求非线性动态网络稳态周期解的一种数值算法

提出一种数据值解法，用于求解非线性动态网络的稳态周期解，按照非线性动态网络的状态方程建立误差函数，把求解非线性微分方程的问题，转化为求误差函数极小值的最优化问题。该法方便应用计算机求解非线性动态网络的稳态周期解，有助于对非线性动态网络的分析和研究。     

基于BPNN的非线性电阻网络故障诊断方法研究

针对非线性电阻网络，提出了一种规范式分段线性化求多值解，并采用BPNN对非线性电阻网络硬故障进行诊断的方法，克服了一般方法对非线性电阻网络硬故障诊断时易存在的漏诊问题。     

非线性动态网络建立状态方程的系统方法

给出了非线性动态网络含非线性全电容回路、非线怀全电感割集建立状态方程的一种系统方法，该方法以网络拓扑为基础，导出的非线性动态网络状态方程具有一般形式，在非线性网络分析中具有较大的实用意义。     

基于T-S模糊模型的网络控制系统的镇定

研究了一类带有丢包的非线性网络控制系统。利用T-S模糊模型和平行分布补偿技术建立了非线性网络控制系统的模型，经由一种丢包依赖的Lyapunov泛函方法，得到了带有任意丢包的非线性网络控制系统的稳定性条件，并以线性矩阵不等式的形式给出了一种镇定模糊控制器设计方法。     

基于神经网络的非线性自适应除噪研究

提出一种适用于非线性自适应除噪（ANC）的神经网络方法。当参考通道中的噪声是主通道噪声的非线性变换时，采用线性ANC往往效果不好，此时应采用非线性ANC。由于径向基函数网络具有良好的非线性函数逼近性能，因而可采用基于径向基函数网络的非线性自适应除噪。模拟结果表明，这种方法具有明显的抑制噪声能力。     

基于人工神经元网络模型的预测控制研究

研究了基于人工神经元网络模型的非线性预测控制，所采用的网络为一种将线性模型与多层前向网络相结合的ＤＬＦ网络，仿真结果表明，该“混合网络”易训练，收敛速度可大大加快，在ＤＬＦ模型的基础上，本文研究了一种非线性预测控制算法，它的显著特点是在线计算量小。对于一非线性过程－球形罐液位的仿真结果表明，基于ＤＬＦ的非线性预测控制效果颇佳。     

计算复杂的非线性电阻网络的一种有效方法

应用网络拓扑，分段线性化和三次样条插值法计算复杂的非线性电阻网络，应用本方法能解决用计算方法很难解决、甚至无法解决的非线性电阻网络的问题。     

二次物理分解法--一种大规模非线性电阻网络的并行分析方法

提出了一种大规模非线性电阻电路并行分析的方法-二次物理分解法，该方法可以把大规模非线性电阻网络分解成大量的可行并行分析的小规模线性子网络，计算机模拟证明该方法可以有效地对非线性电阻电路进行并行分析，提高分析的速度与效率。     

基于切换多模型小波网络的非线性动态系统控制

为了提高非线性动态系统的性能，提出了多模型小波网络方法，并详细介绍了多模型小波网络的结构．用多模型小波网络对非线性系统进行建模与控制，在仿真试验中将其与单小波网络进行对比，结果显示多模型小波网络控制的均方差为0．158，单小波网络控制的均方差为0．374．试验结果证明多模型小波网络方法控制精度高，响应速度快，其控制性能优于单小波网络。     

BP网络非线性系数取值研究及其在岩土工程中的应用

针对非线性系数对网络性能的影响进行了仿真试验研究，总结了该系数的合理取值范围及其规律，提高了BP网络在具体工程中的实用性。通过在岩土工程中的实践证明，按照本文给出的规律对非线性系数进行取值，能够明显地提高网络的收敛速度及收敛精度。     

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。     

基于神经网络的时序预测模型研究

将神经网络作为传统的时序线性模型的非线性推广进行了分析,论证了多层前向神经网络与非线性自回归模型及反馈神经网络与非线性自回归移动平均模型的等价意义,提出了一种可作为非线性时序模型的内反馈神经网络．     

非线性回归分析的PSO小波网络方法及应用

文章介绍了粒子群算法(PSO)和小波神经网络的基本原理,把基于粒子群小波网络的混合算法应用到非线性回归问题中,并对算法解决非线性回归问题进行了实践分析,最后建立了测井响应值和物性参数孔隙度之间的回归模型.从仿真结果可以看出,本方法的回归值和岩心分析值符合较好,表明粒子群小波网络进行非线性回归分析是一种有效的数据回归方法.     

求解非线性网络的一个新算法

本文对非线性电阻性网络多值问题的求解作了新的探讨，在给出若干定理的基础上提出了一种能保证找到分段线性电阻性网络所有解的新算法。     

一种非线性系统神经网络直接控制器的设计

提出了一种使用神经网络作为非线性对象直接控制器的设计方法 ,该控制器由一个常规控制器和一个神经网络控制器组成 .常规控制器对系统给出粗略控制 ,神经网络控制器给出补偿信号来进一步减小系统输出跟踪误差 .该方法对被控非线性对象类型的限制很少 .在该方法中 ,径向基函数 (RBF)神经网络被用来进行训练 ,训练后系统具有较好的稳定性 .仿真结果表明 ,该方法非常有效 ,对非线性系统能取得比较满意的控制效果     

非线性系统建模的复合型模糊神经网络研究

针对非线性系统建模问题,提出了一类由函数逼近和规则推理网络构成的复合型模糊神经网络,其规则网络基于过程先验知识用于对操作区间的划分,而函数网络采用改进型模糊神经网络结构完成非线性函数逼近。采用一类非线性函数模型进行了仿真研究,结果表明,复合型模糊神经网络较之普通模糊神经网络在建模收敛速度和预测精度等方面都有较大的改善。     

摆式客车倾摆控制系统神经网络预测控制

考虑伺服电机及机械系统的非线性对车体倾摆的影响，并包括伺服电机的饱和非线性特性的影响在内，采用神经网络方法对非线性特性的动态系统的输入输出关系进行辨识研究，建立摆式客车伺服系统神经网络非线性模型；提出在摆式客车中运用神经网络预测控制结合鲁棒控制的复合控制系统，解决这类非线性系统的控制问题，即应用神经网络进行辨识及预测控制．研究表明，从理论及工程应用角度看神经网络预测控制都是切实可行的，为在摆式客车倾摆控制系统中应用神经网络预测方法提供了一个新的方向．     

柴油发电机神经网络非线性励磁控制器研究

采用基于LM算法的BP神经网络逼近柴油无刷发电机微分几何非线性励磁控制器,实现了神经网络非线性励磁控制方式,简化了控制回路。仿真结果表明,在系统遭受扰动或故障时,所设计的神经网络非线性励磁控制器具有良好的控制效果。     

非线性动态网络时域灵敏度的计算

旨在对非线性动态网络进行定量地分析,讨论其一阶微分灵敏度的计算方法。