基于神经网络的空间7R冗余机器人的运动模型辨识

针对空间冗余机器人运动学控制中正、逆运动学求解的复杂性，采用神经网络从两方面解决这一问题。一是从神经网络出发，提出了一种新的动态神经网络结构--状态延迟输入动态递归神经网络（SDIDRNN），提高了网络的学习速度；二是从辩识方案出发，以SDIDRNN为基础，在空间7R冗余机器人正、逆运动学模型辩识的问题上，设计了一种新颖的解耦辩识方案。将其与另外两种具有普通网络结构的辩识方案相比较，说明了该新方案具有更高的学习能力，辩识误差可降低到对比方案的40％-6％。由于学习速度的提高，达到设定误差时的训练次数大大减少，使该方案在机器人运动控制系统中的实时计算能力大大增强，为神经网络在机器人运动学控制中的应用提供了一条崭新的思路，具有重要的应用意义。     

RLED机器人神经网络在线辨识及控制器设计

对考虑模型误差和外界干扰信号等不确定性因素在内的电驱动刚性机器人系统,运用神经网络和基于Lyapunov函数的逆向递推法提出一类自适应跟踪控制器.神经网络用于辨识机器人系统中包括电流一阶导数在内的复杂非线性项和不确定性因素;而基于Lyapunov函数的逆向递推法则保证了控制系统的鲁棒稳定性和干扰抑制性能.通过系统稳定性分析可以得到控制器参数的选取原则,以进一步提高控制系统品质.数值仿真结果表明所设计的控制器具有良好的鲁棒性和跟踪精度.     

基于神经网络的发动机模型辨识

为进一步研究发动机的稳态、空载、动态转矩、燃油消耗模型和万有特性,笔者提出了一种基于神经网络的神经元结构模型和多层前馈网络结构模型并分别进行了数学分析.实践研究表明：在发动机的工作过程中,动态工况占66%～80%,并发现发动机的动力性和经济性指标与稳态工况存在着一定的差异.     

基于神经网络的系统辨识

本文介绍了一种由系统的输入和输出建立系统预测模型的方法——基于神经网络的辨识。并给出了网络的递推公式,并举例。仿真结果表明,辨识的精度可人为确定。该方法适用于复杂的控制问题或要求控制精度较高的控制问题,如原油含水控制及井下压力的控制等方面。     

基于前馈神经网络的动态负荷模型辨识

本文提出了一种利用人工神经网络（ＡＮＮ）与系统辨识技术相结合的动态负荷建模方法。首先简要介绍了电力系统负荷的动态模型和前馈神经网络，然后具体讨论了应用ＡＮＮ辩识负荷模型参数的方法，并结合具体辩识程序的框图，分析了辩识过程中应注意的问题。研究表明，本文提供了一条有效的辩识建模途径。     

基于模糊神经网络的水力机组模型辨识

根据水力机组可分段线性化的特性,提出了水力机组简易模糊语言模型。在此基础上,将反馈控制思想引入系统辨识,同时结合神经网络的易学习特点给出了基于模糊神经网络的水力机组模型结构及其算法。最后将所建模型运用于灯泡贯流式机组的在线预测。试验结果表明,该模型在线修正工作量小,并能迅速地、较为准确地逼近实际系统的输出,可以作为贯流式机组自适应控制的实时预测模型。     

基于自回归动态神经网络的逆模型辨识及在线控制

研究了自回归动态神经网络及其学习算法。提出了应用于动态逆模型识的结构，并与ＰＩＤ控制相结合形成了非线性动态对象的在线自适应控制系统。仿真结果表明此方案简单可行，克服了静态网络的一些局限性。     

基于RBF神经网络的倒立摆模型辨识

以RBF网络作为识别模型,采用新的网络结构确定方案,提出了一种基于RBF网络的倒立摆模型辨识方法,仿真结果表明此方法具有辨识精度高、速度快的优点,具有广阔的应用前景.     

基于角度模型的机器人驱动系统参数辨识

针对直流电动机驱动的轮式机器人,提出一种根据机器人轮子编码器读数辨识机器人驱动系统参数的算法,并与传统的根据速度输出来辨识机器人参数的方法进行了比较.仿真计算证明:根据编码器数据辨识有更好的精度及抗干扰能力.     

基于神经网络模型辨识的土地可持续利用研究

结合系统辩识理论和神经网络技术,建立土地利用控制系统的时延神经网络辨识模型,并以广西南宁市某郊县为实例,利用模型进行土地可持续利用研究.结果表明:运用时延神经网络模型辨识的方法能够有效地模拟土地利用控制系统;模型预测输出显示,在自然演变模式、农业发展模式、工业发展模式、生态模式和可持续发展模式五种土地利用战略仿真模式中,可持续发展模式是南宁市某郊县土地可持续利用较为理想的发展模式.     

