BPANN在仪表线性化中的应用

讨论了传感器、仪表利用软件实现线性化的优点及反向逆传播人工神经网络(BPANN)的构成，研究了半导体热敏电阻(SCTR)线性化的BPANN方法，并用MATLAB具体实现，得到了SC—TR的线性特性．用插值法检验了该方法的有效性。     

拦截机动目标自适应反馈线性化末制导律

针对采用反馈线性化制导律拦截机动目标时,需要相对运动模型精确,对参数不确定无法保证系统鲁棒性的问题,提出一种自适应反馈线性化制导律设计方法.将目标机动加速度视为未知量,建立拦截器与目标的非线性相对运动模型.应用反馈线性化和模型参考自适应理论获得制导律,同时对目标加速度进行估计.该制导律形式简单,不需要知道目标精确的加速度信息.仿真结果表明该制导律能完成不确定机动目标的拦截.     

基于小波变换的等价线性化方法及分析

提出了基于小波的等价线性化方法．并同传统的等价线性化方法进行了比较．小波分析跟传统的等价线性化方法结合起来，可将一个非线性系统转化成一个时变的线性系统．在实验中．采用了连续小波变换和离散的小波变换．实验结果表明：和传统的等价线性化方法比较．提出的新方法解决非线性问题更有效．可广泛地应用于各种非线性系统．进行由随机振动信号激励的非线性系统的分析。     

电报方程的守恒量

尝试直接从微分方程出发寻找系统守恒量.将微分方程线性化,求得线性化方程的伴随方程.伴随方程的解若同时满足伴随不变条件就可以由之构造出系统的守恒量.该方法不需要系统的Lagrange函数,以电报方程为例加以说明.     

一般非线性系统的精确线性化

讨论了一般非线性控制系统状态方程无反馈精确线性化及反馈精确线性化．引入一类相关的仿射非线性系统（即伴随系统）,通过研究一般非线性系统与其伴随系统的关系,利用伴随系统的精确线性化结论,获得一般非线性系统精确线性化的充要条件,其结果包含了仿射非线性系统的已有结果．所提出方法适用于解决一般非线性系统的其他精确线性化问题．     

工业仪表控制系统的防雷策略

目前,各工业企业都需要用仪表控制系统来检测相关数据,为了保证检测工作的稳定性,就需要保证控制系统的安全性。而在平时的保护过程中,对雷击的保护显得尤为重要。每年因雷击造成的仪表损坏都有很多,但是真正能够避免的却不多。本文从雷击的破坏原理进行分析,阐述了仪表系统的保护方法。     

线性化逐层优化MLP训练算法

提出了线性化逐层优化ＭＬＰ训练算法（ＬＯＬＬ）．ＬＯＬＬ采用循环方式逐层对ＭＬＰ的连接权值进行训练．训练连接权值时用一阶泰勒级数表示神经元的非线性激活函数以实现神经网络的线性化,使ＭＬＰ的训练问题转化为一个线性问题．同时,为保证神经网络线性化条件不被破坏,ＬＯＬＬ通过在神经网络的误差函数中计入部分线性化误差限制参数的改变幅度,对神经网络的误差函数进行了修正．实验结果显示,ＬＯＬＬ训练算法的速度比传统的ＢＰ算法快４倍,用它构成的语音信号非线性预测器有较好的预测性能．     

一类平面非线性椭圆型方程反问题的唯一性

利用线性化方法及线性化方程的相应结果,证明了对一类平面非线性椭圆型方程,由Dirichlet-Neumann映射可以唯一地确定其非线性项．     

一种辐射测温的简便线性化方法

本文提出辐射测温的一种简单线性化公式。该方法将信号电压直接作对数运算,便于数字式温度显示或其它线性仪表指示。计算机模拟表明,在常用的红外测温波段和温度量程范围内可获得较好的精度,适合于模拟电路结构的辐射温度计使用。     

精确反馈线性化中虚拟输出函数的求解与应用

为使精确反馈线性化方法得到更广泛的应用,给出虚拟输出函数的简便求解方法．首先将虚拟输出函数的求解转化为偏微分方程组的求解,然后针对这类偏微分方程组的特点提出仿照求解齐次线性方程组的方法可以简便的求出虚拟输出函数．利用该方法为非线性舵鳍联合系统实现了状态反馈线性化,并基于闭环增益成形算法设计了非线性鲁棒控制器,仿真表明该控制器对原非线性系统能起到良好的控制作用．该方法简单、实用,对于状态反馈线性化的实现具有一定的指导意义．     

