非线性离散动态大系统的DISOPE关联平衡协调算法

提出一种非线性离散动态大系统优化与参数估计集成的关联平衡协调算法。在各子系统模型与实际存在差异的情况下,将动态系统系统优化与参数估计集成方法（DISOPE）与关联平衡法相结合,得到一个上级协调,下级进行各子系统优化与参数估计集成的双环迭代算法,从模型出发通过迭代运算能得到实际系统存在模型－实际差异时的真实最优解。仿真结果表明了算法的有效性和实用性。     

非线性离散动态大系统的DISOPE关联预测递阶算法

提出了一种非线性离散动态大系统系统优化与参数估计集成的关联预测递阶算法 .在各子系统模型与实际存在差异的情况下 ,将动态系统系统优化与参数估计集成 ( DISOPE)方法与关联预测法相结合 ,得到一个上级协调 ,下级进行各子系统优化与参数估计集成的双环迭代算法 ,从模型出发通过迭代运算能得到实际系统在存在模型 -实际差异时的真实最优解 .仿真结果表明了算法的有效性和实用性.     

新型神经网络模型参考自适应控制系统设计

针对任意复杂非线性系统，即控制器具有不可分离结构的离散非线性系统，提出新型神经网络模型参考自适应控制。该方案的提出简化了基于神经网络的模型参考自适应控制系统的设计，只需一个神经网络辨识器。统一了任意神经网络模型参考自适应控制的设计方法，更接近于工程实际。仿真结果证明了该方案的合理性和有效性。     

基于回归神经网络的氧乐果合成过程建模与仿真

氧乐果合成过程具有非线性、时变和不确定性的特点，难以采用常规的建模方法建立模型。BP网络可用于非线性系统的建模，但不能很好的反映实际系统的动态特性。提出了一种静态BP神经网络加多分头延时(TDL)环节构成回归神经网络建立系统动态模型的方法，用于氧乐果合成反应温度控制过程的建模与仿真研究。结果表明，该方法建立的模型误差较小、网络泛化能力较强，能较好的反应实际系统的动态特性，从而为培训操作人员的控制水平提供了低成本的仿真手段，也为自动控制算法的研究提供了仿真模型。     

一类基于神经网络非线性随机系统自适应滤波

给出非线性MIMO随机系统可观性定义和条件，将非线性SISO确定性系统局部可观性理论拓展到非线性MIMO随机系统，基于这一理论在系统模型和噪声统计未知情况下，提出一类基于神经网络的非线性离散随机系统自适应滤波器的设计方法，考虑过程方程的动态特性和输出方程的静态特性，设计了动态神经网络作为系统的滤波器，前馈神经网络作为系统的输出预报器，充分利用已知观测信息训练两个神经网络，从而提高了状态估计的精度，该方法克服了扩展Kalman滤波要求模型和统计特性精确已知的不足，仿真例子验证了所提出的估计方法的有效性。     

混沌神经网络模型参考自适应控制器设计

研究了非线性的神经网络模型参考自适应控制器设计问题。将混沌机制引入常规BP算法,利用混沌机制固有的全局游动,逃出权值优化过程中存在的局部极小点,解决了网络训练易陷入局部极小点的问题。通过训练神经网络模型参考自应用控制器和辨识器,完成了对一类复杂离散非线性系统的控制。给出了具体的算法步骤。仿真结果表明了混沌BP算法优于常规BP算法。有效地提高了控制精度和适时性。     

航天器姿态的神经网络动态逆控制

针对航天器姿态系统,提出了一种基于自适应神经网络动态逆的控制算法。该算法针对滚转、俯仰和偏航三个姿态子系统,设计了两组神经网络:第一组是BP网络,用来逼近三个姿态通道的非线性项,可获得姿态逆模型;第二组是非线性自适应神经网络,用于在线实时地补偿逆模型存在的误差和外加干扰。详细分析了非线性自适应神经网络的拓扑结构、学习规则和调整算法。给出了应用该算法的具体实例,通过仿真实验证明该算法的有效性。     

最小相位不确定非线性系统的观测器设计

针对一类系统相对阶小于系统阶数的非线性系统,提出了一种基于输入输出线性化的观测器设计方法。首先考虑了模型已知时的非线性系统,通过微分同胚,将原系统变换为标准型,证明只要系统的零动态是局部指数稳定的,则基于估计误差的非线性动态方程是稳定的,即估计状态收敛到真实状态。然后分析了存在模型不确定性的系统的观测器设计问题,用RBF神经网络逼近不确定性,设计了神经网络加权系数的调整规律和Lyapunov函数,实现了含有不确定性时误差动态方程的渐近稳定性。仿真结果证明了算法的有效性。     

一种时变非线性系统的自适应逆控制仿真

对一种非线性时变系统提出了基于神经网络的自适应逆控制方案。该方案中用两个动态神经网络分别作为模型辨识器和自适应逆控制器,详细推导了在线训练自适应逆控制器的BPTM(backpropagationthroughmodel)和RTRL(realtimerecursivelearning)算法。根据大幅面喷墨打印机的结构特点,建立了打印头车架系统的时变非线性动力学模型作为仿真对象,在Matlab/Simulink平台下进行了算法仿真验证。结果表明了该方案收敛快,能有效控制该时变非线性对象。     

