基于粒子群优化的移动机器人SLAM方法

针对传统Rao-Blackwellized粒子滤波器存在的粒子消耗问题,提出了一种基于粒子群优化的移动机器人同步定位与制图方法. 该方法在粒子重采样过程中利用粒子群优化算法获得机器人位姿的建议分布,并引入遗传算法中的交叉和变异操作对求得的粒子集进一步优化、调整. 改进后的粒子分布保持了粒子的多样性,有效提高了机器人位姿估计的一致性. 仿真结果表明,本文提出的方法与传统Rao-Blackwellized粒子滤波器相比,能有效解决粒子耗尽问题,使机器人获得更精准的定位和更准确的地图,具有可行性、实用性.      

基于RB-GSPF算法的地形辅助导航

为了解决地形辅助导航中面临的高维、强非线性问题,提出了基于Rao-Blackwell框架的RB-GSPF算法。该算法将原系统中的线性Gauss子结构分离出来,使用经典的Kalman滤波器处理,而剩下的强非线性部分通过Gauss和粒子滤波器处理,这种结构上的分解既发挥了Kalman滤波器对于线性Gauss系统的最优性,又利用了GSPF算法结构上的优点。理论及实验分析表明:该算法与粒子滤波器相比,在降维的同时提高了定位精度,减少了粒子数目;与Rao-Blackwellised粒子滤波器(RBPF)相比,其算法结构具有更好的并行性,从而在运算量上具有优势。     

一种用于非线性逼近的新型模糊神经网络

针对一般非线性映射的逼近问题，提出用分域逼近的通用算法来实现全局逼近，并据此构造了实现该算法的新型模糊模糊神经网络。通过仿真，将新型模糊神经网络和常用的BP和RBF两种神经网络进行比较。结果表明，该新型模糊神经网络的非线性逼近能力明显优于后两者，且权值具有明显的几何意义，设计难度相对较小，可用于解决复杂非线性函数的逼近问题。     

一类非线性滞后系统的自整定PID控制

针对采用传统PID控制一类非线性滞后系统,难以获得满意的控制效果,提出基于RBF神经网络的PID控制参数自整定的方法.利用具有在线能力的最近零聚类学习算法,训练RBF神经网络,从而自适应调整系统的控制参数.仿真结果证明了,该控制策略不仅能使非线性滞后系统具有良好的动态跟踪性能,而且具有很好的抗干扰能力.     

一类非线性系统的RBF神经网络滑模控制及应用

针对一类模型不精确的非线性系统,提出了一种RBF神经网络与滑模控制策略。RBF神经网络在一定条件下可以任意精度逼近非线性函数,且具有较强的自学习、自适应和组织能力。因此,将其与滑模变结构控制策略相结合,应用于非线性系统中。实验结果表明:其克服了传统滑模变结构控制中的振颤问题,同时,继承了滑模变结构控制所具有的快速性能好、鲁棒性强和抗干扰性能优良的特点。     

基于改进差分进化算法的RBF神经网络优化方法

提出了一种新的RBF神经网络训练方法——改进差分进化算法,并用改进差分进化优化的神经网络对非线性系统进行逼近.采用改进差分进化算法对RBF神经网络的中心值、宽度和权值进行了优化.仿真实验结果表明,改进的差分进化算法具有比遗传算法更强的非线性系统逼近能力.     

基于几乎干扰解耦的非线性系统自适应模糊输出反馈控制

研究了一类基于几乎干扰解耦的MIMO非线性不确定系统的输出反馈控制问题.研究的非线性系统具有嵌入式下三角结构,比严格反馈形式的非线性系统更具一般性,非线性系统的状态部分不可测.通过综合应用模糊逻辑系统和命令滤波反推控制技术,构建自适应模糊输出反馈控制器,命令滤波技术的引入消除了传统反推控制方法运算中存在的计算膨胀,设计的控制器不仅保证整个闭环系统的稳定性,而且在L2增益的意义上抑制了干扰对输出的影响.仿真结果表明了该方法的有效性.     

Nonlinear Spline Kernel-based Partial Least Squares Regression Method and Its Application

Inspired by the traditional Wold＇s nonlinear PLS algorithm comprises of NIPALS approach and a spline inner function model, a novel nonlinear partial least squares algorithm based on spline kernel （named SK-PLS ） is proposed for nonlinear modeling in the presence of multicollinearity. Based on the inner-product kernel spanned by the spline basis functions with infinite number of nodes, this method firstly maps the input data into a highdimensional feature space, and then calculates a linear PLS model with reformed NIPALS procedure in the feature space and gives a unified framework of traditional PLS ＂kernel＂ algorithms in consequence. The linear PLS in the feature Space corresponds to a nonlinear PLS in the original input （primal） space. The good approximating property of spline kernel function enhances the generalization ability of the novel model, and two numerical experiments are given to illustrate the feasibility of the proposed method.     

