基于神经网络专家系统的高压断路器故障诊断研究

将神经网络与专家系统的融合技术应用于高压断路器故障诊断的研究,该系统利用神经网络鲁棒性好、学习功能强等优点,可以充分发挥专家系统逻辑推理能力,克服专家系统容错能力差和学习能力弱的缺点。仿真结果验证了该方法的有效性和可行性,为高压断路器的快速故障诊断提供了一条新的途径。     

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.     

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.     

关于含有未知输入的广义时滞系统的函数观测器设计(英文)

针对含有不确定输入的广义时滞系统,研究输出函数观测器的设计方法。首先给出系统存在输出函数观测器的充分条件,其次通过线性矩阵不等式的方法求解观测器的各个参数,最后得出输出函数观测器设计的具体步骤。两个数值例子可以说明该方法的简单、有效性。     

人工神经网络在航迹关联中的应用

针对在密集目标环境下和运动出现交叉或分岔等难于处理的情况,将导致较多的错、漏相关航迹的问题,提出一种利用神经网络进行航迹关联的方法。该方法有效地应用了神经网络的泛化能力以及自组织自适应的学习功能,且通过对网络输入结点的设计,能够很好地解决复杂航迹关联问题。仿真实验验证了该算法在多传感器系统的航迹关联问题中的有效性。     

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.     

四次非谐振子的高阶变分-积分微扰修正

利用基于积分方程的改进的变分微扰方法(变分-积分微扰法)求解四次方非谐振子基态.设置含有变分参数的母哈密顿量作为零级哈密顿量,选择该母哈密顿系统的精确解作为试探波函数,得到了只有几项的高阶修正波函数和高阶能量修正,与其他方法所得结果比较,该计算结果更接近精确能量值.结果表明,这种方法不仅可提高计算结果的精度,而且可改善微扰级数解的收敛性.     

分数阶BAM神经网络的鲁棒稳定性

分数阶BAM神经网络模型是整数阶BAM神经网络模型的一种推广。对分数阶BAM神经网络的鲁棒稳定性进行研究,通过构造分数阶辅助系统,利用积分变换的方法,将辅助系统变为积分方程。结合Mittag-Leffler函数的相关性质,利用广义Gronwall不等式,对积分方程进行处理,通过分数阶比较定理,得到分数阶BAM神经网络鲁棒稳定性的充分性条件。实例仿真验证了结论的正确性。     

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.     

求解max-min模糊关系方程的一种数值方法

借助max-min神经网络的学习过程,为max-min模糊关系方程的求解提供一种新的数值方法。运用光滑函数逼近max-min网络的输入/输出关系,并用其导数代替max-min函数的导数;基于梯度下降法,构造出训练max-min神经网络的学习算法,为max-min模糊关系方程提供一种新的数值求解方法。数值实验验证了算法的有效性。     

基于定量三维形态特征的肺部肿瘤定性研究

通过对肿瘤的三维形态进行定量分析来判别肿瘤的性质.依据CT数据图像的特点以及医生临床诊断经验,从不同的角度定义了3个与肿瘤性质相关联的二维形状描述子;在此基础之上,构造了4个表征肿瘤三维形态的特征量,借助径向基神经网络实现肿瘤的自动分类.实验结果表明选择的特征量较好地体现了肿瘤的性质,良性肿瘤的识别率达到87.5%,恶性肿瘤的识别率为69.44%,具有良好的临床应用前景.     

具有区间数的粗糙神经网络故障认定方法

针对具有区间数的信息系统．提出用粗糙神经网络求解其问题的方法．给出了粗糙神经网络的拓朴结构和学习算法以及粗糙神经网络的逼近定理．最后以歼击机的操纵面故障认定为例，构造了歼击机故障认定的粗糙神经网络．并通过仿真说明了方法的可行性和有效性．     

一种非线性直升机系统的有限时间镇定

针对一个具有多输入、强耦合、非线性的CE150直升机系统,给出了一种有限时间
控制方案. 该方案首先将整个直升机模型看作一个级联系统,通过坐标变换并采用基于限时间
控制的嵌套饱和方法分别对两个子系统进行有限时间镇定;然后验证前向一致性,保证了整
个闭环系统的全局有限时间镇定. 仿真结果表明,该方案不但有效而且具有更好的收敛性和
鲁棒性.     

改进型灰色神经网络模型在水质预测中的应用

介绍了三类改进的灰色模型和BP神经网络。将三类改进的灰色模型与神经网络进行组合,得到改进型灰色神经网络组合模型,将一维序列通过三个改进的灰色模型得到三组值作为神经网络的输入,原始序列作为神经网络的输出,训练得到最佳神经网络结构。将组合模型应用到嘉陵江磁器口断面总磷浓度的预测中,结果表明:(1)用该组合模型进行预测,相对误差均在5%以下,预测精度较高,取得了较理想的预测效果;(2)WPGM(1,1)、pGM(1,1)、CGM(1,1)、组合模型预测的平均相对误差分别为5.05%、34.01%、33.65%、3.02%,与单一灰色预测方法和灰色神经网络模型相比,组合模型的适应能力和预测推广能力更好,预测精度更高。     

基于均分直线法香梨果形的神经网络识别方法研究

库尔勒香梨的果形采用手工分类存在主观性强、偏差大和效率低的问题,本文针对香梨中存在偏果和突顶果两种畸形果的自动化识别和检测,提出了一种基于均分直线的神经网络分类方法,实现了香梨偏果、突顶果与标准果形的区分,识别率达到了88.6%,表明该方法可用于香梨果形自动化分级检测。     

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.     

利用复合特征进行模式识别的探雷研究

根据对探地雷达回波信号的分析,提出了一种利用复合特征训练神经网络并用其进行地雷探测的新方法.整个过程包括有预处理、特征提取及神经网络分类三个步骤.在特征提取的过程中,选取时域、频域、小波域能量及其统计量,以及Welch功率谱密度估计作为地下埋设目标的特征,在此基础上使用WILKS准则采用逐步判别的方法抽取关键特征,从而降低特征维数并将特征送入神经网络训练.使用地雷目标与其相近物体的数据进行对比试验和神经网络测试,结果表明,使用复合特征训练的神经网络可有效地将地雷与其他干扰物分开,提高了地雷的探测率,同时降低了虚警率.     

带有两个时滞的不确定神经网络的渐近稳定性分析

研究一类具有两个时滞和不确定性神经网络的全局渐近稳定性问题,通过构造新的Lyapunov函数,运用线性矩阵不等式理论将T-S模糊模型扩展到带有两个时滞的含有不确定项模糊神经网络,并给出系统稳定的充分条件。仿真实例验证了结论的有效性。     

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.     

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.