基于神经网络的无监督自学习控制系统

所论系统的控制由两个神经网络完成,即对象放识器和系统控制器。并且提出了一种 新的学习算法,它能利用存贮于辨识网络的信息改进控制策略。该控制系统可以对非线性系统,不确定系统等进行无监督的学习控制。     

一类Sierpinski海绵的Hausdorff测度

对每一个ｍ≥１,定义一个Ｓｉｅｒｐｉｎｓｋｉ海绵,它们的Ｈａｕｓｄｏｒｆ维数为１,它们的１－维Ｈａｕｓｄｏｒｆ测度被完全确定．     

基于阻尼最小二乘法的鲁棒自校正预测控制器

本文将广义预测控制器（GPC）与阻尼最小二乘法（DLS）相结合,构成一种鲁棒自校正预测控制器．仿真结果表明,这种算法比基于通常的递推最小二乘法（RLS）的自校正预测算法有更强的鲁棒性．     

The Potential-dependent Stability of Self-assembled Monolayers on Gold Electrodes Investigated by Electrochemical Method

用电化学方法研究了在金电极上十二烷基硫醇自组装单分子膜（ＳＡＭ）在乙腈、乙醇及丙酮中的电位稳定性．在０．０Ｖｖｓ．Ａｇ／ＡｇＣｌ（饱和ＫＣｌ）,十二烷基硫醇自组装单分子膜有最大的稳定性,在较负电位（如－２．０Ｖ）和较正电位（如＋０．６Ｖ）电解时,在不同溶剂中的ＳＡＭｓ的表面覆盖率则表现出不同程度的损失,但在三种溶剂中,最大稳定性的电位窗口是相似的     

从另一个角度看AICC准则

基于另一种观点,本文对线性回归模型和自回归时间序列模型分别推导出ＡＩＣＣ和ＡＩＣＣ＾＊选阶准则,同时对ＡＩＣＣ准则在大样本情况选阶缺乏准确率的原因给予理论解释。统计模拟结果进一步证实了本文的论点。     

金电极的逐层自组装修饰

本文运用自组装技术用ω-巯基己酸化学修饰金电极形成第一层修饰层,ω-巯基己酸暴露在外表面的羧基活性基团还可在气相条件下进行酰胺化反应键接上乙二胺,从而实现逐层自组装修饰金电极.同时对此修饰电极也进行了电化学表征.     

扩展自偶码与Duadic码

研究扩展自偶群代数码与ｄｕａｄｉｃ群代数码的关系,得到中心群代数码可以扩展为自偶码的充分必要条件。     

一种应用双端信息自同步校正的故障测距法

针对高压,超高压远距离输电线路,提出了一种应用双端信息自同步校正的故障测距法,该算法采用长线模型,计及了线路分布电容的影响,能够实时修正输电线路两端采样的相角差,从而避免了由于两端采样信息不同步而造成的测距误差,经过大量的数字仿真试验,其结果十分令人满意。     

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。     

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