利用RBF神经网络实现聚合反应的内模控制

文中研究基于径向基(RBF)神经网络算法的内模控制策略在苯乙烯本体聚合反应相对分子质量分布控制领域的应用。利用神经网络对非线性系统的逼近能力，把内模控制推广到聚合反应过程质量指标控制这一非线性系统中。针对建模过程中存在的稳态误差，在训练数据中增加了部分静态数据，有效的提高了模型的验证精度，大大改善了由神经网络构成的内模控制器的控制精度，消除了系统余差。仿真结果证明，基于神经网络算法的内模控制策略达到了较好的控制质量。     

解带非线性等式和不等式约束优化问题的超记忆梯度广义投影算法

利用广义投影技术 ,将求解无约束规划的超记忆梯度算法推广 ,建立了求解带非线性等式和不等式约束优化问题的一种超记忆梯度广义投影算法 ,并证明了算法的收敛性。该算法具有稳定、计算量小、所需收敛条件弱、收敛性强等特点 ,并改进了广义梯度投影算法的收敛速度。数值算例表明该算法是有效的。     

生物发酵过程的温度控制模型研究

针对生物发酵过程中温度控制难以建模的问题,基于非线性自回归滑动平均(NARMA)模型,设计了神经网络自回归滑动平均(NN-NARMA)模型.利用径向基神经网络逼近NARMA模型中的映射关系,对神经网络的输出进行了二阶低通滤波,用变异率可调节的遗传算法优化了NARMA模型中的延时参数以及神经网络的输出滤波参数.应用该方法建立了生物发酵过程的温度控制模型,该模型在上温、中温和下温的误差相对于Elman神经网络模型分别减少了38 9%、13 5%和61 3%.该方法具有一定的可操作性,能够较好地解决生物发酵过程中的温度控制建模问题.     

RBF-AR模型在三峡水电站上网日电量预测中的应用

针对水电站上网日电量数据的非线性特征,采用状态相依自回归(state-dependent autoregressive,SD-AR)模型对数据进行描述。用高斯径向基函数(radial basis function,RBF)神经网络来逼近SD-AR模型的函数型系数,采用一种结构化非线性参数优化方法 (structured nonlinear parameter optimization method,SNPOM)来离线辨识RBF-AR模型系数,并利用此模型对数据进行预测。通过对三峡左岸和右岸水电站上网日电量真实数据进行训练和测试,并与其他经典算法进行比较,验证了RBF-AR模型在不确定条件下的预测准确性和可行性。     

非线性不确定时变时滞中立系统的非脆弱控制

针对状态、控制输入均含有时变时滞的一类非线性不确定中立系统,探讨其基于Lyapunov稳定性理论的非脆弱控制问题.采用矩阵的各种分解和放大方法,并基于系统的非线性扰动信息,构造含有增益扰动的控制器,得到使得闭环系统具有渐近稳定的良好性能的稳定性判据.同时,应用积分引理来处理Lyapunov泛函导数中的积分项.最后通过一个数值例子展示控制器的设计思路,并通过数值仿真验证所提方法的有效性.     

神经网络故障检测算法研究

该文采用输出带输入线性项的RBF神经网络来辨识非线性随机系统模型,基于扩展卡尔曼滤波器的设计思想,设计了一个可估计状态滤波协方差阵及状态预测协方差阵上界的次优状态滤波器,以产生残差序列,并可用来进行故障检测。该方法适用于一大类非线性随机系统,具有较大的适用范围。     

基于自适应神经网络的非线性系统的智能故障诊断

针对一类模型未知的非线性系统,提出了一种基于自适应神经网络的故障诊断方法,用RBF神经网络构造了状态估计器和故障估计器,解决了非线性系统状态不可测时的故障诊断问题。并用Lyapunov方法研究了故障误差和状态误差的收敛性,结果表明了该方法实用、有效。     

一类随机非线性系统的输出反馈全局镇定

将基于增益观测器的非线性系统输出反馈全局镇定控制器设计方法推广到随机情形,使之适用于一般的随机非线性系统.与已有基于反步法设计的镇定控制器相比,该方法不要求该随机非线性系统满足严格反馈条件,对其噪声向量函数也不要求满足光滑性条件.基于李亚普诺夫第二方法,讨论了所设计的控制器稳定的条件.一个二阶仿真算例表明该控制器设计方法是有效的.     

一种基于RBF神经网络预测模型的DMC预测控制

研究了一种利用RBF神经网络预测模型的动态矩阵控制算法,首先利用动态节点生成构造性RBF神经网络辨识对象模型,同时预测对象的未来输出,然后用传统的动态矩阵控制算法进行滚动优化和反馈校正。仿真表明该算法在非线性对象的任意工作点都可以通过神经网络辨识获得工作点附近的近似线性模型,具有较好的实时性。     

直接序列扩频通信中抑制窄带干扰的非线性滤波方法

分析了干扰形式为单音和自回归过程时信噪比改善的闭合表达式。仿真结果表明，对于单音干扰，在接近载波频率处非线性滤波器比线性滤波器有10dB的信噪比改善；对于自回归形式的干扰，信噪比改善会随着输入信噪比的变化而改变，但在输入信噪比很大时，非线性滤波器比线性滤波器有近5dB的改善。     

置换滤波器的简化形式

置换滤波器是一种重要的非线性滤波器,它包括了几乎所有的基于排序操作的非线性滤波器,但巨大的计算量和存储量要求限制了其在图像处理等领域中的应用。针对图像处理的应用目的,提出了简化置换滤波器的几种方法:减少特征向量的量化级、减少特征空间的维数和对特征空间映射函数施加自偶约束。试验比较了简化前后的滤波器的效果。结果表明,经过适当简化,在滤波性能损失很小的情况下,置换滤波器所需要的计算量和存储量可以大大减少。     

基于RBF神经网络的传感器非线性故障鲁棒诊断

针对一类非线性系统,传感器非线性故障情形,提出了新的故障诊断方法·该方法采用状态变量扩展技术将传感器故障转化为系统故障进行诊断,RBF神经网络对传感器故障的导函数进行估计,网络权值在线调整,进而实现故障的实时估计·对于系统中存在的不确定性,故障诊断方法应用阈值处理技术,使算法具有一定鲁棒性·对于给出的算法,证明了Lyapunov稳定性·最后,给出了仿真实例,结果验证了该方法的正确性·