辩识Hammerstein模型的集成辩识方法——MISO情形

本文针对用Ｈａｍｍｅｒｓｔｅｉｎ模型描述的一类ＭｌＳＯ非线性系统，提出了一种稳态估计和动态辩识相结合的集成辩识方法。利用稳态信息获得非线性增益的强一致性估计，利用动态信息可获得线性子系统脉冲响应序列的强一致性估计。数字仿真结果也说明了该集成辩识方法的有效性和实用性。     

基于神经网络的非线性系统故障诊断

本文对非线性系统的故障检测与诊断提出了一种新的方法。利用神经网络对非线性系统进行辩识与建模 ,通过比较实际输出与模型的输出 ,可在线辩识出故障幅值的大小。     

高速扫描三坐标测量机动态误差模型

用三坐标测量机进行高速扫描测量时,由于机体的振动全产生较大的动态误差。本文研究了扫描三坐标机在高速运动中的动态特性。找出了产生动态误差的根源。文中根据过程辩识原理,将三坐标测量机看作线性动力系统,用实验方法建立了动态误差的ＡＲＭＡ模型,并将Ｋａｌｍａｎ滤波器应用于模型之中,消除了测量噪声对参数辨识的影响,提高系统辨识的的精度。最后对一台移动知式三坐标测量机成功地进行了动态误差补偿,减小动态误差６０     

CSTR的非线性预测控制

对于像ＣＳＴＲ化学反应器的控制，由于其过程本身的严重非线性而变得十分困难，本文提出一种采用Ｈａｍｍｅｒｔｅｉｎ模型的预测控制方法来控制上述非线性过程。Ｈａｍｍｅｒｓｔｅｉｎ模型采用两种方法进行辩识，联立辩识法与序贯辩识法，本文特点地提出一种改进型Ｈａｍｍｅｒｔｅｉｎ模型，用于克服常规Ｈａｍｍｅｒｓｔｅｉｎ模型在控制器设计时的不足之处，对ＣＳＴＲ反应器之仿真结果表明，基于上述两种Ｈａｍｍｅｒｓｔｅｉ     

基于人工神经元网络的电力系统短期负荷预报的实用计算

本文针对贵州电力系统日负荷的特点，提出了一种利用人工神经网络（ＡＮＮ）的ＢＰ模型进行电力系统提前２４小时的短期负荷预报的实用计算方法。进一步对ＢＰ模型的隐合层数和隐合节点数的选取进行定性的分析，同时探讨学习因子和动量项对学习收敛的影响分析，预测方法及结果得到肯定。     

基于多ANN的复杂函数学习策略

针对多层前馈人工神经元网络，提出了一种多ＡＮＮ逼近策略，与单ＡＮＮ方法相比较，逼近能力，适应能力，泛化能力等都有了很大的提高，它可应用于复杂系统的建模和辨识。     

基于盲辩识理论的双通道肌电信号建模与分类

基于肌电信号产生机理，对双通道前臂肌信号建立单输入多输出ⅡＲ系统模型，由于模型输入未知且不可测，采用了盲信道辩识方法对模型传递函数进行辩识，通过提取模型参数作信号特征，能够对握拳、展拳、前臂内旋和前臂外旋四类前臂动作进行识别，实验表明，该方法运算量小，适合在线实现，性能要优于传统的ＡＲ模型方法。     

应用神经网络预测高水分食品物料平衡含水量

介绍了用ＢＰ神经网络技术预测高水分食品物料平衡含水量的方法，并用试验数据进行了数学建模。实验证明，ＡＮＮ建模方法比逐步回归方法更合理，提高了预测精度，消除了模型欠适应现象。     

ARMA模型的一种线性建模法

在ＡＲＭＡ模型的自协方差函数和函逆数的基础上，利用Ｍａｒｐｌｅ算法提出一种ＡＲＭＡ模型的线性建模法，与非线性建模法比较，其运算工作量大大减少，便于在线别识和控制，而且利用此方法建立的ＡＲＭＡ模型参数的精度较高。     

一种记忆元网络自适应控制方法

本文提出了一种神经网络自适应方法。该方法采用记忆元网络采用记忆元神经网络进行对象模型辩识,用单个神经元实现了自适应ＰＩＤ 控制器。被控对象输出误差经记忆元辩识网络反传后得到控制器的输出误差,以此修正控制器网络权值,由于记忆元网络无需引入延迟算子,能够逼近任意阶线性动态,保证了模型辩识的精度和误差返传的精度,神经元ＰＩＤ 控制器具有极为简单的结构与算法,保证了自适应控制的实时性,大量仿真结果表明该方法可以有效地应付非线性对象。     

动态调节模型的多新息广义随机梯度算法

提出了动态调节模型的多新息广义随机梯度辩识算法来估模型参数,仿真例子说明提出的算法能给出满意的辩识效果.     

