基于支持向量机的逆动力学模型辨识及应用

建立系统逆动力学过程模型已经成为许多非线性系统控制问题研究与实现中的关键问题。该文应用支持向量机(SVM)回归方法实现了对热工对象的逆动力学过程在线辨识,并通过三个典型的仿真算例对基于SVM的非线性系统逆动力学过程模型的有效性进行了考察。仿真结果表明,基于SVM的逆动力学过程模型不仅具有较高的辨识精度,同时还具有较为理想的泛化性能和在线跟踪能力;利用所建立的系统逆动力学过程模型能够获得恰当的控制作用,保证系统的输出按照给定的轨迹达到设定值。     

基于模糊辨识的PEMFC电特性模型

提出了一种基于非线性系统模糊辨识建立质子交换膜燃料电池(PEMFC)电特性模型的新方法,并建立了包括反应气体的压力、电池的温度和电池负载多变量的质子交换膜燃料电池电特性模型。通过与相关文献中的建模方法和模型仿真的结果比较,表明该模糊辨识建模方法具有建模简单、模型精度高等优点。研究结果对质子交换膜燃料电池控制系统的建模和控制具有一定的实用价值。     

基于神经网络的固体氧化物燃料电池电堆建模

针对现有的固体氧化物燃料电池(SOFC)模型过于复杂,难以满足工程上对SOFC系统实时控制设计的需要,提出了利用遗传算法(GA)优化径向基函数(RBF)神经网络实现对SOFC电堆建模。在建模过程中,利用遗传算法优化RBF神经网络的输出权值及高斯基函数的中心向量和基宽向量,采用优化后的参数作为网络初始值,然后利用梯度下降法对各参数进行调整。通过仿真对该建模的有效性和建模精度进行了检验。     

一种基于数据融合的新型GM(1,1)建模研究

基于灰色理论和自适应数据融合技术的研究,提出一种基于自适应数据融合的新型灰预测GM(1,1)模型,并对整个建模过程进行了理论推导。该方法利用自适应数据融合以及累加再生成操作来提高非平稳时间序列的光滑度,从而减少样本序列的随机性,提高重构背景值的精确性以及灰预测GM(1,1)模型的拟合精度和预测精度。最后通过该方法对液浮陀螺仪零漂进行建模仿真,结果表明该方法辨识精度高,优于一般平均值法和灰预测方法,具有良好的应用价值。     

基于一种改进的RBF神经网络的直接甲醇燃料电池建模

针对直接甲醇燃料电池(DMFC)系统过于复杂，难以数学建模。应用一种改进的RBF神经网络对DMFC系统进行辨识建模。模型以甲醇的浓度和流速为神经网络辨识模型的输入量，电池电压／电流密度为输出量，利用1000组实验数据作为训练和测试样本，建立了不同甲醇浓度和流速下电池电压／电流密度动态响应模型。应用仿真对建模的有效性和精度进行了检验，并与BP神经网络辨识的效果进行了对比。仿真结果证明RBF神经网络比BP神经网络收敛得快，建模精度高，从而为设计DMFC实时控制系统奠定了基础。     

基于SIMPROCESS的海上输送转运系统仿真建模

转运是一种重要的运输方式.针对一个来自军事实践的现实的海上输送转运问题(STS),根据问题的特点,进行了求解分析,利用SIMPROCESS仿真软件平台,研究了转运系统(STS)的仿真建模方法.仿真模型由与实体和资源有关的若干活动构成.研究表明提出的方法对一大类(比如区域)交通系统仿真建模具有实用价值.     

感应电机直接转矩控制系统变结构MRAS速度辨识

基于变结构控制和自适应控制理论,提出了一种模型参考变结构(MRAS-VS)观测器,用于感应电机无速度传感器直接转矩控制系统的转速辨识.该法将变结构和模型参考自适应(MRAS)进行有机的整合,选择转子磁链电压模型和电流模型分别作为参考模型和可调模型,采用两模型输出的偏差构造了一个滑模面.理论分析和仿真结果表明,所提出的感应电机无速度传感器直接转矩控制系统的转速辨识方法具有较高的转子磁链观测准确度,因而改善了转速估计的动静态性能.     

基于小波重构与SVM-BPNN的动态过程在线智能监控

为了提高动态过程运行状态在线监控效率,提出了基于小波重构与支持向量(support vector machine,SVM)-反向传播神经网络(back propagation neural network,BPNN)相结合的在线智能监控方法.首先,运用离散小波变换对动态过程实测数据流进行重构,并提取其形状特征.其次,利用训练好的小波重构特征的SVM、均值特征的BPNN及重构后形状特征的SVM,对"监控窗口"内实测数据流进行异常模式识别.最后,应用该方法对某精密轴加工过程进行在线智能监控.结果表明:所提模型识别精度高、训练耗时少,其整体性能明显优于小波重构的BPNN模型与基于统计和形状特征的多分类支持向量机(multi-class support vector machine,MSVM)模型,是一种更为有效的动态过程在线智能监控方法.     

基于CPN的联邦概念模型形式化建模与验证(英文)

提出了基于着色Petri网(CPN)的联邦概念模型(FCM)形式化建模与验证一体化方法。这种方法的提出主要基于下面两点:一是形式化的FCM与用自然语言描述的模型相比具有更完整、更准确和更规范的特点;二是形式化模型的验证需要专门的工具辅助完成。以一个简单的制造系统为例,采用CPN语言建立了该系统的形式化概念模型,利用辅助软件工具CPN Tools完成了该联邦概念模型的仿真和验证。应用研究表明,着色Petri网有助于描述联邦中各实体的行为和关系,CPN Tools辅助工具实现了形式化模型建模、仿真和验证的一体化过程。     

基于直接序列扩频信号的水声信道辨识仿真

提出了基于直接序列扩频信号(Direct sequence spread spectrum,DSSS)的水声信道辨识方法,建立了水声信道仿真模型,用DSSS信号通过已知参量的仿真信道,然后对水声信道进行辨识。通过分析信道的散射函数求得水声信道主要路径的多普勒展宽与多径强度的估计值。在有、无噪声的情况下都比较精确的估计出了信道参量。算例和仿真结果表明所提出的信道辨识方法是有效和可行的。