一类非线性离散时间系统的变结构控制

针对一类非线性离散时间系统，提出了一种基于神经网络趋近律的变结构控制方法。分别用两个神经网络自适应调整趋近律中的参数ε和δ，利用离散趋近控制律与离散等效控制律的偏差对网络权值进行更新，克服了常规变结构控制方法中需预先设定趋近律中参数的限制，既保留了传统趋近律设计方法的所有优点，又有效的改善了系统的动态品质，消除了系统抖振，使系统最终以理想方式在滑模面上运动。理论分析和仿真结果表明了所提出方法的有效性。     

基于神经网络的全局滑模变结构控制

针对一类非线性不确定离散时间系统,提出了一种基于神经网络趋近律的全局滑模变结构控制方法。分别用两个前馈神经网络（FNNs）自适应调整趋近律中的参数ε和δ,克服了常规变结构控制方法中需要预先设定趋近律中参数的限制。在用径向基神经网络（RBFNN）对系统进行模型估计的同时,基于平移滑平面的设计方案,实现了系统的全局鲁棒滑模控制。仿真结果表明控制系统具有良好的跟踪性能,该方案使系统一开始就处于滑平面上,消除了系统抖振,具有较强的鲁棒性。     

一种新的离散时间系统的变结构控制方法

讨论了基于指数趋近律的变结构控制所存在的问题，分析了指数趋近律中参数的选择对系统状态的趋近特性造成的影响，提出了改进的离散变结构控制方案，该方案保证了系统状态在趋近过程中能够始终保持某一趋近特性，易于进行变结构控制设计，加快系统状态趋近速度的同时降低了抖振，仿真结果证明了该方案的有效性。     

基于衰减控制的离散时间系统的变结构控制

基于衰减控制,讨论了离散时间系统的变结构控制问题,提出了衰减指数控制和时变衰减幂次趋近律。理论分析表明该方法能够使系统抖动以指数幂次逐渐衰减,从而消除了稳态抖动,保证了闭环系统的渐近稳定。仿真结果表明该方法是有效的。     

复杂系统、复杂网络自相似结构的涌现规律

在现实世界的复杂系统中,树状分形广泛存在.最近对于复杂网络的研究又揭示大量网络为自相似结构,随之而来的问题是:自相似结构是如何形成的.本文结合复杂系统与复杂网络,给出一个树状生长模型,通过论证揭示:生长过程及自相似结构的涌现,可集中由简单的幂律体现:幂律是自组织形成的临界状态,在它的支配下,系统得以保持有序演化发展,并涌现层层相似的自相似结构,其分形维数或相应的指数,是系统功能的度量.复杂寓于简单,简单形式的幂律蕴含了自组织演化发展并涌现自相似结构的全部过程的信息,是支配现实世界广泛现象的动力学.     

复杂网络:结构和动力学

耦合的生物化学系统、神经网络、相互作用的群居物种、互联网和万维网只是由大量高度相互连接的动态个体组成的系统的少数几个例子。获取这类系统的全局特征的首选方法是建立图模型——图中的点代表动态个体，边代表个体间的相互作用。一方面，科学家们需要处理结构问题如刻画一个复杂连线体系的拓扑结构、揭示建立在现实网络基础上的统一原理，以及完善模型从而模拟网络的增长和复制网络结构特性；另一方面，在研究复杂网络动力学时会产生许多相关问题，例如研究一个大的动态系统如何通过复杂连接的相互作用来表现集体行为的。我们回顾了近来在研究复杂网络的结构和动力学方面的主要概念以及取得的结果，总结了这些思想在许多不同学科包括从非线性科学到生物学、从统计力学到医药学以及工程学等领域的有关应用。     

复杂大系统建模的模糊神经网络方法

提出了一种新的复杂大系统建模方法。采用模糊神经网络对复杂大系统对象中的结构不确定性因素进行建模,并利用同步扰动随机近似算法对模型参数进行在线调整。将该方法应用于直升飞机旋翼自转着陆过程中的仿真建模中,给出了全量模型和模型调整过程。仿真结果表明,该方法是切实可行的。     

滞后广义系统的变结构控制

运用变结构控制方法,研究了控制具滞后和控制不具滞后的滞后广义系统,对这两类滞后广义系统,利用滞后积分来选取切换流形,设计变结构控制率.分析了切换流形上其滑动模态区的存在性.利用广义Lyapunov泛函分析了其闭环系统的稳定性,给出了其闭环系统渐近稳定的充分条件.为了说明文中定理的可行性,给出了一个数值实例.通过该例子,可看出其变结构控制器设计与无滞后的广义系统和古典系统的变结构控制器的设计不同.     

非线性系统基于HM模型的变结构控制

对非线性系统的稳定控制问题进行了研究，基于HM模型对非线性系统进行描述，并将全局HM模型表示成含不确定项的形式，在满足匹配条件下，采用稳定性理论设计出确保HM模型全局渐近稳定的滑模变结构控制器，用一级倒立摆进行仿真验证，控制器结构简单，只用较少的模糊规则，就能得到满意的控制效果，成功地将变结构控制应用于非线性系统，有推广应用价值。     

电信行业时间序列预测系统设计与实现

预测分析是电信行业知识管理系统中的一个重要部分 .利用数据仓库中存储的庞大信息 ,通过回归分析、指数平滑、灰色预测以及神经网络组合预测算法对电信行业各种数据信息进行合理的组织和预测计算 ,供决策者参考 .文中简要介绍电信行业时间序列预测系统的结构设计 ,算法设计以及预测结果的分析方法.     

