自适应遗传算法优化模型小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络的隶属函数，提出一个自适应ＧＡ优化算法，并且以优化模型小脑模型ＦｕｚｚｙＣＭＡＣ学习正弦曲线，仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级，比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级，自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习速度比ＧＡ优化的速度快且乾化过程的振荡明显减小，仿真     

MATLAB环境下的船用柴油机故障诊断的模拟研究

提出一种基于径向基函数神经网络模型应用于船用柴油机故障诊断的方法,设计相应系统的征兆／故障样本集,运用ＭＡＴＬＡＢ环境下的实用工具箱－ＮｅｕｒａｌＮｅｔｗｏｒｋｓＴｏｏｌｂｏｘ对ＨＵＤＯＮＧ－Ｂ＆Ｗ６Ｌ６０ＭＣＥ大功率船用低速柴油机涡轮增压系统的故障诊断进行模拟计算,仿真结果表明,这种方法是成功的。     

Omninet微机局部网络性能的仿真分析

在着重介绍了Ｏｍｎｉｎｅｔ 网络通信协议ＣＳＭＡ／ＣＡ 的仿真分析与结果的基础 上，建立了信息包为定长、变长以及考虑应答包情况下的仿真模型。讨论了用户工作 站数目、信息包长度以及应答包对系统性能的影响。通过对ＣＳＭＡ／ＣＡ协议与非持 续ＣＳＭＡ协议进行比较分析发现，ＣＳＭＡ／ＣＡ协议的性能优于非持续ＣＳＭＡ协议。     

基于小脑模型的电液位置伺服系统在线学习控制研究

针对非线性电液位置伺服系统的跟踪控制问题,提出了一种采用小脑模型（ＣＭＡＣ）神经网络的在线学习控制方法,与传统的ＣＭＡＣ控制器不同,该控制器采用动态误差作为ＣＭＡＣ神经网络的激励信号,从而使基于ＣＭＡＣ的控制器跟踪连续变化的信号成为可能,给出了具体的控制结构和算法,仿真结果表明,该控制器具有良好的处理非线性及跟踪连续变化信号的能力,并对时变外负载干扰具有明显的抑制作用,而且新型控制器能和较高的学习     

船用大型低速柴油机气动控制系统的仿真

以具有代表性的ＭＡＮ Ｂ＆Ｗ ＭＣ型柴油机操纵系统做为研究对象，以模拟器训练的实际需要出发，充分考虑到气动元件的故障特点，建立仿真模型，实现了气动控制系统的实时显示和控制，克服了轮机模拟器操作系统现有缺点。     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

机器人动力学模型的BMAC多网络模拟

采用多个高阶脑模型控制器ＣＭＡＣ，即多个ＢＭＡＣ网络机器人动力学模型；重点讨论了网络结构及其参数Ｍ１和Ｇ的确定，学习样本听产生方法，并在此基础上，研制了计算机仿真软件，对实例进行了成功的仿真实验。     

机器人动力学模型的BMAC多网络模拟

采用多个高阶脑模型控制器ＣＭＡＣ，即多个ＢＭＡＣ网络模拟机器人动力学模型；重点讨论了网络结构及其参数Ｍ１和Ｇ的确定，学习样本的产生方法；并在此基础上，研制了计算机仿真软件，对实例进行了成功的仿真实验。     

基于高斯基函数CMAC模型的一种快速算法

广义小脑模型（ＣＭＡＣ）在函数泛化能力和函数逼近能力方面优于基本ＣＭＡＣ模型，但算法较为复杂，实时性差．因此，研究广义ＣＭＡＣ模型的快速算法，对于满足实时控制是非常必要的．文中研究了基于高斯基函数的广义ＣＭＡＣ模型的快速算法，定义了包含待学习样本点的一个超立方体子空间，提出了基于该超立方体子空间的快速学习算法．通过算例仿真表明，学习算法收敛速度较快，可以满足实时控制要求．     

虚拟制造环境下的CAM集成技术研究

ＣＡＤ／ＣＡＰＰ／ＣＡＭ／ＭＰＳ（加工过程仿真）是虚拟制造的关键技术。本系统针对非回转体零件,基于ＳＴＥＰ标准,利用商品化ＣＡＤ／ＣＡＭ软件——Ｐｒｏ／Ｅ为平台,在完成ＣＡＭ与ＣＡＤ、ＣＡＰＰ、ＭＰＳ信息集成的基础上,利用Ｐｒｏ／Ｅ的加工功能实现加工过程的自动化,并为加工过程仿真与ＮＣ代码仿真提供信息需求。本ＣＡＭ系统通过获取ＣＡＤ的零件建模信息,ＣＡＰＰ的工艺规划信息,对Ｐｒｏ／Ｅ的ＣＡＭ信息获取进行重新设计,对Ｐｒｏ／Ｅ的加工功能进行二次开发,实现ＣＡＭ与ＣＡＤ、ＣＡＰＰ、ＭＰＳ的无缝集成,完成零件的自动加工过程仿真,大大减少了工程技术人员的工作量。实际应用表明：此方法集成度高、柔性大。