基于UKF的自组织模糊神经网络训练算法

如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点,针对这一问题,提出了基于无迹卡尔曼滤波（unscented Kalman filter, UKF）的自组织模糊神经网络的训练算法。分析了模糊神经网络的非线性动力系统表示,并用递推最小二乘法（recursive least square, RLS）和UKF分别学习线性和非线性的参数,给出了模糊规则生成的准则和参数更新的策略;然后,用误差下降率方法作为模糊规则修剪的策略,删除作用不大的规则。通过典型的函数逼近和系统辨识实例,表明所提算法得到的模糊神经网络的结构更为紧凑,泛化性能更佳。     

动态模糊神经网络在并联平台控制中的应用

针对六自由度并联平台运动控制精度不高的缺点,结合人工神经网络的优点,提出了一种动态模糊神经网络(DFNN)控制器来控制并联平台.此动态模糊神经网络由前向模糊神经网络的规一化层和输出层之间加入递归层构成,同时根据其特点给出了网络参数的学习算法,此动态模糊神经网络具有动态映射能力,对动态系统具有更好的响应效果.利用动态模糊神经网络控制器对并联平台的轨迹跟踪控制进行了仿真,结果表明此控制算法具有较好的跟踪性能和较强的鲁棒性.     

基于自适应遗传模糊神经网络的信用评估建模

提出了一种自适应遗传模糊神经网络评估信用风险的模型,该模型在多子群遗传算法基础上,采用带控制参数的动态概率选择与最优保存策略相结合的混合选择策略,根据种群适应度标准差大小动态调整交叉和变异概率,并将BP算子嵌入遗传算法中,构建了多子群自适应遗传BP算法,并利用该算法优化网络的连接权值和模糊参数。将所建模型应用到信用评估中,并与BP神经网络、ANFIS以及遗传神经网络模型预测效果进行比较,结果表明该模型对信用评估具有更好的泛化能力和更高的预测准确度。     

基于Chebyshev基函数模糊神经网络的快速辨识方法

神经网络的非线性逼近能力的研究是神经网络成为辨识模型的理论基础。首先研究了基于正交多项式函数的神经网络逼近理论和方法,并在此基础上证明了新型Chebyshev神经网络具有良好的非线性并研究了它的全局最优逼近性质。然后提出了一种用于复杂非线性系统辨识的基于Chebyshev基函数的模糊神经网络模型和学习算法。该模型以Chebyshev基函数为隶属函数,规则后件采用输入变量的线性函数,无需调整隶属函数的参数,只是采用BP学习算法学习后件参数,因而大大减少了模型算法的计算量,学习算法简单,加快了学习收敛速度,而且不使网络结构复杂,设计简单。仿真结果表明所提模型和方法的有效性。     

基于T-S模型的扩展型模糊神经网络及应用

针对基于T-S模型的模糊神经网络的局部逼近缺陷,提出了一种基于T-S模型的扩展型模糊神经网络,从训练样本特性和网络结构两个方面来提高网络模型的泛化能力.利用先验知识和模糊推理的方法对样本集进行分析和分类处理,使样本集更加规范;并采用模糊规则推理动态调整正则项系数的方法来减小网络结构.仿真结果表明,所提出的网络具有更快的收敛速度和良好的泛化能力.     

回归神经网络辩识电液伺服系统模型与仿真

建立了一种回归神经网络辩识非线性电液伺服控制系统数学模型的辩识方法,研究了基于回归神经网络内部状态反馈的辩识算法,利用辩识实验获得的过程输入/输出数据动态调整神经网络权值。仿真结果辨明:神经网络描述的电液伺服控制系统数学模型具有较高精度,算法全局逼近能力良好。     

自适应T-S型模糊径向基函数网络

针对T-S型模糊推理系统的模型参数辨识问题,充分利用模糊推理系统的可理解性与神经网络的学习能力,提出一种自适应T-S型模糊径向基函数网络。为设计满足精度要求的最小结构神经网络,在对网络学习动态进行分析的基础上,给出了网络拓扑结构的动态构造学习算法。在不需要任何先验知识的情况下,能够根据任务复杂度和学习进度进行网络隐层节点的自适应增加、合并和删除操作。将该网络应用于非线性函数逼近问题,取得较好的效果。     

基于模糊神经网络的动态非线性系统辨识研究

针对静态模糊神经网络对动态系统辨识精度低的特点,在5层静态模糊神经网络基础上进行了优化和改进,形成了可将暂态信息记忆于网络的动态回归层的动态模糊神经网络,来提高对动态系统的辨识能力。同时给出了参数的动态自适应学习算法。通过仿真实验,证明提出的动态模糊神经网络对动态非线性系统的辨识,可以取得较好的辨识精度,较快的网络收敛速度,为动态非线性系统的辨识提供新的思路。     

基于模糊Chebyshev基函数神经网络的快速学习算法

将模糊控制与神经网络相结合,用神经网络来实现模糊推理,提出了一种以Chebyshev基函数为隶属函数的模糊神经网络。由于无需调整隶属函数的参数,因此该模糊神经网络模型算法的计算量大大减小,仿真结果表明了该模型算法的有效性和快速性。     

基于进化模糊神经网络的上肢康复机器人自适应阻抗控制

针对机器人辅助患肢进行康复训练时患肢病情的变化对系统稳定性造成的影响,在传统阻抗控制方法基础上,提出了一种基于进化模糊神经网络的自适应阻抗控制方法.该方法采用能较为准确反映患肢病情特性的患肢机械阻抗参数作为控制器输入,根据在线辨识得到的机械阻抗参数,运用进化模糊神经网络对目标阻抗控制参数进行动态调整.在调整过程中,首先采用混合进化算法离线优化目标阻抗控制参数,然后再利用动态BP算法对目标阻抗控制参数在线作进一步地调整.分析和仿真结果表明,改进后的方法较传统阻抗控制方法更能有效地适应患肢病情的变化,且具有较好的平滑性和稳定性.     