自适应模糊神经网络的优化辨识及仿真

利用优化理论对自适应模糊神经网络的辨识问题进行了研究，提出了基于共轭梯度法的网络辨识算法，通过与ＢＰ算法进行的比较仿真表明本方法切实可行。     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

改进粒子群算法在BP神经网络拟合非线性函数方面的应用

为解决BP神经网络拟合非线性函数的预测结果误差较大问题,笔者将标准粒子群算法进行改进,形成基于免疫接种的粒子群算法(IPSO);然后将该算法与BP神经网络理论相结合,实现基于IPSO算法优化的BP神经网络非线性函数拟合算法。新的拟合算法首先确定BP神经网络结构,然后用IPSO算法优化初始权值和阈值,最后进行BP神经网络预测。数值实验表明,本文提出的IPSO算法提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。     

一种基于优化小波神经网络的语音识别

在以往的BP小波神经网络中,最常用的学习算法是BP算法,BP算法实质上就是梯度下降法,是一种局部搜索算法,梯度下降法使得网络极易陷入局部最小值,从而使得网络训练结果不尽人意,搜索成功概率低.取代传统的梯度下降法,利用粒子群算法对小波神经网络中的参数进行优化.然后利用基于粒子群优化(PSO)的小波神经网络进行抗噪声语音识别实验,仿真结果表明,与BP网络相比,PSO算法在迭代次数、函数逼近误差、网络性能方面均优于BP网络,系统的识别率也得到较大的提高.     

提高BP神经网络学习速度的算法研究

本文在深入分析了ＢＰ人工神经网络学习算法的基础上，研究了采用加动量项法、成批训练法及综合法来提高ＢＰ网络的学习速度，取得了显著效果．     

基于遗传算法BP神经网络优化IRFPA非均匀性适应校正算法

本文具体研究了红外图像非均匀性校正算法中的基于场景类BP神经网络校正算法。针对BP神经网络算法运算量大、容易进入局部最小值、实时性能差的问题,提出利用遗传算法优化BP神经网络校正过程的算法。     

一种改进人工鱼群算法对BP神经网络的优化研究

针对BP神经网络存在易陷入局部极值的缺陷,提出一种基于改进的人工鱼群算法优化的BP神经网络.先用改进的人工鱼群算法优化BP神经网络的初始权值和阀值,然后再执行BP算法训练BP神经网络的权值和阀值.函数拟合仿真实验表明该优化方法提高了BP神经网络的泛化性能.     

DNA优化的BP神经网络在故障诊断中的应用

针对BP神经网络收敛速度慢和容易陷入局部极小值问题,将DNA算法和神经网络有机结合,利用DNA算法的全局搜索能力,优化网络的初始权值和阈值,解决其本身固有的两个缺陷,进而提高了BP神经网络诊断故障时的准确性和快速性。以道岔控制电路的故障诊断为研究对象,建立了基于DNA优化的BP神经网络的故障诊断优化模型,使用MATLAB仿真软件对故障诊断模型进行了仿真分析。结果表明,DNA算法优化的BP神经网络的泛化能力、诊断精确性都要优于BP神经网络。     

一种改进的BP人工神经网络模型

针对人工神经网络 BP 模型在实际应用中会遇到一些问题。该文指出了 BP 神经网络模型结构和算法的一些不足,并针对 BP网络模型算法存在的局部极小问题、BP 网络学习速度较慢以及 BP 模型网络结构训练过度和降低网络归纳能力等问题提出了引入规则、选择激发函数和转换函数、采用隐含神经元以及改变网络拓扑结构等一些改进措施,对于提高 BP 模型在实际应用中的效果具有重要意义。通过实际应用,证明了改进后的算法是行之有效的。     

基于遗传神经网络的城镇基准地价评估应用——以广西灌阳县为例

提出了一种融合遗传算法与BP神经网络的城镇基准地价评估模型。该模型以正方形网格作为基本评价单元,以遗传算法优化BP神经网络连接权值,以BP神经网络训练样本数据,实现其他网格地价的模拟与预测。结果表明,遗传算法可以有效增强BP神经网络快速学习网络权值能力和克服收敛速度慢、易陷入局部极小值等问题,BP神经网络的网络训练学习与自适应性符合处于动态变化的土地价格发展要求,呈现出广阔的应用前景。