基于递阶遗传算法和BP网络的时间序列预测

提出一种基于递阶遗传算法和BP神经网络的时间序列预测模型。现有的BP训练方法只能训练BP网络的权重,网络的结构得预先用某种方法确定。利用很好设计的递阶遗传算法能够把网络的结构和权重同时通过训练确定。以铁路客运市场数据进行训练和测试,与传统的BP网络预测模型相比较,结果证明该模型的预测精确度是令人满意的,所提出的方法是可行的。     

一种新的结构自适应竞争神经网络

针对一般竞争神经网络进行聚类分析时需要事先指定聚类数目 ,并且聚类结果依赖于神经网络初始权值的缺点 ,提出了一种结构自适应的竞争神经网络 ,根据聚类结果的MH(modificationHuber)标记值 ,自适应地调整神经网络输出神经元数目以得到最优的聚类数目。仿真结果表明 ,该网络具有良好的动态聚类效果。     

自适应脉冲耦合神经网络在图像处理中应用

尽管Johnson 提出的PCNN模型具有强大的图像处理功能,以时间序列进行特征提取时具有旋转、尺度、平移、扭曲不变性,可实践中发现依然存在着不足,特别对图像亮度、对比度比较敏感.添加了误差反向传播(Error Back Propagation, EBP)学习准则的自适应脉冲耦合神经网络模型能自适应设定模型参数,是脉冲耦合神经网络模型研究的主要内容.特别地,应用这种自适应模型进行特征提取时,能弥补原来PCNN模型对亮度、对比度敏感的缺陷,而且具有一定的泛化能力,有效克服了亮度、对比度对图像识别精度的影响.     

基于多模型结构的非线性鲁棒自适应跟踪控制

针对复杂的非线性系统,提出一种基于多模型结构的鲁棒自适应控制方法,使得系统可以在不同的运行环境下跟踪给定的信号.由多个线性模型和一个模糊模型及其相应的控制器构成基本的多模型控制系统,再引入动态结构自适应神经网络以保证系统的稳定性及抑制由频繁切换引起的噪声.最后,对某小型飞机进行全包络飞行跟踪控制的仿真,验证所提控制方法是有效的.     

系统近似建模技术的研究与比较

对于大系统的优化,子系统由于分析模型计算复杂而大量采用近似模型代替与优化。常用的近似建模技术有响应面模型(RS)、计算机试验设计与分析模型(DACE)和神经网络中的误差后向传播模型(BP)。拟对以上三种近似建模技术进行了比较研究,简要阐述了三种近似建模技术的理论基础,并应用实例分别进行了考核。在各近似模型的近似精度和计算费用等方面进行了初步探讨与研究。     

多维非线性时间序列的投影寻踪学习逼近

建立了多维非线性时间序列投影踪学习网络结构及算法,证明了投影寻踪学习网络可以以任意精度逼近多维非线性时间序列。解决了基于投影寻学习的多维非线性时间序列的建模和预测问题,实际应用例子表明该算法可行。     

基于动态混沌神经网络的预测研究——以马铃薯时间序列价格为例

针对农产品价格波动的非线性特征明显、传统时间序列方法在预测农产品价格短期波动存在不足等状况,本文将混沌理论和神经网络技术应用到农产品价格短期预测研究中,充分利用相关技术优势,设计了动态混沌神经网络时间序列预测模型.在此基础上,选取2008年1月21日-2012年7月1日的中国马铃薯日度价格为研究对象,对所构建的动态混沌神经网络时间序列预测模型进行学习、训练和测试,并用统计分析方法对模型性能进行评价与分析,最后,将所构建模型的预测结果与传统预测方法预测出的结果进行比较研究.结果显示:整个动态混沌神经网络结构为27-12-1,所设计的基于动态混沌神经网络的马铃薯价格时间序列预测模型在预测精度和性能上较ARMA模型均具有明显优势,这一预测模型在农产品价格时间序列短期预测研究上将具有广阔的应用前景.     

Prediction and analysis of chaotic time series on the basis of support vector

Based on discussion on the theories of support vector machines （SVM）, an one-step prediction model for time series prediction is presented, wherein the chaos theory is incorporated. Chaotic character of the time series is taken into account in the prediction procedure; parameters of reconstruction-detay and embedding-dimension for phase-space reconstruction are calculated in light of mutual-information and false-nearest-neighbor method, respectively. Precision and functionality have been demonstrated by the experimental results on the basis of the prediction of Lorenz chaotic time series.     

基于小波网络的非线性组合预测方法研究

提出了一种基于小波网络的非线性组合预测新方法,以克服线性组合预测方法在解决非平衡时间序列组合建模问题所遇到的困难和存在的不足,并给出了相应的学习算法求解小波函数线性组合的尺度和时延参数以及神经网络权值。理论分析和大量的应用实例表明：本方法具有很强的泛化能力与自适应数据和函数变化的能力,在处理诸如经济时间序列这种具有一定程度不确定性的非线性系统的组合建模和预测方面有较高的应用价值。