基于仿真优化的集装箱港口大门作业调度研究

提出基于仿真优化的集装箱港口大门通道作业的调度优化方法.首先,建立了大门作业的离散事件仿真模型和调度优化数学模型;其次,设计了启发式Tabu搜索算法和仿真模型相结合的仿真优化方法;然后,结合仿真自动化方法和在线数据库实现了仿真优化系统;最后,用实例验证并分析了本方法的有效性及效率问题.结果表明了本方法对在线、实时作业调度优化问题的适用性.     

基于Simulink的XCP仿真研究

针对NS-2仿真消耗大量运算时间,占用大量存储空间的缺点,利用Simulink构建XCP 的连续模型,并在此基础上构建多个XCP连接竞争一条瓶颈链路的仿真场景.对比实验表明,该模型能够真实再现XCP的收敛特性,并且运算时间在秒级,存储空间在KB级.     

基于HLA编队协同作战仿真研究

简要介绍了基于HIA的协同仿真平台（COSIM）的两种开发机制：COSIM开发机制和非COSIM开发机制。基于该平台构建了编队协同作战仿真系统，介绍了系统的体系结构及各节点的功能，完成了各个联邦成员的对象类和交互类设计，研究了非COSIM机制下的系统开发过程．开发过程表明：该机制在较大程度上封装了HLA／RTI的开发细节，能降低系统的开发难度，使开发过程变得简单。通过仿真实验验证了所构建仿真系统的可行性和正确性。所构建的仿真系统为编队协同作战能力（CEC）系统应用到水下防御领域的概念论证提供了依据，且为相关理论的研究提供了试验平台。     

基于HLA的协同仿真运行研究

对应基于HLA的多领域建模，提出基于HLA的协同仿真运行。对HLA的标准MOM交互类进行扩充，增加有关仿真运行暂停、继续，仿真撤销，仿真结束的交互类；定义用于仿真运行启动的CORBA接口；对仿真运行管理器增加判断参与仿真联邦执行的所有成员是否正常加入的功能，并管理三个仿真联邦同步点，以保证协同仿真运行。     

基于脆性的复杂系统研究

针对开放的复杂系统进行研究,首次提出并论证了脆性是复杂系统的一个基本特性．以子系统之间的脆性联系为出发点,建立了研究复杂系统脆性的理论基础．根据脆性的定义、特点,定义了复杂系统的脆性基元、子系统间的脆性联系函数、脆性联系熵和脆性正交的概念,同时将非合作博弈的理论和方法引入到复杂系统的脆性的研究中．并以道路交通系统为例,进行了脆性分析。     

连续对策上的计策理论

引进连续对策上的计策的概念，分别研究一个局中人中另一个局中人的概率和识破这个局中人的计策的概率，给出局中人的判断的准确性的一种度量。     

多频点下最佳切换带设置的研究

为了能最大化网络容量、最优化链路质量、最小化网络建设及运行维护成本,以导频信号强度和链路质量为切换控制策略,对最佳切换带的设计方法及评估要素、所涉及的网络单元或功能、与网络规划和网络优化的相互关系等问题进行了分析讨论。最后,在适度考虑终端移动速度分布模型的基础上,通过仿真分析给出了不同条件下切换算法各参数的推荐值。     

基于HLA的多领域建模研究

针对目前缺乏一种具有标准性、开放性、可扩充性，支持分布式仿真，基于商用仿真软件的多领域建模方法，提出基于HLA的多领域建模。首先提出将一个模型的输出变量映射到另一个模型输入变量的原则和实现方法，然后提出HLA应用层程序框架，以支持将各领域仿真软件开发的模型方便、准确地实现成为联邦成员，同时给出了商用仿真软件参与多领域建模所必须提供的与HLA应用层程序框架接口的五个方法。     

基于STAGE的单舰防空反导仿真实现

单舰防空反导是现代海战中舰艇作战使用研究的重点和难点,也是舰艇战斗力形成的关键。在对舰艇防空反导仿真进行深入研究的基础上,提出了运用STAGE构建单舰防空反导仿真系统的基本框架,并详细描述了系统仿真模型的构建以及运用STAGE的实现方法。     

基于动态方差的指数期货到期日波动效应

基于有关文献中关于到期日效应的诊断方法,指出其中波动效应诊断方法中存在的缺陷。在此基础上,提出基于动态方差的诊断方法。与传统波动效应检验方法相比,基于动态方差的诊断方法能够根据金融数据的特征,充分利用研究时段中各个异常波动的信息,分析到期日与比较日(非到期日)之间出现异常波动的差异,进而动态地诊断波动效应。