基于遗传神经网络的科研项目经费预算方法

针对科研经费预算准确性与实用性无法兼顾的难题,提出基于遗传神经网络的科研项目经费预算方法.分析了科研项目经费构成及影响预算的关键因素,建立了影响因素的量化表达式,将量化结果作为输入,项目经费预算结果作为输出,利用遗传算法优化BP(Back Propagation)神经网络的权值和阈值,通过训练遗传神经网络预测模型建立输入与输出之间的非线性关系.运用预算实例对预测方法进行了有效性验证.仿真结果表明该方法有较高的预测准确性.     

基于GPS数据确定电离层延迟的蚀因子法

通过建立电离层交叉点(ionospheric pierce point,IPP)点的电离层蚀因子(ionospheric eclipse factor,IEF)λ及其影响因子(ionospheric influence factor,IFF)-λ,综合λ,-λ与IPP点的地方时t,研究了一种利用GPS数据确定电离层延迟的新方法--电离层蚀因子法(ionospheric eclipse factor method,IEFM).IEFM方法强调根据电离层的变化特性选择合理的TEC模型.初步结果表明,利用IEFM拟合的电离层延迟的改正精度更接近L3观测自校正电离层延迟的精度.     

基于BP神经网络的公路风吹雪雪深预测模型

公路风吹雪雪深预测作为国际雪冰学领域的研究热点和难点问题一直未能很好解决.以白茫雪山防雪走廊段安装的自动气象站和当地气象局提供的气象资料为基础,提取了对公路风吹雪雪深有影响的4种因素(降雪量、大气温度、风速和湿度)的指标值,建立了基于BP(back propagation)神经网络的公路风吹雪雪深预测模型.对研究区5次降雪过程中所记录的199组数据进行训练学习,用20组数据来验证建立的模型,验证结果表明20h累计雪深预测值的误差在10%以内,85%的雪深预测值误差在20%以内,因此所建立的模型具有很强的泛化能力和较高的精度.并对降雪量、大气温度、风速和湿度这4个因素进行了敏感性分析,表明雪深与降雪量成正比,与其他3个因素成反比,其中降雪量对雪深的影响最大,风速次之,湿度最小.     

基于BP神经网络PID的活塞式深海压力传感器压力控制研究

为了提高深海大压力下微小波动压力的测量精度,文章介绍了一种新型的、基于液体可压缩性的、压力平衡式的活塞式压力传感器,针对该活塞式压力传感器压力控制系统存在的非线性、参数时变性以及时滞问题,提出将反向传播(back propagation,BP)神经网络与常规比例积分微分(proportional integral de...     

基于模糊神经网络PID的无人艇航向控制器研究

针对常规比例、积分和微分(proportional integral derivative, PID)控制器在无人艇航向控制系统中表现出的稳定性差、控制精度低等问题,文章提出一种将模糊控制与反向传播(back propagation, BP)神经网络相结合的控制算法;在MATLAB中对比常规PID控制器、模糊PID控制器与模糊神经网络PID控制器在给定期望航向角下的航向控制性能,仿真结果表明模糊神经网络PID控制器对无人艇的航向控制性能最佳;在搭建的实验平台上对不同航向控制器下无人艇的航行轨迹和航向角进行比较,实验结果进一步验证了模糊神经网络PID航向控制算法的优越性。     

电离层对耀斑响应的GPS观测研究

利用1997～1999年全球日地电离层观测卫星的耀斑观测资料以及全球定位系统(GPS)网的观测资料,对不同级别耀斑爆发期间的电离层总电子含量(TEC)随时间的变化特点、TEC增幅及其与X射线最大辐射通量之间的关系进行了研究.利用缓变型耀斑爆发期间的GPS观测数据,分析了电离层对此类耀斑的响应特点.     

影响GPS测量的电离层延迟模型研究

GPS作为一种无线电导航系统,受到很多误差源的影响,如:卫星轨道误差、卫星钟差、电离层延迟误差、对流层延迟误差、多路径误差、接收机钟差和测量噪声等误差。其中,自从SA(Selected Availability)于2000年5月1日取消以后,电离层误差是最大的一项误差。为了消除电离层延迟的影响,GPS导航定位中采用了双频改正法、利用电离层延迟的空间相关性差分以及各种电离层模型来削弱其影响。本文探讨了常用的修正GPS电离层延迟的模型和经验改正公式:Bent模型,IRI模型,Klubuchar模型,双频改正法等,并详细论述了如何利用双频观测值建立电离层模型。     

基于RBF神经网络自适应整定燃烧串级控制系统

针对传统的锅炉燃烧串级控制系统采用固定的PID控制参数难以取得满意的控制效果的缺点,引入径向基(RBF)神经网络自适应整定燃烧串级控制系统外同路的PID参数.内回路仍然沿用原来的Pl控制方式及控制参数,由RBF网络辨识得到被控对象的Jacobian信息后,根据梯度下降法自适应调整系统外回路的PID控制参数.仿真研究结果表明:新控制算法能够消除控制系统的静态误差;即使被控对象的模型参数发生了很大变化,新控制算法仍然能快速响应蒸汽压力的阶跃扰动,迅速克服燃料量内扰,其控制效果明显优于常规PID串级控制.     

精确求定GPS信号的电离层延迟的模型与方法研究

系统阐述和讨论了精确求定GPS电离层延迟信息的基本理论与方法；在扩展若干新方法的基础上，深入分析和研究了基于GPS数据确定电离层延迟的几种数学模型与多种拟合方法；比较和分析了它们的精度及使用性能等特点，得出了一些对相关的工程应用和科学研究有参考价值的结论.     

