方法的有效性与实际可用性,基于OPC、Matlab、Step7及Simatic等技术搭建PCS半实体实验平台,并将设计的逆补偿环节置于搭建的液位控制半实体平台的补偿环节中进行闭环实验。结果表明,该补偿方法对超声波液位传感器故障误差补偿是有效的,并且可将其应用于实际工程中。     

一类状态不可测非线性时滞系统的神经网络故障诊断

针对一类状态不可测的非线性时滞系统,提出了基于神经网络故障诊断的新方法.采用系统的状态和时滞状态的估计值作为神经网络的输入对故障进行估计.首先构造一种状态观测器结构,利用输出信息和神经网络的非线性逼近能力对系统不可测状态进行估计,然后对系统发生的故障用另一个RBF神经网络进行估计,故障估计器的输入为系统的当前估计状态以及时滞状态,所估计出的故障是随时间变化的非线性函数.基于Lyapunov理论,分析并证明了系统的稳定性和参数收敛性,同时作了仿真研究.仿真结果表明,该方法能够很好地解决一类状态不可测的非线性时滞系统的故障诊断问题.     

基于多层感知机神经网络的智能高度传感器设计

基于大气中的两个物理参量:大气静压力、大气温度以及它们和几何高度的关系,借助于压阻式压力传感器和温度传感器对大气静压力和温度进行测量,并以两个传感器作为多层感知机网络的输入,以几何高度作为网络的输出.利用标准数据采用动批量法(MOBP算法)对网络进行训练,得到网络各层的权值和偏置值,由此可以确定在任意静压力和温度输入作用下,网络输出的精确几何高度值,神经网络的算法可借助DSP芯片实现.实验表明采用该方法设计的传感器比采用曲面拟合的方法具有更高的精确度和抑制传感器的温度漂移和时间漂移的优势.     

一种基于神经网络模型的非线性自适应控制系统参数辨识算法

应用神经网络BP算法建立了系统参数模型,以被控对象的控制量和系统输出作为神经网络模型的输入,经过神经网络的隐层和输出层的前向计算以及误差的反向传播采不断修整模型的权值,将非线性系统时变参数的变化规律转化为神经网络参数模型,反映了参数随状态而变的规律;再结合文献[5]已知模型下PID控制参数的计算,推导出一种更具有应用性的系统参数辨识算法.通过在计算机上对非线性系统仿真,结果表明了这种的系统参数辨识算法有效性.     

基于鲁棒时变卡尔曼滤波估计的无人机视觉编队

针对一般多输入多输出不确定系统,提出一种基于鲁棒时变卡尔曼滤波的估计算法. 该方法将时变卡尔曼滤波与自适应神经网络相结合,利用自适应神经网络克服外界非线性不确定因素,采用两个误差信号对其进行训练以提高估计精度,并对估计误差有界性进行证明. 将该方法用于无人机视觉编队视线信息的状态估计,仿真结果表明该算法能够很好地估计不确定机动长机的加速度,实现了僚机对长机的有效跟踪.     

基于遗传RBF神经网络的无线传感器网络流量预测方法

提出了基于遗传RBF神经网络的无线传感器网络流量预测方法.在这里,RBF神经网络有6个输入节点,8个隐藏节点和1个输出节点.RBF神经网络的训练参数对RBF神经网络的预测能力有一定的影响,应该选择一个优化的方法来选择合适的参数.实验结果表明,无线传感器网络流量的预测结果优于RBF神经网络和BP神经网络.     

基于神经网络辨识的表面温度传感器动态标定及瞬态温度测量

针对瞬态温度测量设计了一种薄膜热电偶,提出了一套瞬态温度传感器动态标定的实验方案。     

一种用于声学显微镜的新型换能聚焦系统——玻璃金属球面换能器

声学换能与聚焦系统是扫描声学显微镜的主要部件.作者提出并研制成一种新型换能聚焦系统——玻璃金属球面换能器.它克服了过去常用的两种系统——Quate的单透镜及中钵宪贤的冲压成形球面换能的不足,具有避免杂散声场和分辨率高等优点,同时其结构与工艺适宜于在高达数百至数千兆赫的频率下实现.在本文中,作者描述了它的结构、工艺、理论分析及实验测量结果.     

半导体集成化温度敏感器件的研究

以前,人们利用p-n结的正向压降V_BE随温度而变化的特性,制作温度敏感器件.最近,国外研制集成化温度敏感器件,克服了单管温度敏感器件,E-B结压降一致性差,灵敏度不够高的缺点.     

光纤微弯曲位移传感器研究

分析了光纤微弯曲位移传感器的基本工作原理,并对不同齿数条件下,有无模式去除器及模式去除器位置对传感器的输出特性进行了实验研究。实验结果表明光纤微弯曲位移传感器的输出特性与齿数、有无模式去除器及其位置有关。     

神经网络在车辆目标识别中的应用

提出了利用神经网络技术对战场侦察雷达目标回波的时域或频域信号进行处理,以实现对车辆目标进行分类识别的一种新算法.首先对目标的回波信号作时域或频域分析,从中提取信号的特征向量,然后利用所建立的神经网络模型对目标信号作训练识别,最后与经典谱分析的方法作比较,并采用实际数据验证这种识别算法是有效的.     

腔内布氏角声光反馈的低噪声稳定氦镉激光

本文研究了氦镉激光4416Å的噪声和输出功率稳定特性,得到噪声频谱、噪信比与放电电流,工作气压的关系。提出用腔内布氏角插入声光反馈器伺服反馈,抑制氦镉激光噪声和提高功率稳定性的方法,获得满意的实验结果.声光反馈器为厚6mm的熔石英,换能器为铌酸锂,工作频率为40MHz,用Raman-Nath衍射调节腔内损耗.输出35mW经伺服,噪信比由6.3%降为1.5%,2Hz到200kHz噪声幅值都有显著抑制,功率起伏由11.6%降为3.7%,光损耗14%,获得输出30mW大功率低噪声氦镉激光.在最佳放电参数下,可使抑制后噪信比为0.8%.该方案适用更大功率的氦镉激光器.     

开关电流联想记忆

“开关电流”是一种新的模拟采样数据信号处理技术,它不需要线性浮地电容,这一性能使得信号处理器件能够用标准的数字VLSI工艺集成.本文探讨了开关电流技术在神经网络方面的应用,提出了一种新的联想记忆模型,并从它的开关电路实现和它的算法两个方面进行了讨论.     

智能高温压力传感器的研制

本文介绍了智能化硅－蓝宝石高温传感器的微机检测，运算处理和控制，由半导体工艺制成的硅压阻传感器，当其把压力信号转换为电信号以后，再由微机对检测的信号压力零点及灵敏度的温度补偿以及对压力非线性特性进行校正，最后对测量结果进行标定变换并显示，取得了理想的测量和控制效果。     

具有线性输出结构的非线性系统故障诊断和容错控制

研究了一类具有线性输出结构的非线性系统故障诊断和容错控制,利用自适应观测器来构造线性残差,同时构造李亚普诺夫函数,使其一阶导数为负来得到故障估计值,容错控制部分设计了2个自适应观测器,通过控制器重组使故障发生后的系统输出跟踪原系统输出.理论分析和仿真结果证明了该方法的有效性.