基于神经网络的机器人运动模型辨识及实验验证

为提高机器人模型辨识时神经网络的学习速度，改进得到一种新的神经网络拓扑结构——状态延迟输入动态递归神经网络．以德国PowerCubeTM模块化机器人为研究对象，将机器人关节位置信息和OPTOTRAK 3020三维运动测量系统测得的机器人末端位置信息作为神经网络的学习样本，对包含各种影响因素的机器人运动模型进行了辨识．并以此模型为基础，输入验证样本进行验证，所得结果及误差分析说明了该神经网络在学习能力上的优越性及辨识模型的有效性．     

自组织特征映射神经网络在薄板冲压中的应用

从影响薄板冲压成形结果因素和有限元网格法出发,研究了基于神经网络预测毛坯尺寸模型的方法.选取模具参数和工艺参数等作为影响冲压成形结果的因素,用正交表和随机法产生径向基函数神经网络的学习样本;利用自组织神经网络对样本进行分类,用有限元网格法反算的毛坯的长度作为神经网络的输出;设计了神经网络流程,定义了神经网络输出与有限元分析数据的相对误差.通过仿真试验证明,提出的预测毛坯尺寸模型的方法是有效的.     

基于神经网络的汽车操纵逆动力学模型识别

针对驾驶员建模中不确定因素的影响,采用操纵逆动力学方法,反求出驾驶员的操纵输入来避开驾驶员建模.神经网络作为一种较好的识别驾驶员输入的方法,其学习速度和收敛精度会影响识别精度.为了提高汽车操纵逆动力模型识别时神经网络的学习速度和收敛精度,基于Elman网络,采用一种新的动态神经网络结构——状态延迟输入动态递归神经网络(SDIDRNN).首先,建立三自由度人—车闭环模型并以实车试验数据验证了模型的正确性.然后,通过建立SDIDRNN网络模型,取闭环模型的仿真结果做为训练样本,对汽车操纵逆动力模型进行了识别,所得结果及误差分析说明了该神经网络在学习能力上的优越性及识别模型的有效性.     

基于模糊人工神经网络的金属矿山投资风险评价

为了尽量减少金属矿山项目开发投资风险,总结分析了影响金属矿山投资的众多因素,将这些影响因素进行分级分类,建立科学的矿山投资评价体系.将模糊理论与神经网络结合起来建立评价模型,首先利用模糊理论对各影响指标进行模糊化处理,然后将模糊化后的结果作为神经网络的初始输入,利用神经网络进行学习训练,模型的最终输出结果可以用来评价金...     

基于RBF神经网络的时间序列预测

分析了RBF神经网络的结构和学习算法,利用RBF神经网络和Matlab神经网络工具箱建立人口数量预测模型,并应用该模型对中国人口数量进行了预测.     

基于CW-RNNs网络的手势识别算法

该文在分析表征手势特征和神经网络理论基础上,根据手运动轨迹的连续性规律来研究适用于手势识别的关键技术——基于手势轨迹模型的新型神经网络算法。针对手势识别的模糊性和准确性问题,基于手势局部区域跟踪结果,采用一种新型神经网络算法,实现用于人机交互的动态手势识别。手势识别部分的研究是采用一种新型的循环神经网络(CW-RNNs)对手势运动的轨迹进行识别。根据跟踪部分提取的手指运动轨迹坐标,定义手势模版,采用该方法对手势模版进行学习。首先定义连续动态手势模版,采用时间频率循环神经网络对手势模版进行学习,对每组孤立的动态手势模版进行学习,形成手势识别模型。对影响CW-RNNs模型的因素进行了实验验证和深度分析,通过与多层RNNs、三层RNNs的识别效果进行比较,论证了本文模型对手势轨迹模版识别的优越性。     

全局优化学习算法下的高阶神经网络模型

研究了一个高阶神经网络模型，该模型采用全局优化学习算法，能使所有学习图样都成为系统的稳态吸引子，其存储容量远高于Ｈｅｂｂ－ｒｕｌｅ－ｉｌｋｅ型学习算法下的高阶神经网络模型，并能存储识别相关图样，对由３０个神经元组成的二阶神经网络系统进行了计算机模拟，模拟结果证实了上述结论。此外，还分析了初始突触强度对学习效果的影响，计算不同存储力图样数目下的平均吸引半径。     

