基于ZG方法的悬挂负载直升机零振荡悬停控制

能够空投并高效地完成起降、装卸货物,是悬挂负载直升机重要的优点。欲使直升机成功并安全地实现货物装卸,需要直升机成功到达目的地,而且悬挂负载直升机飞行时悬挂物不发生振荡。为了实现悬挂负载直升机的零振荡悬停控制,基于ZG方法,在悬挂负载直升机简化数学模型基础上研究零振荡悬停控制问题。首先通过使用ZG方法对数学模型进行处理,得到相应的控制公式。然后创新性地引入参数的可变性,得到了辅助控制公式,并结合得到了控制器公式组。最后在MATLAB平台上进行计算机仿真,仿真结果验证了该控制器的有效性和精确性,进而证实了ZG方法对于实现悬挂负载直升机零振荡悬停控制的可行性和有效性。     

基于二次型优化的不定目标自运动规划方案及PA10机械臂仿真验证

提出一种基于二次型性能指标优化的方法来规划冗余机械臂的不定目标自运动,该方案能同时考虑关节极限和关节速度极限等物理约束,并通过两种不同方法完备且详细地分析了该二次型性能指标的设计原理. 基于PA10机械臂的计算机仿真结果证实了该方案的可行性和有效性.     

梯度神经网络求解Sylvester方程之MATLAB仿真

近年来,国内外学者发表了许多关于线性代数问题实时求解的方法,其中包括了矩阵求逆和线性方程组的并行求解方法.在研究了基于梯度法的递归神经网络用于Sylyester矩阵方程的实时求解后,通过使用Kronecker乘积和矩阵向量化等技术进行了MATLAB仿真从而验证了相关理论分析.计算机仿真的结果证实了这类神经网络方法在解决Sylvester矩阵方程中的有效性和高效率(特别是在使用幂S型激励函数的情况下).     

Legendre正交基前向神经网络的权值直接确定法

为避免权值反复迭代修正的冗长BP训练过程,避免传统方法陷入局部极小点,根据多项式理论,构造了一种新型前向神经网络模型,推导了基于最速下降法的误差反传算法和基于伪逆的直接确定法.仿真结果显示,迭代方法和伪逆直接确定法都能达到比较高的工作精度(10-6).     

带后续迭代的双极S函数激励的WASD神经网络

结合Levenberg-Marquardt算法以及权值直接确定法这两种用于神经网络学习训练的方法,提出了一种带后续迭代、面向双极S(sigmoid)激励函数神经网络的权值与结构确定(weights-and-structure-determination,WASD)方法。该方法与MATLAB软件神经网络工具箱相结合,可以解决传统神经网络普遍存在的学习时间长、网络结构难以确定、学习能力和泛化能力有待提高等不足,同时具有较好的可行性和可操作性。以非线性函数的数据拟合为例,计算机数值实验和对比结果证实了WASD方法确定出最优隐神经元数和最优权值的优越性,最终得到的WASD神经网络具有更为优异的学习性能和泛化性能。     

基于知识的自适应电梯群控制策略

为获得更低的平均候梯时间和长候梯率,提出一种基于知识的自适应电梯群控制策略.该控制策略汇集了区域权重控制算法、电梯运行操作知识以及层站召唤再分配规则,基于自适应的长候梯时间阈值,对长候梯层站召唤执行再分配操作,凸现了电梯群控制策略对复杂电梯交通的自适应性.与经典THV算法、基于知识的区域权重控制算法、人工免疫动态优化算法比较,该方法能获得更低的平均候梯时间和长候梯率.同时,其自适应能力使得该控制策略更易于应用在实际电梯群控制系统中.     

Java语言与人工神经网络应用

从控制工程的角度,概括介绍了作为国际互联网的最新核心技术之一的Ｊａｖａ语言的特点和发展,并具体结合人工神经网络的仿真与实现,以实际例子论述其在科学研究中将发挥的巨大效用和带来的新思想．     

高斯过程回归中的logdet近似算法及数值实验

在高斯过程以及其他空间回归模型中,超参数的最大似然估计(MLE)通常需要求矩阵行列式对数的估计,简称logdet.提出了-种基于幂级数展开的结构,用于广义正定矩阵logdet的近似计算,并给出三种新的补偿方案,进一步提高近似值的精确度和计算效率,所提logdet的近似实现方案仅需50N2产次操作.大量的数值实验,包括对随机产生的正定矩阵、随机产生的协方差矩阵以及两个高斯过程回归实例产生的协方差矩阵序列的检验,都已证实所提方案的可行性.     

未知目标函数之一阶数值微分公式验证与实践

根据多项式插值理论，对于未知的目标函数，在离散采样点获取其对应的函数值后，即可构造Lagrange插值多项式以近似求得该未知函数的逼近表达式．进而，对Lagrange插值多项式求一阶导数可得到该未知目标函数的多点一阶微分近似公式；即：等间距情况下的2～16个数据点的后向差分公式．计算机数值实验进一步验证与表明：该用于未知目标函数一阶数值微分的多点公式可以取得较高的计算精度．