基于神经网络局部模型的非线性系统辨识的研究

讨论了一种基于多层种经网络的用于非线性系统辨识的局部模型网络的结构、原理和网络训练方法,为非线性系统的自适应控制提供了一条新途径。     

用于计算机辅助设计的晶闸管模型

本文讨论了用于功率电子电路的晶闸管模型的建立方法。给出了一个适用于计算机辅助设计的非线性集中参数的晶闸管等效电路模型。 模型的建立是基于对器件内部载流子运动的物理过程进行模拟,分析了器件的少数载流子注入;空间电荷区内部载流子的产生与复合;雪崩倍增效应;基区宽度调制效应及电荷存贮效应。将反映这些物理过程的数学公式用非线性电路元件表示,组成了由非线性电阻、电容及受控电流源所构成的晶闸管模型。 利用这个模型可以分析晶闸管开关过程的动态非线性特性。     

冷轧机HAGC系统非线性模型辨识

分析了冷轧机液压自动厚控系统（HAGC）的非线性动力学模型特性．采用改进的Elman网络,建立了某冷轧平整机HAGC系统的动态模型,试验结果表明,Elman网络利用内部状态反馈描述系统的非线性动力学行为,适合于高阶非线性动态系统的实时辨识。     

基金使用的优化问题模型

本文用非线性规划的方法建立了资金使用的优化模型 ,并对模型求解进行了讨论     

高温超导体微波非线性效应的磁通束跳跃模型

通过对高温超导体混合态中磁通束跳跃模型的理论分析，讨论了高温超导体的非线性现象，给出了微波射频电流Irf与材料样品的微波表面阻抗△HZs之间的关系表达式：△HZs∝Irf,分析结果表明，高温超导体的非线性效应可以用磁通束跳跃模型来解释．     

一种基于Wiener模型的非线性预测控制

提出了一种基于Wiener模型的非线性预测控制方法.通过引入非线性部分的广义回归网络逆模型,将非线性预测控制转化为线性预测控制,用线性优化算法解决非线性预测控制问题,避免了复杂的非线性优化.仿真实验表明了该方法的有效性.     

调合汽油辛烷值模型

详细地讨论了调合汽油辛烷值模型的研究状况及其发展过程，对非线性模型和物理化学模型进入了深入的对比分析，指出了非线性模型破碎 度低，难以实现在线最优化控制，可靠性差的问题。     

基于切换多模型小波网络的非线性动态系统控制

为了提高非线性动态系统的性能，提出了多模型小波网络方法，并详细介绍了多模型小波网络的结构．用多模型小波网络对非线性系统进行建模与控制，在仿真试验中将其与单小波网络进行对比，结果显示多模型小波网络控制的均方差为0．158，单小波网络控制的均方差为0．374．试验结果证明多模型小波网络方法控制精度高，响应速度快，其控制性能优于单小波网络。     

Bayes条件下非线性模型参数估计的渐近展开

给出了在Bayes条件下非线性回归模型的参数估计,建立了非线性回归模型的几何结构,推广了Bates和Wates关于非线性回归模型的几何框架,用几何方法求出参数估计的随机展开,并讨论了若干与统计曲率相关的渐近性质,给出了该模型的极大似然估计的方差和偏差的近似表示.     

一类神经网络非线性系统模型参考自适应控制

针对一类非线性系统 ,提出了一种神经网络模型参考自适应控制方案 .用GA离线辨识网络NNM ,在此基础上用BP算法在线训练控制器网络NNC .仿真结果验证了此控制方案的有效性 .     

网络相变的非线性成因与分布式代理对策

为改善计算机网络非线性影响,以及用户行为带来的网络性能波动,分析了网络性能相变的非线性机制,在改进的二维耦合网络模型中对规则网络、具有访问群聚特性的网络和引入分布式代理的网络进行仿真对比。研究表明:在路由器非线性的作用下,网络存在相变特性;与目的节点随机选取的规则网络相比,超文本链接网络中访问行为的大规模群聚特性使网络相变点明显左移,网络性能相对恶化;针对这种情况采用分布式代理对策,使网络相变点右移,网络性能得到明显改善。     

基于动态神经网络的一类非线性组合系统自适应控制

针对一类非线性组合大系统,提出一种用动态神经网络逼近组合大系统的新型设计方法·首先由动态神经网络辨识非线性组合大系统,也就是利用动态神经网络逼近系统的未知项和互联项,其次设计控制器使实际系统的状态来跟踪参考模型的轨迹·利用Lyapunov稳定性理论保证跟踪误差和其他信号是最终一致有界的·通过一个非线性系统例子的仿真证明这种设计方法的可行性·这种设计方法能够解决大系统中最为复杂的互联项问题,得出基于神经网络的自适应控制律·     

