基于Hopfield神经网络的线性系统参数辨识

基于Ｈｏｐｆｉｅｌｄ网络的神经计算原理,提出了一种新的线性系统参数辨识方法,首先建立系统的Ｉ／Ｏ差分方程以模型误差二次型作为ＨＮＮ的能量函数,辨识差分方程的系数矩阵,最终得到线性系统的全部矩阵参数,数值仿真的结果证明了该方法的有效性。     

基于神经网络的发电机参数辨识

介绍了人工神经网络(ANN)在发电机传递函数参数辨识中的应用,提出了一种隐层有七个神经元的BP神经网络,使用该网络对发电机参数进行辨识,并利用MATLAB/SIMULINK软件对所设计的BP神经网络进行了仿真,结果表明,所设计的神经网络能够有效地辨识发电机参数,并且具有训练时间少,没有局部极小化现象等优点.     

并联机构动力学建模及伺服系统参数辨识

研究一种三自由度并联机构动力学建模及伺服系统参数辨识方法．首先导出了外移动副驱动，含平行四边形支链结构的位置、速度及加速度逆解模型，并利用虚功原理建立其刚体动力学逆解模型．在此基础上，提出了辨识该并联机构伺服系统参数的一种方法．该方法采用变频三角波输入，克服了伪随机二位式序列信号幅值变化大、易造成对伺服电机冲击和引起其速度环开环等问题，且通过附加惯性负载，可将包括伺服系统转动惯量在内的所有参数辨识出来，为系统动态性能在全工作空间内取优奠定了基础．     

基于流体网络模块的模块化建模方法

热力系统图形化建模是电站仿真领域中的前沿课题。该文针对热力系统的特点，并考虑实时仿真的要求，进一步完善了流体网络模块的概念，使之物理概念和数学独立性更完整。由此系统地提出了一个基于流体网络模块的模块化建模方法。该方法面向对象的概念更完整，模块划分及连接方法更简单、统一。所介绍的模块化建模方法已在为韩国三星重工（ＳＨＩ）开发的图形建模系统ＧＮＥＴ中得到验证。     

基于模型参数辨识的网络化系统控制策略

针对网络控制系统中普遍存在的有限带宽问题,提出了基于模型参数辨识的网络化系统控制策略.该系统由多个子系统构成,各子系统包括辨识模块、更新模块和控制器模块等.系统在闭环更新周期内,通过辨识模块在线辨识系统参数以构造被控对象的动态模型并重构其状态,更新模块利用已辨识参数更新被控对象模型参数,最后由控制器模块输出控制量.系统通过合理地设计闭环更新周期,调节模型与被控对象的匹配程度,达到减小系统对网络带宽的需求及提高网络的使用率,进而实现基于模型的控制策略.结合直流电机的网络化控制系统进行的Matlab仿真实验,结果证明了所提方法的有效性.     

微生物连续发酵系统参数辨识与优化算法

考虑3-HPA对细胞生长的抑制作用和底物与产物的跨膜运输方式,建立了能更好描述微生物连续发酵过程的新的数学模型,以计算值与实验稳态数据之间的平均相对误差为优化目标,以多个动力系统为状态约束,建立了参数辨识模型,证明了该辨识模型的参数可辨识性,并构造了改进的粒子群(PSO)算法求解该辨识模型.数值结果表明该新的动力学模型能更好地描述实际微生物连续发酵过程.     

基于Iwan模型的螺栓非线性接触建模与参数辨识

针对传统螺栓连接模型计算精度不高和螺栓结构动力学模型参数辨识问题,通过引入六参数Iwan模型,研究了螺栓连接力-位移关系方程,绘制Iwan模型非线性力-位移关系曲线。采用万能试验机拉伸实验与振动实验平台激振试验结合,识别构建的模型参数,实现模型构建。实验结果表明,随着螺栓直径的增加,宏观滑移残余刚度会随之增加,模型能量耗散减小。研究结果可为螺栓结构设计分析与计算提供参考。     

基于遗传算法的摩擦模型参数辨识

摘Tustin摩擦模型能够很好地描述零速附近的摩擦力,由于该模型为非线性模型,使得参数辨识非常困难。针对该模型提出了一种基于遗传算法的摩擦模型参数辨识方法,并通过仿真对辨识结果进行验证,结果表明该方法是有效的。     