基于RBF神经网络的冠心病识别模型

RBF神经网络是前馈神经网络研究中的一个热点.对RBF神经网络的网络结构、基本原理和学习算法进行了介绍.针对BP神经网络自身的缺陷,提出以RBF神经网络为识别模型,采用最近邻聚类学习算法,建立一种冠心病模式识别诊断系统.仿真实验表明,该模型可快速完成对冠心病样本的学习与拟合,具有预测识别率高的优点,可作为该病诊断的一种有效的辅助手段.     

基于克隆优化的船舶号灯神经网络识别模型

针对复杂光环境下船舶号灯识别模型的高维、强非线性及影响因素复杂等特性,提出一种基于克隆选择优化算法的BP神经网络识别模型.通过对影响因素的筛选确定BP神经网络的输入,将号灯识别码作为网络的输出确定BP神经网络模型.采用免疫克隆选择优化算法,确定网络层数和各层节点数目,结合灵敏度分析法选择非线性寻优的方向和尺度,以减少BP神经网络的迭代次数,提高搜索效率.通过对海上夜航时拍摄的一些实景照片进行学习和识别的仿真,验证了所建立的船舶号灯识别模型的有效性.     

柴油机EGR温度的智能控制策略

利用改进的BP神经网络算法,建立了样本柴油机排气温度的神经网络模型,通过柴油机台架实验采集柴油机转速、负荷、油耗、排气温度等参数作为神经网络模型学习样本,使用实验数据对所建立模型进行训练,并对该神经网络模型进行了误差分析,结果表明,所建神经网络模型反映了实验样机的排气温度变化规律,在测试数据范围内,排气温度辨识误差小于...     

制造商-供应商协同产品创新伙伴关系博弈研究

从分析传统供应商关系存在的弊端入手，研究了供应商关系演进历程，比较了传统的供应商关系和协同产品创新供应商合作伙伴关系，建立了支持产品创新的制造商-供应商伙伴关系博弈模型．通过模型分析得出，产品创新合作伙伴关系的建立将有利于产品创新效率的提高，合理的利益分配机制是合作产品创新稳固的基础和协调机制是促成整个流程伙伴合作的润滑剂。     

企业信息化盟友选择的评价指标体系和模糊评价模型

企业信息化面临着盟友选择问题。针对企业信息化盟友选择问题的特点,分析了盟友选择的基本原则,依照“TQCSF”原则,提出了盟友选择的综合评价指标体系。由于盟友选择问题包含大量的不确定性和模糊性因素,为此将模糊理论的思想和方法引入盟友评价中。在主成分分析与模糊理论的基础上,构建了模糊综合评价模型。定性分析与定量研究相结合,为企业选择信息化盟友提供了一种符合客观实际的有效方法。     

网络环境下虚拟企业盟友选择方法研究

提出了一种计算上下两面受约的薄圆橡胶片在竖向压力作用下的压缩刚度和剪应变分布的近似公式，讨论了中间开小圆孔的圆形橡胶片的力学性能，运用标准有限元程序STRAND6分析了不同类型的薄圆橡胶片的压缩和剪切特性，理论分析和有限元数值结果的比较说明了所提出的近似公式是可行的。     

多源信息搏弈融合模型的研究及其在ETC中的应用

将搏弈论与信息融合技术相结合,针对多源信息冲突环境下的信息融合问题,提出了一种新的通用型融合功能模型多源信息搏弈融合功能模型.该模型在搏弈思想指导下,把局中人、对策和支付作为模型的基本要素,把目标识别或局势评估作为模型的核心功能,把融合中的冲突与合作视为多源信息以不同策略进行的交互搏弈.针对不确定性环境下的态势评估或目标识别,提出了以贝叶斯网络为基础的问题表示及求解方法.在应用中,将博弈融合模型及算法应用于ETC电子不停车收费中的车辆身份识别.实验表明,在车辆身份的识别过程中,博弈融合模型优于传统的信息融合方法,并能有效地改善识别结果,从而验证了博弈融合模型及其算法的有效性和具体应用价值.     