基于金豺优化PID的直流电机调速控制系统

针对传统直流（DC）有刷电机调速系统适应性不强、抗干扰能力和稳健性差等缺点,设计了基于金豺算法优化比例-积分-微分（PID）的直流有刷电机控制系统. 在建立电机数学模型的基础上,将金豺优化（GJO）算法应用于PID参数整定,实现对电机的控制,并分别与传统试凑法、反向传播（BP）-PID算法和麻雀算法（SSA）-PID进行对比. 仿真结果表明：所设计的控制算法在调节时间上减少了12 ms,超调量降低了3.689%,受到干扰后的调节时间减少了17 ms,表现出更快的调节转速、更强的抗干扰能力和更好的稳健性,为直流有刷电机调速控制提供了一种有效的方案.     

Spectra of L-band ionospheric scintillation over Nanjing

We report the spatiotemporal statistical characteristics of amplitude scintillation over Nanjing.A FFT method for computing scintillation intensity power spectra is briefly described.Using this method,the data with ISATM in Nanjing is analyzed.Spectra characteristic is presented and the irregularities property is discussed preliminarily.The results reveal that the power spectra obtained for Nanjing is consistent with theoretical modeling.At frequencies below the Fresnel frequency,the power density plotted on log-log scale is almost constant whereas above it asymptotes to a straight line.The spectral index ranges from 1.71 to 1.92,which has positive correlation with the S 4 index.Finally,the average drift velocity of irregularities is computed assumably and compared with that obtained for Xinxiang and Haikou.     

神经网络模型参考自适应控制算法研究

分析了基于BP算法的神经网络模型参考自适应控制器对大惯性环节被控对象的控制效果,发现该算法使控制器存在严重的“过学习”现象,为避免这一现象,设计了一种新的误差函数结构,得到改进的BP算法,针对一个存在大惯性环节的线性时变系统,对比分析了神经网络模型参考自适应控制器在采用传统的BP算法和改进的BP算法时得到的不同控制效果。     

Differential areas for differential stations (DADS): A new method of establishing grid ionospheric model

Differential Area for Differential Stations (DADS), a new method of establishing grid ionospheric model, is presented. The preliminary results show that it is possible to establish a real time large range high precision grid ionospheric model (GIM) using the DADS and the GPS data of the Chinese crust movement observation network (CCMON).     

基于粒子群优化的BP神经网络模型参考自适应控制系统

将粒子群优化的BP神经网络作为模型,参考自适应控制系统的控制器,把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数,通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化.仿真实例结果表明,基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高,有较好的网络的泛化和适应能力,能够很好地控制系统的输出跟随参考模型的输出.     

应用神经网络的非参数模型自适应控制

 提出了一种应用神经网络的非参数模型自适应控制方案,该方案仅用受控系统的I/O数据来设计控制器,并与神经网络自适应控制方案进行了仿真比较,仿真结果表明了该方案的有效性和优越性.     

基于BP神经网络的PID控制器

介绍了一种基于神经网络自学习PID控制器,该控制器能通过自学习不断进行适应性控制,以保证系统的输出符合实际应用的要求, 其主要特点是采用线性预测模型来近似确定控制参数,进而进行神经网络控制,仿真结果表明该方法有较好的效果。     

一种基于模糊神经网络和遗传算法的智能PID控制器

常规的PID控制器参数整定方法需要被控对象的精确数学模型,且整定出的参数不能进行在线调整.而模糊控制和神经网络均不依赖被控对象的数学模型,且具有较强的自适应和自学习能力;遗传算法则是一种新型的全局优化方法.鉴于此,提出将模糊控制、神经网络和遗传算法引入PID控制器的设计过程.首先,运用遗传算法优化隶属度函数的中心值和宽度,并借助模糊逻辑控制确定遗传算法中的交叉概率和变异概率.然后,再运用BP算法优化模糊神经网络的连接权系数.仿真结果表明,该方法提高了系统的自适应能力和抗干扰能力,增强了系统的鲁棒性.     

基于BP神经网络指纹识别的算法

通过对多种指纹分类算法的研究和分析，提出了一种基于BP神经网络对指纹模板进行分类的新算法．首先在对指纹图象进行预处理后建立起指纹模板库，然后采用时间模拟退火函数进行学习因子修正的方法来减少BP算法迭代次数，以提高收敛速度及跳出局部最小．仿真证明：该算法与传统的指纹识别算法相比，分类速度明显高于传统的固定步长的BP算法．     

基于BP神经网络的智能控制器

研究一种新型的智能控制器,该控制器能通过自学习不断进行适应性控制,以保证系统的输出符合实际应用的要求,其主要特点是提供一个跟踪网络来近似确定控制参数,进而进行神经网络控制,仿真结果表明该方法有较好的效果．     

A generalized trigonometric series function model for determining ionospheric delay

A generalized trigonometric series function (GTSF) model, with an adjustable number of parameters, is proposed and analyzed to study ionosphere by using GPS, especially to provide ionospheric delay correction for single frequency GPS users. The preliminary results show that, in comparison with the trigonometric series function (TSF) model and the polynomial (POLY) model, the GTSF model can more precisely describe the ionospheric variation and more efficiently provide the ionospheric correction when GPS data are used to investigate or extract the earth's ionospheric total electron content. It is also shown that the GTSF model can further improve the precision and accuracy of modeling local ionospheric delays.