钢丝绳联轴器迟滞特性的建模与参数辨识

基于对一种非线性迟滞特性钢丝绳联轴器振动试验数据分析和处理，提出了联轴器特性的数学模型：Ｑ（Ａ，ｆ，ｘ，ｘ）＝Ｋ１（Ａ）ｘ＋Ｋ３（Ａ）ｘ３＋Ｋ５（Ａ）ｘ５＋Ｃ（Ａ，ｆ）｜ｘ｜ｎ（Ａ，ｆ）ｓｇｎ（ｘ），其中刚度函数Ｋ１（Ａ）、Ｋ３（Ａ）和Ｋ５（Ａ）描述联轴器刚度特性，阻尼函数Ｃ（Ａ，ｆ）描述阻尼大小，阻尼的成分由阻尼函数ｎ（Ａ，ｆ）描述。并用参数整体辨识方法辨识了模型中的各参数，弄清了该型联轴器的动刚度和阻尼特性。研究表明，提出的数学模型能很好地反映非线性动刚度和阻尼对非线性迟滞恢复力Ｑ的作用，可以全面描述振幅Ａ、激励频率ｆ、瞬态位移ｘ和瞬态速度ｘ对恢复力的影响，适用于具有非线性迟滞特性的其他类型联轴器。     

负荷建模和参数辨识的遗传进化算法

提出了一种用于电力系统负荷建模和参数辨识的遗传进化算法,该方法与传统的最小二乘法相比具有全局搜索优化特点,适用于非线性、不连续或微分不连续的各种负荷模型.该方法已成功用于工业负荷实测数据辨识及动态和静态负荷建模.在静态负荷建模上,辨识结果略优于传统的最小二乘法,且通用性更好,只需做极小的修改就可以用于各种形式的静态负荷模型.在动态负荷建模上算法不仅给出了更优秀的结果,而且表现出很好的稳健性.结果表明此方法在负荷建模中的优势.     

基于过程神经网络时变系统的参数辨识

提出了一种基于过程神经网络时变系统的参数辨识方法,过程神经网络具有强大的非线性映射功能以及自学习、自适应等功能,其输入与时间有关,输出可为变量.文中基于过程神经网络,对一刚度随时间变化的三自由度系统进行参数辨识.实验结果表明:提出的方法对于时变系统具有较好的辨识效果.     

基于时不变ARMA模型的线性多自由度结构参数识别

简单介绍了时不变ARMA模型的数学描述，并阐述了结构参数与ARMA模型参数之间的对应关系：通过实例分析说明了ARMA模型用于工程结构识别的可行性；最后用一维ARX模型和ARVX模型对同一结构进行识别，从而得出多维模型在结构识别领域有更广阔的应用前景。     

基于时变ARVX模型的结构参数识别

详述了线性多自由度结构的ARVX模型实现,通过一个输入输出完整情况下的实例分析,验证了时变ARVX模型用于结构时变参数识别的可行性,并对识别结果进行了分析.     

基于Volterra模型的一类通信系统的参数辨识

分析了Volterra级数理论对于非线性系统的模型建造的意义，提出了一类通信系统的适用于系统辨识的新模型──Volterra离散频域模型．应用此模型对一个具体的通信系统有效地进行了非线性故障诊断和参数辨识．     

超临界流体萃取过程混合模型的建立

采用混合建模技术,通过集成人工神经网络模型与单元过程机理模型建立了超临界流体萃取过程的混合模型,较好地解决了超临界过程的模拟计算、经济评价、设计和运行优化问题.通过软件集成的方法实现了商业模拟软件Aspenplus与ANN的集成,大大降低了模型的实现难度和实施时间.     

串并联超声肿瘤治疗床误差模型与参数识别

建立动、静平台和伸缩杆实际误差模型的基础上，采用过约束参数识别方法，分析了高强度聚焦超声治疗机5自由度串并联机构的实际定位精度，并以3-RPS机构平台为例，进行了误差参数识别和定位精度分析，以调整控制器中的模型参数，可实现较高的定位精度，满足高强度聚焦超声治疗的要求．仿真研究表明在实际测量中约50个测试点即可满足设计要求，最大焦点总误差不超过0．5mm，测量数据误差不超过0．2mm，甚至可控制为0.05mm．该串并联机构参数识别不需要额外的姿态传感器，就能够方便地在实际工作环境中在线应用。     

基于多传感器的神经网络模式识别方法

提出基于样本信息量不减少和减小误差的原则下，提取样本数据的综合指标的处理方法，从而克服传统识别方法中样本数据过大，而且存在误差和干扰，严重影响识别速度和效果的困难。改善了神经网络模式识别的效果。     

神经网络辨识方法及其在轧钢控制中的应用

利用人工神经网络的辨识理论和方法,进行轧制过程数学模型参数的在线辨识与修正.首先对轧制压力模型和温度模型进行分析,得到适于应用神经网络进行辨识和修正的轧制模型函数形式,选择并比较最速下降、递推最小二乘及共轭梯度训练算法,实现了离线的和在线的仿真与应用.仿真结果表明,将人工神经网络应用于轧钢过程的轧制模型辨识可以大大提高模型预报精度.