基于神经网络的空间7R冗余机器人的运动模型辨识

针对空间冗余机器人运动学控制中正、逆运动学求解的复杂性，采用神经网络从两方面解决这一问题。一是从神经网络出发，提出了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），提高了网络的学习速度；二是从辩识方案出发，以SDIDRNN为基础，在空间7R冗余机器人正、逆运动学模型辩识的问题上，设计了一种新颖的解耦辩识方案。将其与另外两种具有普通网络结构的辩识方案相比较，说明了该新方案具有更高的学习能力，辩识误差可降低到对比方案的40％-6％。由于学习速度的提高，达到设定误差时的训练次数大大减少，使该方案在机器人运动控制系统中的实时计算能力大大增强，为神经网络在机器人运动学控制中的应用提供了一条崭新的思路，具有重要的应用意义。     

连续时间线性系统递推最小二乘辩识的收敛性分析

本文针对多输入多输出的连续时间动态线性系统，在系统噪声相关的情形下，研究了递推最小二乘辩识，给出了保证最小二乘辩识强一致性的充分条件。     

神经网络建模计算稀土卤化物的熔化焓

采用人工神经网络（ＡＮＮ）方法研究了稀土氟化物、氯化物、溴化物和碘化物的熔化焓与离子键参数之间的关系,由２５组文献数据建立了预报稀土卤化物熔化焓的统一模型,并预报了其他４５个稀土卤化物的熔化焓。ＡＮＮ模型计算结果与已有文献数据吻合,没有实验数据报道的预报结果也显示出良好的规律性,说明人工神经网络建模预报化合物的熔化焓是一种有效的方法。     

基于人工神经网络和专家系统结合运用的电网故障诊断技术的研究

人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合是智能系统研究的发展方向。本文对ＡＮＮ和ＥＳ结合用于电力系统故障诊断问题进行了研究，提出一种新的电力系统故障诊断方法。该方法综合了ＥＳ和ＡＮＮ各自的优点，充分利用ＥＳ的推理能力和ＡＮＮ的学习能力，由ＥＳ根据故障报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行诊断。该方法教授给ＡＮＮ的知识是电网通用的故障判断知识，具有较强的能用性。研究表明ＡＮＮ和ＥＳ结合用于电网故障诊断是非常有效的。     

一种动态过程辩识的鲁棒BP算法

提出一种BP网络的鲁棒算法，该算法克服了BP网络收敛速度慢，再具有抗8于e的缺点，并用于动态系统辩识，仿真结果表明了算法的有效性。一种动态过程辩识的鲁棒BP算法@杨文平@郭云山@谭继文@任立义...     

基于人工神经网络和专家系统结合运用的电网故障诊断技术…

人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合是智能系统研究的发展方向。本文对ＡＮＮ和ＥＳ结合用于电力系统故障诊断问题进行了研究，提出一种新的电力系统故障诊断方法。该方法综合一ＥＳ和ＡＮＮ各自的优点，充分利用ＥＳ的推理能力和ＡＮＮ的学习能力，由ＥＳ根据故障报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行诊断。该方法教授给ＡＮＮ的知识是电网通用的故障判断知识，具有较强的能用性。研究表明     

A REAL_TIME SHORT_TERM LOAD FORECASTING SYSTEM BY ARTIFICIAL NEURAL NETWORK *

应用人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ—ＡＮＮ）设计短期电力负荷预测（Ｓｈｏｒｔ＿ｔｅｒｍＬｏａｄＦｏｒｅｃａｓｔｉｎｇ—ＳＴＬＦ）系统,利用广州电网的负荷数据进行仿真,分别作出提前１小时和未来２４小时的整点负荷预测,获得比较满意的预测精度,显示出人工神经网络应用于短期电力负荷预测的良好前景．由于建立小时模型、改进了训练样本集的选取办法及采用高效率的ＬＭ（Ｌｅｖｅｎｂｅｒ＿Ｍａｒｑｕａｒｄｔ）训练算法,使ＡＮＮ的训练速度大大加快,形成可以实时训练和预测的ＡＮＮ＿ＳＴＬＦ系统．     

基于神经网络的采掘接替优化研究

矿井采掘计划的编制是典型的不良结构和复杂的技术经济问题。本文采用人工神经网络技术和最优梯度下降算法来构筑ＡＮＮ数据获取器,以此获取采掘技术经济指标,并将ＡＮＮ 模型与计算机模拟相结合对矿井采掘关系进行动态调整与优化。     

基于神经网络理论的内圆磨削过程模型研究

探讨用视网络（ＮＮ）模型描述内圆磨削过程，介绍了ＮＮ模型的特点，针对ＳＰ算法，提出了一改进算法，利用内圆磨削轴承内圈内孔的实例，设计了一个三层ＮＮ模型，并针对内孔尺寸某一数据集，在计算机上进行了ＮＮ仿真建模。结果表明：ＮＮ模型适于描述内圆磨削过程，且合理选择输入节点及隐节点将加速网络的收敛。