神经网络活化函数的研究及其应用

通过构造一类新的高效分段活化函数,很好地解决了ＢＰ算法学习收敛速度慢的问题,而且提出了一种自适应调整网络参数的新算法,从而大大提高了算法的学习效率和综合性能．文中详细研究了基于改进的ＢＰ算法神经网络的实验仿真系统的建模过程,并在精细化工实验方案的分析和优选中获得了令人满意的效果．     

基于二阶系统的神经网络控制及仿真

基于神经网络的直接逆控制和模型参考自适应控制的原理设计了1个二阶系统控制，使用MATLAB神经网络工具箱对其进行了仿真，对比了不同的控制方法以及训练样本容量对控制结果的影响。     

自适应扫频随机共振方法的研究

针对大参数信号二次采样随机共振应用的局限性,提出了自适应扫频随机共振方法.该方法根据信号、噪声和系统三者协调作用发生随机共振时的关系,自动调整采样频率和双稳系统的结构参数,从而自动获取随机共振状态.将此方法应用于实际噪声下弱信号的提取,取得了较好的结果.     

自适应冗余第2代小波设计及齿轮箱故障特征提取

针对强噪声背景下齿轮箱故障特征的提取问题,设计了一种提取该类信号时域特征的自适应冗余第2代小波.采用基于数据的优化算法设计每层小波分解的初始预测器和更新器,然后通过对初始预测器和更新器进行插值补零运算,来获得冗余预测器和更新器.第2代小波不需要剖分运算,利用冗余预测器和更新器直接对每层逼近信号进行预测和更新运算,能较好地保留信号的时域特征.采用第2代小波较理想地提取出了齿轮箱发生摩擦故障时的时域调制波形和周期性冲击脉冲,并对得到的细节和逼近信号进一步进行包络解调,从而分离出了故障调制源频率.结果表明,自适应冗余第2代小波对噪声背景下齿轮箱故障特征的提取效果优于其他小波.     

无刷直流电机模糊控制系统的建模与仿真

从无刷直流电机的基本原理出发,提出了无刷直流电机控制系统仿真建模的新方法.该方法在Mat-lab/Simulink中按功能进行模块化建模,用M文件来编写功能函数,实现了电流滞环和转速模糊控制的双闭环调速系统的仿真.利用该模型分析了电机的动静态性能,得到了电机运行时的反电动势、相电流、转矩和速度曲线,与一般比例积分与微分控制相比,系统响应时间缩短一半,且无超调,具有较强的鲁棒性和自适应能力.该模型准确易行,便于替换和修改,为今后分析该类电机和对其控制策略的研究提供了新的方法.     

基于Bezier曲面的大规模散乱数据的插值

对于大规模散乱数据而言，传统的散乱数据的插值方法由于要通过求解联立方程组来得到插值曲面，因此无法适应大规模散乱数据的逼近．本文提出的基于Bezier曲面的大规模散乱数据的插值方法，是一种通过自适应的迭代方法，对大规模的采样点进行Bezier曲面插值的方法，有助于提高计算的速度和精度．     

BP模型在降雨径流预报中的应用研究

简要介绍了人工神经网络用于洪水预报的基本原理,对降雨径流预报的网络模型进行了改进。为了避免陷于局部极小值和缩短学习时间,采用了改进的自适应BP算法进行洪水预报,开发了基于BP模型的洪水预报系统,并经过山西省文峪河水库的实测资料进行了预报,取得了令人满意的精度。     

倒立摆的Reinforcement Learning模糊自适应控制

根据Lagrange方程建立了单级倒立摆系统的数学模型，利用模糊自适应控制算法设计了倒立摆系统的控制器，并在Matlab的仿真模块中将倒立摆系统的数学模型和控制器结合起来．对倒立摆控制系统进行了仿真研究。结果表明，对于要求实时性较高的非线性不稳定系统。用模糊自适应控制算法可以按照控制要求在线调节控制参数，在最短的调整时间内取得良好的控制效果。     

基于自适应Gabor小波包的超声心动图像纹理特征提取

在基于纹理的医学图像检索中，由于提取的图像特征向量过长，大大影响检索速度．为此，提出一种基于Gabor小波包的自适应纹理提取方法：以信号能量集中度作为自适应选取小波包的优化参数，建立反映图像内容的纹理特征向量以及空间信息结构码．这种方法有效降低了纹理特征向量的维数，显著提高了图像分析的效率．在基于内容的图像检索实验中，以两类典型的超声心动图像为研究对象，结果表明该方法能够达到95．1％的平均识别率．     

模糊神经网络间隔调速模型的研究

提出了一种基于模糊神经网络理论求得动态出口速度的模型，以6层的前向神经网络实现模糊过程使系统具有自学习和自适应能力，能根据列车的实际溜放情况自动调整减速器出口速度。