基于OPCA-IGAFNN的NQI综合服务 信息平台服务质量评价

针对传统模糊神经网络（FNN）评价模型在国家质量基础设施（NQI）综合服务信息 平台的服务质量评价中存在收敛速度慢、易陷入局部最优解等问题,提出一种基于优化主成 分分析法（OPCA）与改进遗传算法（IGA）的模糊神经网络智能评价方法. 为提高FNN的网络收 敛速度,利用OPCA根据评价指标间的相关性,删除冗余指标因素,减少网络输入量,实现对网 络输入的降维处理;将 IGA与 FNN相结合,利用自适应的交叉与变异概率对 FNN隶属函数的 系数进行全局搜索,克服 FNN在智能评价时容易陷入局部极值问题 . 基于我国实际的 NQI综 合服务信息平台服务质量调研数据开展试验分析,结果表明,OPCA-IGAFNN评价模型具有高 效、准确的评价效果.     

联盟模式下云资源提供最优化算法

为了提高资源利用率和云资源提供者的收益,提出一种云联盟模式下基于合作博弈的资源提供算法.算法将资源联盟收益最优化形式化为线性规划问题,通过合作博弈核求解了该收益最优化问题,并证明了处于合作核中的资源提供策略同样是线性规划最优解.进一步,为了获得稳定的资源联盟结构,设计了基于离散Markov链的动态联盟构造模型,通过该模型可以得到收益最大化的最优联盟结构.仿真实验结果表明,对于具有博弈理性的资源提供者而言,资源联盟可以有效提高个体资源提供者的收益,同时,由于结盟代价的存在,稳定的联盟结构更加倾向于形成规模更小的联盟.     

基于聚类和模糊神经网络的故障诊断

模糊神经网络能够发挥模糊逻辑和神经网络的特性,在武器装备的故障诊断中应用越来越广泛。文中提出了一种基于聚类和模糊神经网络的故障诊断模型,该模型首先通过基于关系度的聚类方法得到模糊神经网络的初始结构,并用梯度下降法对网络的参数进行修改,以得到泛化能力好的诊断网络。仿真结果表明该模型是有效的。     

基于小生境免疫算法的船舶FNN自动舵设计

结合隔离小生境技术的特点和免疫遗传算法的全局收敛特性,提出一种基于小生境免疫遗传算法的模糊神经网络控制器优化设计方法,并将其用于船舶自动舵的设计.隔离小生境能有效解决局部和全局收敛的矛盾,可以解决船舶运动控制的FNN控制器难于设计以及传统BP学习算法易于陷入局部收敛的不足.将神经网络结构辨识器作为船舶的辨识模型,船舶运动模型采用二阶非线性方程,模糊神经网络控制器为主控制器,对船舶航向运动控制系统进行仿真研究.结果表明,在船舶无干扰和存在随机干扰的情况下,由此设计的船舶自动舵控制系统均能使船舶转向控制无超调,跟踪快,与BP学习算法相比控制效果更趋于为理想,可以进一步提高航行的性能.     

Fuzzy fault diagnosis system of MCFC

A kind of fault diagnosis system of molten carbonate fuel cell (MCFC) stack is proposed in this paper. It is composed of a fuzzy neural network (FNN) and a fault diagnosis element. FNN is able to deal with the information of the expert knowledge and the experiment data efficiently. It also has the ability to approximate any smooth system. FNN is used to identify the fault diagnosis model of MCFC stack. The fuzzy fault decision element can diagnose the state of the MCFC generating system, normal or fault, and can decide the type of the fault based on the outputs of FNN model and the MCFC system. Some simulation experiment results are demonstrated in this paper.     

基于模糊群决策理论的博弈联盟选择

研究在模糊博弈环境下如何选择合适的局中人形成优势合作联盟的方法.基于模糊不确定性理论,推广和改进了多属性群决策的Bernardo方法.将该方法应用于具有模糊资源约束的博弈联盟选择问题,给出了博弈联盟选择的模糊机会约束模型及求解方法.为现实博弈联盟选择提供了一种有效可行的模糊群决策方法.