神经网络智能控制系统辨识模型结构的研究

目的 研究神经网络智能控制系统辨识模型的基本结构。方法 分析了控制系统动态模型的输入、输出关系,依据模型等效的最优化原理和神经网络任意逼近有限不连续函数的性质,提出神经网络辨识模型的基本结构。结果 该基本结构不仅适用于高阶线性系统,也适用于非线生及时变系统,可达到较高的辨识精度,保证了由此构成了神经网络控制系统具有较好的自适应性和鲁棒性。结论 所提出的基于神经网络系统辨识模型的基本结构具有一般性和     

基于RBF网络的混沌动力系统辨识

提出用RBF神经网络对混沌动力系统进行辨识，设计了一个三层RBF网络结构，仿真实验说明了RBF网络用于学习混沌动力系统时的基本性质。用辨识模型重建吸引子方法定性地评价辨识模型，通过计算辨识模型的Lyapunov指数定量地评价辨识模型的性能，同时推导了RBF网络模型Lyapunov指数的计算公式。仿真结果表明，该辨识模型能很好地逼近原混沌动力系统，准确地体现原混沌系统的动力学特性。     

基于神经网络的复杂过程系统模型辨识

针对复杂生产过程中的一阶和二阶液位系统,利用MATLAB软件的神经网络工具箱,分别应用BP和径向基两种神经网络模型进行系统辨识,得到系统模型．通过结果比较,得出两种神经网络的应用特点：对于一阶非线性液位过程,径向基神经网络创建的数学模型性能较好;对于二阶线性液位过程,BP神经网络的建模效果较好;尽管BP神经网络的模型训练过程有学习收敛慢、局部最小点、层数和单元数不易确定的缺点,但其函数逼近的精确度对二阶线性的辨识具有独特优势．     

基于递推k-均值聚类算法的RBF神经网络及其在系统辨识中的应用

提出了一种基于ｋ－均值聚类算法的ＲＢＦ神经网络递推快速学习算法,并用此对动态非线性过程进行辩识。仿真结果表明了本文方法的可行性。     

基于神经网络辨识的熔融碳酸盐燃料电池建模

针对熔融碳酸盐燃料电池（MCFC）电堆系统难以建模以及已建立的模型过于复杂，难以满足工程上对MCFC系统控制设计特别是实时控制需要的情况，绕开MCFC的内部复杂性，提出利用神经网络可能逼近任意复杂非线性函数的性能，将神经网络辨识方法应用到MCFC这种高度非线性系统的建模中。以燃料气和氧化剂气体的流速的输入量，MCFC电堆温度响应为输出量，根据输入输出数据用神经网络辨识建立MCFC电堆系统的温度模型，给出了辨识系统的结构及改进BP算法。仿真结果证明了这种方法的可行性，所建立的模型精度较高，使得设计MCFC的实时控制器成为可能。     

神经元网络型辨识器与控制器

针对石油化学工业中的某一典型对象即具有严重非线性和纯滞后特性的三阶非最小相位系统，介绍利用神经元网络（ＡＮＮ）构成的辨识器和控制器的原理、构成以及仿真结果，并给出了作者对神经元网络型辨识器与控制器的分析和建议．     

钢板结构损伤的自适应神经网络识别

探讨了动量系数和学习率自适应调整的神经网络算法.以反映结构损伤位置和程度的固有频率作为神经网络输入的特征参数,利用有限元法对钢板结构裂纹损伤位置和程度进行数值模拟,获取训练样本数据,通过自适应神经网络对结构裂纹损伤识别问题进行了定性定量研究.结果表明,采用自适应神经网络技术对钢板等工程结构进行损伤特征识别分析是可行的.     

基于遗传优化神经网络算法的桥梁结构损伤识别

当前越来越多的大型桥梁结构安装了健康监测系统,作为桥梁健康监测系统的核心,结构损伤识别技术成为研究热点.基于人工神经网络和遗传算法的优点,提出了一种新的方法——遗传优化和神经网络混合算法(用遗传算法优化神经网络的初始权重,)实现桥梁结构损伤的位置和程度的识别.与传统的人工神经网络算法相比,该方法克服了其易于陷入局部最优的缺点.对工程实例梁的试验数据进行分析和结构损伤状况识别,结果表明,该算法的可行性和可靠性,可以应用于类似结构损伤的识别与评价.     

基于BP神经网络的艾滋病预测模型

利用神经网络的自学习、自适应及非线性逼近能力,建立了艾滋病预测模型,并利用Matlab的神经网络工具箱进行开发实现.经过实证研究,表明了该模型的有效性,为艾滋病预防提供了一种科学、可行的预测模型。