一种神经元网络控制器及仿真

该文给了了一种自适应神经元的控制方法，设计了神经元网络作为控制器的智能控制系统，给出了学习规则，在交流伺服系统中的仿真结果表明了此方法的有效性及优越性。     

基于矢量基学习的自适应迭代最小二乘支持向量机回归算法

为增强最小二乘支持向量机(LS-SVM)回归建模的稀疏性、鲁棒性和实时性,在加权LS-SVM的基础上,提出了基于矢量基学习的自适应迭代回归算法。在训练过程中,该算法通过矢量基学习和自适应迭代相结合的方法得到1个小的支持向量集,同时采用加权方法确定权值以减小训练样本中非高斯噪声的影响。回归学习和动态系统辩识的仿真结果表明:在回归建模精度相似的情况下,该算法确定的支持向量为全部学习样本的4.9%~8.9%,训练时间为标准LS-SVM的0.011%~0.383%;由于能够鲁棒跟踪时变非线性系统的动态特性,适合在线实时训练;可进一步用于非线性系统的建模和实时控制研究。     

一个机械手臂系统的键图模型及其仿真

键图模型是描述动态系统的一种新的图示模型。该文采用这个方法建立了一个简单机械手臂系统的模型。方法简单,仿真结果表明该方法在非线性系统建模中应用的可行性及可推广性。     

基于规则的T-S模糊神经网络

该文提出了一种基于规则的Ｔ－ Ｓ模糊神经网络的结构和相应的算法。首先用自组织算法对学习数据进行聚类生成一组初始的模糊规则,然后用误差反传法细调网络参数,通过仿真验证,该模糊神经网络具有结构简单,拟合精度高等优点。     

一类复杂系统的分布式模型参考自适应控制

针对一类子系统相关联的复杂多输入多输出系统，提出了一种在多输入子系统中采用基于Lyapunov函数的模型参考自适应控制(MRAC)的方法．其中各个子系统建模为线性多输入系统，并假设各子系统的参数均为未知，各子系统之间存在相互影响．通过理论推导和计算机仿真证明了该控制方法的可行性和有效性。     

动态神经网络的非线性系统鲁棒辨识和状态观测

针对多变量仿射非线性系统辨识和状态估计问题。采用动态神经网络作为辨识器和观测器,从而将系统辨识和状态观测设计过程合二为一,给出了辨识和状态估计的系统设计方法及具体设计步骤。在考虑建模误差项影响的情况下,采用基于Lyapunov理论的权调节律确保权值估计误差和状态观测误差的一致最终有界。仿真结果验证了所提方法的有效性。     

一类非线性系统的模糊神经网络内模控制

针对一类开环稳定的非线性系统,提出了一种基于模糊神经网络的非线性内模控制方案.通过理论分析指出模糊神经网络模型可视为一类特殊的线性时变系统,其模型的解析逆可以直接获得,从而简化了非线性内模控制的设计.为了研究建模误差对闭环系统稳定性的影响,将建模误差转换为结构性不确定,采用μ方法分析了闭环系统的鲁棒稳定性.仿真结果验证了该方法的有效性.     

用于函数逼近的小波网络

在小波分析的基础上 ,结合神经网络构造了一种新的小波级数形式的小波网络 ,并利用非线性规划中的变尺度法对网络权值进行训练。对一类非线性函数和混沌时间序列进行了仿真研究 ,并与文献 [7]的小波网络进行了仿真比较。结果表明 ,这种新的小波网络具有良好的函数逼近能力 ,收敛速度快且逼近精度高。     

感知能力异构的无线传感器网络优化部署机制

为了在满足网络覆盖要求的前提下,降低网络配置所需经济成本、延长网络生存时间、提高通信质量,研究由感知能力不同的传感器所组成的传感器网络的节点部署问题.采用了节点配置值、网络配置总值和节点数目3个指标,反映网络的配置水平、经济成本、通信质量和能耗情况.该文给出了问题的整数线性规划模型,并指出这个问题是NP完全的.提出了近似但计算有效的贪婪优化部署算法.通过找出最佳部署位置、传感器类型和感知方向,实现网络的优化配置.仿真结果表明,该算法可以降低网络配置成本和工作节点数,具有较好的优化部署效果.     

基于估计距离映射的无线传感网定位算法

针对移动无线传感器网络中的定位技术问题,以及现有定位算法在定位误差、网络耗能、分布式处理等方面存在的不足,提出一种先进的估计距离映射定位算法.该算法首先通过构建一个最优线性传换,提供一个从估计矩阵到距离矩阵的映射关系,然后利用映射关系计算距离矢量,最后在此基础上计算节点的位置坐标.仿真结果表明,所提出的算法与其他传统算法相比,定位误差减小,同时降低了网络能耗,从而验证了算法的有效性.