一类混合动态系统的建模

在目前建模方法的基础上，给出了一种比较完善的混合动态系统的模型描述，此模型可以简单的对现有的混合动态系统的例子进行建模．在此模型下给出了混合动态系统稳定性的定义，为研究其稳定性提供了一种新的方法．     

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。     

基于结构的神经网络在液压缓冲器建模中的应用

分析了液压缓冲器的结构及其动态工作过程，介绍了基于结构的神经网络建模方法．该建模方法根据系统结构组成特点将复杂系统分解为相互关联的简单子系统，用函数链神经元分别建立子系统模型，然后根据子系统间固有的连接关系将子系统神经元模型连接成一个网络，所得网络模型即为原系统模型．应用该方法建立了52SFZ—140—207B液压缓冲器的动态模型．结果表明，基于结构的神经网络建模方法对复杂非线性系统建模是有效的．     

基于动态神经网络解耦线性化的内模控制

采用动态神经网络对一类多变量仿射非线性系统进行建模，利用解析求得的模型动态逆，将非线性对象近似输入输出解耦线性化。针对复合后的伪线性系统采用内模控制，分析了存在建模误差的情况下闭环系统的鲁棒稳定性。仿真表明了所提方法的有效性。     

Tchebycheff正交神经网络的建模方法——针对一类多变量非线性动态系统

针对一类多变量非线性动态系统，采用Tchebycheff正交神经网络建立系统模型，用Givens变换确定网络结构。Tchebycheff正交神经网络不仅能快速进行网络训练，而且能对网络的结构进行优化，为多变量非线性系统的动态建模提价节一种有效方法。     

基于二级倒立摆的自适应神经网络模糊控制

针对二级倒立摆系统，提出了一种先进的智能控制策略．该种方法采用BP算法与梯度下降法结合的混合算法对Takagb-Sugeno模糊模型中的前项及后件参数进行优化修正，在已获得的客观输入输出数据对的基础上，提出一种基于自适应神经网络的模糊推理系统ANFIS来对倒立摆系统进行建模和控制．仿真结果表明，所提出的设计方法是正确的和可行的．     

基于动态递归神经网络稳定控制器的设计

静态映射神经网络和动态递归神经网络是两种重要的神经网络,前者在系统辨识和控制中得到了广泛的研究和应用;后者能够逼近系统的动态过程,具有良好的稳定性和收敛性,文中针对一类非线性系统,采用动态递归神经网络,结合Ｌｙａｐｕｎｏｖ稳定性理论,综合了稳定的自适应控制器,同时给出了神经网络的自学习律．理论分析表明,在模型匹配的情况下,能够保证跟踪误差的收敛性和闭环信号的有界性,并对一类建模误差问题进行了研究．分析与仿真结果均表明,该方法具有较好的自适应性和鲁棒性．     

混合动力耦合系统神经网络油耗模型构建

为了基于燃油经济性快速对混合动力耦合系统(EVT,electric variable transmission)构型进行筛选,在混合动力EVT构型图论分层图画模型的基础上提出混合动力EVT图论构型矩阵,并对混合动力EVT系统构型进行动力学建模;结合GRNN神经网络算法与动态规划算法,建立混合动力EVT系统神经网络油耗模型;通过对比测试构型的神经网络油耗模型计算结果和DP仿真结果,验证了该油耗模型的有效性。     

模糊聚类学习算法在连续搅拌反应釜(CSTR)系统动态建模中的应用

针对化工生产过程中一类强非线性对象的动态建模问题,采用模糊最近邻聚类学习算法对这类对象中有代表性的ＣＳＴＲ系统进行了模拟动态建模．仿真结果表明效果良好,且从算法的简便性、收敛性及运算速度上来说,优于一般的模糊辨识和神经网络辨识算法．从模型简化的思想出发,文中还对传统算法进行了适当的改进,使模型和模型的泛化特性得到了进一步简化和加强     

基于ANSYS的三维动态建模系统研究与开发

针对ANSYS软件三维数值建模的复杂性，基于三次样条插值法和趋势面分析原理，采用Bofland Delphi 6．0可视化程序设计语言开发出了三维动态自动建模系统。该系统具有操作性好、建模准确等优点，提高了建模效率，便于多方案的模拟计算。     

