非线性离散系统的学习控制方法

对非线性离散系统的学习控制方法进行了研究,引进了离散的λ（ζ）－范数,给出了新的学习控制算法,实现了不依赖于学习控制初始数据的目标跟踪问题。为离散系统的学习控制方法的顺利发展和相应基本理论的建立进行了尝试性的探索工作。     

一类基于神经网络的模糊系统建模与控制

将人工神经网络理论和模糊系统理论结合起来,研究并提出了一类基于人工神经网络的模糊系统建模和控制方法。仿真表明该方法能有效地用于多种难以建立数学模型的控制系统。     

基于遗传算法的RBF神经网络设计

采用了遗传算法自动构造ＲＢＦ网络,把网络结构的形式作为一个子集选择问题来解决,并提出了新的遗传操作算子来改进遗传算法,加快了收敛速度,提出了算法的实用性,文中介绍了遗传算法的结构与优化原理,并给出了ＲＢＦ网络结构的生成方法,用仿真结果证明了本算法的可行性。     

分次根NG（R）和δG（R）的刻划

对一般Ｍｏｎｏｉｄ分次环Ｒ（未必有１）,给出了其分次素根ＮＧ（Ｒ）和分次Ｂｒｏｗｎ－ＭｃＣｏｙ根的元素特征刻划。     

基于神经网络的非线性系统在线自校正控制及其应用

利用神经网络给出了设计非线性控制系统自适应控制的方法,主要包括基于神经网络的非线性系统的在线直接自校正和满足局部能控一般非线性系统的神经网络自校正控制,从研究结果可以看出,由于神经网络的权系数的可调性以及神经网络对非线性的逼近性,利用神经网络所设计的自适应（或自校正）控制器,其闭环控制系统具有良好的动态与静态响应特性,所提供控制器都可在线实现。     

用组合模型预测油田产油量

时间序列分析是统计学的一个重要分支,灰色系统理论是一种动态趋势预测理论。将时间序列分析与灰色系统理论相结合用于油田产量预测是一个非常有益的探索。先采用灰色建模或逐步回归方法,从数据中得到趋势项的数学模型,然后对剔除趋势项之后的数据进行时间序列分析,建立了ＡＲ模型或ＡＲＭＡ模型。将以上两个模型结合起来构成组合模型,用于预测油田产油量。应用实例证明,该方法具有容易实现、预测准确的优点,是一种非常有效的     

用基团贡献法预测原油平衡闪蒸气化率

用正构烷烃模型分子法确定假组分的基团组成,根据ＵＮＩＦＡＣ基团贡献法饱和蒸气压模型与活度系数模型,以及修正的活度系数模型,计算了假组分的相平衡常数Ｋ,并预测了大庆原油平衡闪蒸气化率。结果表明,用平均沸点确定基团组成,Ｒｉａｚｉ－Ｄａｕｂｅｒｔ关联式计算相对分子质量的Ｒａｕ－Ｋ模型的预测值与实验值的偏差最小,为３．３６％;用ＡＰＩ式计算相对分子质量的Ｋｉｋ－Ｋ模型和Ｌａｒ－Ｋ模型次之,预测偏差低于５     

一种适合于网络专家系统的通用理论(英文)

描述运用于工业自动化的一种自适应自学习方法。基于此方法,Ａｐｔｒｏｎｉｘ公司开发出一套通用软件工具－ＳＴＩＭＴＭ,并应用于不同工业领域。ＳＴＩＭ可用于构造各类专家系统。基于因素空间理论,ＳＴＩＭ具有一系列独特之处,比如自动化、自学习,以及自翻译。如果与因特网,嵌入式控制器以及可编程逻辑控制器等结合使用,ＳＴＩＭ则成为一个十分有效的工具,可应用于远程连通与控制、模式识别、机器故障诊断,以及自动化加工过程中的传感器数据融合     

汽轮发电机组故障诊断的复合式进化网络

提出了一种复合式神经网络结构,并用于大型汽轮发电机组的故障诊断。该神经网络集成一系列的ＢＰ网络,来完成故障分类任务。每个ＢＰ子网络只有一个输出结点并对应于一种特定的状态。子网络的权值通过基因算法进行确定,从而使训练过程可以实时进行。通过这种方法不仅可以对已知故障进行分类,而且可以对存在的新的故障进行识别。一种基于这种结构的实用诊断系统已经投入使用。     

用于语音识别中的SOFM矢量量化方法

该文讨论了神经网络语音识别系统中的ＫｏｈｏｎｅｎＳＯＦＭ神经网络的矢量量化（ＶＱ）的原理与过程,着重解决了其在实际应用时的若干问题,包括网络大小,学习步幅函数以及矢量量化过程中的公平竞争学习的控制函数的选定。过讨论了基于听觉模型的声学特性的提取与处理,这与ＶＱ性能息息相关。系统应用的实验表明,该神经网络在语音识别系统中具有良好性能。