消除非线性随机干扰的一种方法

基于ＢＰ神经网络的训练规则，针对具有大惯性，大滞后和各种不确定因素影响的非线性系统，设计了一种能消除非线性随机干扰引起的混纯现象的神经网络，并已和执行器、喷油嘴等器件组成系统联机调试，效果理想。     

一种基于小波神经网络的图像融合方法

图像融合结合图像处理、信号处理、计算机和人工智能等相关技术．通过对多源图像数据信息的提取合成,从而获得同一场景目标较为准确全面的图像描述．神经网络具有强大的非线性映射逼近能力,将神经网络用来进行滤波融合,避免了传统滤波图像变模糊问题．通过小波神经网络自适应动量快速学习算法进行图像滤波融合,能从根本上避免局部最优,且加快收敛速度,具有很强的学习和泛化能力,也避免了网络结构盲目设计．仿真实验表明,用本方法实现的融合图像更加符合人的视觉特性．     

人工神经网络在储层地质建模中的应用研究

在油田注水开发过程中,储层物性、微观孔隙结构和非均质性都会发生动态变化。通过综合应用多学科的理论方法,利用计算机手段来构建地质模型,研究不同开发环境中储层参数的变化和规律,对预测储层剩余油的分布规律、提高油田开发效果具有十分重要的地质意义。人工神经网络技术具有极强的自适应和自学习能力,其通过很强的非线性映射,能够精确地建立储层参数与测井响应之间的非线性模型。在地质模型中,历史储层资料的基础上,采用神经网络技术,对大量宏观储层数据进行分析、学习与训练,选取具有代表性的储层参数,表示出各井点储层参数随时间的演变规律,进而有效预测剩余油的分布。     

基于现代超启发式搜索方法的计算机通信网络中路由选择优化的研究

为了改进计算机通信网络的性能，首次采用近年来才开始应用、且具有很强灵活性的现代超启发式搜索方法——Tabu搜索方法，对计算机通信网络中重要的路由选择优化问题进行了详细的研究，得到了比经典的拉格朗日松驰及子梯度优化方法更优的结果，尤其在网络负荷很重的情况下，与其它算法相比，更显示出该方法的优越性，从而为计算机网络的优化理论提供了新的思路方法。大量的计算机仿真实验的结果表明，所得结论对于计算机通信网络以及电信网、电力网、交通运输网等，在其性能优化与评价、提高网络性能与效益、降低运营费用等方面，具有重要的理论价值和广阔的应用前景。     

基于OPNET的广域网仿真实验设计

OPNET是一款能够进行网络规划、网络性能研究的计算机网络仿真软件,将OPNET应用于计算机网络的实验教学,设计广域网仿真实验,通过广域网建模仿真过程的研究,直观地了解广域网的性能,同时也表明OPNET在计算机网络实验教学中有很好的应用前景。     

小生境遗传算法优化的BP神经网络模型

针对传统BP神经网络模型收敛速度慢、易陷入局部极小点、网络结构不稳定等缺陷,提出一个小生境遗传算法优化的BP神经网络模型.该模型充分利用小生境遗传算法的搜索能力和BP神经网络的非线性映射和学习联想能力,通过小生境遗传算法的选择、交叉、变异及小生境淘汰等操作,优化BP神经网络的初始权值和阈值,并采用BP算法对网络进行训练,有效解决网络初值不合理的问题,提高网络收敛速度、稳定性.实验证明:与传统方法相比,该模型具有很强的可行性和有效性.     

ATM通信中多媒体业务的性能比较

本文首先给出了可变速率业务９ＶＢＲ）和不变速率业务（ＣＢＲ）等几种不同业务类型的信源模型，并以解析和计算机模拟相结合的方法构造了ＡＴＭ通信哆媒体精力的混合模型，最后根据模拟结果对这些业务在ＡＴＭ网中的共同作用及由导致的ＱＯＳ差异进行了比较、分析和探讨。     

一种新的不下机器人运动控制方法

对神经网络和模糊理论在水下机器人运动控制中的应用进行了探讨,提出了神经网络多步预测模型的非线性广义模糊预测控制算法,用神经网络方法实现了对水下机器人这一非线性系统的在线计算、滚动优化和在线控制,采用强化学习方法来构筑模糊控制系统中的神经网络,给出了神经网络多步预测模型及相应的控制算法和操作过程,计算机仿真结果验证了本文所提方法的有效性。