不确定非线性组合系统基于神经网络的鲁棒控制

针对不确定非线性组合系统,基于神经网络提出了一种新的鲁棒控制器设计方法·利用神经网络逼近系统的未知扰动和互联项·首先考虑不确定非线性组合系统的标称系统并且设计相应的标称控制器;其次考虑系统的未知扰动和互连项,设计了校正控制信号并把它加入了标称控制器中,这种设计方法可以保证实际系统具有最终一致有界的特性·控制信号是光滑的且不需要预先知道神经网络连接权或模型误差的上界·最后给出一个数值的例子,仿真结果表明该方法的有效性·     

Application research of wavelet neural networks in proces control

非线性过程的建模和控制问题尚无通用的模型结构和方法可用于过程控制。结合小波和神经网络方法进行过程控制的通用模型和方法的研究,提出了一种仅用尺度函数逼近的小波神经网络模型,并用它来实现非线性预测控制方案。该模型能用线性最小二乘方法进行拟合,因而具有易于实现和通用的优点。由于简化了在线优化方法,所提出的非线性预测控制方案已在线实现。用该方法进行了两个非线性系统的模型辨识和一个双线性系统的控制仿真,模型的通用性、辨识和控制方法的简单易用和仿真结果表明,所提出的方案对过程工业和非线性、高阶系统有很好的实用性,有着比标准ＰＩＤ控制器好得多的控制效果。     

生物神经系统的一些动力学问题

生物神经系统具有极其复杂的多尺度、多层次的超级网络结构, 承担着生物体的感知、认知、运动控制等重要功能, 存在十分丰富的动力学行为。作者对生物神经系统的时空动力学、网络动力学建模、智能活动等几个基本的动力学问题进行简要综述, 探讨它们与力学之间的内在联系, 并在此基础上对神经动力学的今后发展进行展望。     

多层局部回归网络的非线性系统预测模型

提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经 网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩 阵．仿真试验表明这种动态神经网络的预测模型具有较高的精度．     

小波神经网络在过程控制中的应用研究

非线性过程的建模和控制问题尚无通用的模型结构和方法可用于过程控制.结合小波和神经网络方法进行过程控制的通用模型和方法的研究,提出了一种仅用尺度函数逼近的小波神经网络模型,并用它来实现非线性预测控制方案.该模型能用线性最小二乘方法进行拟合,因而具有易于实现和通用的优点.由于简化了在线优化方法,所提出的非线性预测控制方案已在线实现.用该方法进行了两个非线性系统的模型辨识和一个双线性系统的控制仿真,模型的通用性、辨识和控制方法的简单易用和仿真结果表明,所提出的方案对过程工业和非线性、高阶系统有很好的实用性,有着比标准PID控制器好得多的控制效果.     

基于非平衡统计力学的生长原理

结构生长现象普遍存在于生物界和非生物界。通过一般化地处理微观组元的复杂相互作用,基于非平衡统计力学,提出以最大流原理作为揭示生长奥秘的基本原理,描述了生长的一般过程,并讨论其在干细胞分化、工业生态系统的形成、城市的发展等相关案例中的应用,力图为从生物到非生物、从自然到社会等诸多领域的生长现象提供统一的描述。     

应用神经网络的非参数模型自适应控制

 提出了一种应用神经网络的非参数模型自适应控制方案,该方案仅用受控系统的I/O数据来设计控制器,并与神经网络自适应控制方案进行了仿真比较,仿真结果表明了该方案的有效性和优越性.     

直接甲醇燃料电池的数学建模与神经网络辨识建模

针对直接甲醇燃料电池(DMFC)非线性系统建模问题,提出了两种不同的建模方法(1)采用电化学、流体动力学、热力学等理论,建立了DMFC电池性能数学模型;(2)利用改进型BP神经网络建立DMFC电池性能辨识模型.结合DMFC实验数据进行仿真测试,结果表明这两种建模方法均合理、有效,建立的模型精度较高,从而为设计DMFC在线控制器奠定了基础.