基于变神经网络的非线性最小方差预测控制器

提出基于变神经网络学习动态系统参数的最小方差预测控制器。其目的是通过在线学习 ,使控制器(MVPC)能适应被控对象参数变化和非确定性。提出的变神经网络由两部分组成 ,一部分是线性神经网络 (LNN) ,作为被控对象局部线性动态模型 ,另一部分是多层交叉回归神经网络 (DRNN) ,它近似为非线性动态模型。由于引进递推最小方差算法 ,本控制器运算速度相当快。仿真结果表明所提方法对非线性系统自适应控制是有效的     

一种模糊神经网络自适应预测控制方案的研究

针对现有模糊推理方法的缺点,结合神经网络的学习能力和插值能力,提出了一种新型的模糊神经网络结构。在此基础上设计了一种模糊神经网络自适应预测控制方案,并导出了相应的学习算法。同时引入了预测误差的智能补偿,以提高预测及控制精度。仿真实验表明,该算法能实现模糊控制和神经网络控制的优势互补,在非线性复杂系统的控制方面具备较高的性能。     

基于神经网络的防空武器多目标火力分配模型

首先通过对防空Ｃ３Ｉ辅助决策系统中火力分配问题的分析,针对目前火力分配数学模型的目标函数单一的状况,建立了一种多目标函数的火力分配模型。在此基础上,基于对不确定因素的考虑,引入模糊集概念,建立了一种多目标火力分配模糊优化模型。为克服传统方法求解组合优化问题的困难,利用优化神经网络给出了算法。     

快速模拟退火算法用于MESFET大信号建模

对快速模拟退火算法的关键参数进行确定，将该算法应用于微波半导体大信号建模，解决了多变量非线性优化难题，实验结果表明该方法是有效的。从而为解决ＭＥＳＦＥＴ（ＭｅｔａｌＳｅｍ ｉｃｏｎｄｕｃｔｏｒ Ｆｉｅｌｄ ＥｆｆｅｃｔＴｒａｎｓｉｓｔｏｒ）大信号建模问题提供了一种新思路。     

快速平衡技术

存储管理是工业工程的一个重要研究领域。在国际上首先对单机器生产系统循环投放的特性进行研究，给出快速进入最优轨线的方法和步骤，以及储存空间任意一点快速进入最优轨线时间的计算公式。     

超低噪声的三毫米波LFMCW雷达接收机

讨论了一种超低噪声的三毫米波ＬＦＭＣＷ 雷达接收机的设计和实现,提出并实现了线性调频连续波雷达差拍信号的频域动态范围压缩技术,降低了雷达系统对Ａ／Ｄ变换器动态范围的要求。实验结果表明,该接收机具有超低噪声、高增益和好的频率响应特性,可满足三毫米波ＬＦＭＣＷ 雷达系统应用的需要     

一种基于子空间匹配投影的暂态信号检测方法

利用短时傅立叶变换和子波变换的性质,针对两种实际的信号模型,提出了一类基于线性时频子空间匹配投影算法的暂态信号检测方法,推导了它的两种实现形式,并给出了计算机仿真结果。该方法充分利用了信号的先验信息并建立了匹配的信号模型,表现了较好的性能     

粒子动力学演化算法及其在求解SOP上的应用

根据粒子输运理论中粒子相空间能量最小原理和熵增法则提出一类粒子动力学演化算法，并在数据实验中用该算法求解了一些传统演化算法难于求解的单目标优化问题(SOP)，比如求解凸函数和多峰函数等最小优化问题。由于这种新的动力学演化算法能使几乎所有的个体参加杂交和变异，因此，与传统的演化算法相比，该方法不仅能较快速地求解线性和非线性优化问题，而且还能容易地求出达到最优解的多个坐标点。     

多传感器ATR系统中传感器的选配

多传感器数据融合引入 ATR系统首先面临的是传感器的选配问题。从系统中可选传感器的分析出发 ,阐述了传感器选配中应考虑的几个基本因素 ,部分解决了目前传感器选配中的盲目性和随意性问题 ,指出 ,多传感器 ATR系统中传感器选配方法的发展趋势是引入系统工程理论和优化设计方法。     

不完全维修条件下的视情维修优化模型

针对实际工作中系统无法通过维修手段恢复如新的情况,利用离散状态的马尔可夫过程,将一类基本的不完全维修模型与视情维修理论相结合,建立了劣化系统在不完全维修条件下的视情维修模型。根据马氏过程平稳状态下的统计平衡原理,提出了求解系统稳态可用度的一类解析算法,并在此基础上,以系统稳态可用度最大为优化目标,确立了不完全维修条件下劣化系统的最佳检测间隔时间和视情维修阀值。最后,通过具体算例验证了了模型与算法的可行性。     

带未知时变噪声系统的卡尔曼滤波算法研究

针对带有未知时变噪声的线性离散系统的状态估计问题,详细研究了一种基于未知时变噪声统计估值器的自适应Ｋａｌｍ ａｎ 滤波算法。仿真结果发现,初值误差值不能随着时间而衰减。通过对滤波算法的重新整理,得到总是包含特征值等于１的系统矩阵,从而证明了该算法的临界稳定性