基于RBF神经网络的快速伺服刀架迟滞特性建模

为了减小压电陶瓷固有的迟滞非线性特点对快速伺服刀架(FTS)控制精度的影响,提出了一种基于RBF神经网络的快速伺服刀架迟滞特性建模方法.利用拓展输入空间法建立了FTS迟滞系统的RBF神经网络模型,通过引入指数型迟滞算子,将FTS系统的输入与迟滞算子的输出一起作为RBF神经网络的输入向量,实现了FTS迟滞系统由多值映射到单值映射的转换,进而利用神经网络对其进行建模.为了更精确地跟踪快速伺服刀架的迟滞位移曲线,通过增加调整系数σ来对迟滞算子进行改进.实验表明,该迟滞模型可以很好地预测快速伺服刀架的迟滞位移曲线,模型的验证均方差MSE=5.163 3×10-6.     

基于神经网络的迟滞非线性逆模型

为了补偿迟滞特性对系统的不良影响,提高迟滞非线性系统的控制精度,建立了神经网络迟滞非线性逆模型.由于神经网络不能够直接逼近迟滞逆这种具有记忆性的多映射现象,通过引入一个迟滞逆算子,将多映射的迟滞逆转换成一一映射,然后运用神经网络来逼近这个一一映射从而建立一个基于神经网络的迟滞逆模型.该模型的主要优点是结构简单、精度高,可以在线调整神经网络的权值以适应不同工作条件下的迟滞逆辨识.最后,运用该方法对压电执行器中的迟滞非线性建立了逆模型.     

一种新广义Preisach迟滞模型及其神经网络辨识

研究压电陶瓷执行器应用于纳米定位系统时,其多值映射的迟滞特性对系统定位控制精度影响.在经典Preisach模型的基础上,引入平均迟滞函数,提出了一种新广义Preisach迟滞模型,并利用神经网络对新广义Preisach模型关键参量辨识.仿真实验表明,利用该迟滞模型对压电陶瓷执行器建模,可以简化建模过程,提高建模精度.     

基于粒子群算法的挠性转子平衡质量优化

应用非固定多段映射罚函数法,将具有上界约束的挠性转子最优平衡质量极大极小优化模型转换为无约束非光滑优化模型,并应用粒子群算法求解此优化问题.该算法具有控制参数少,全局优化能力较强等优点.计算实例验证了该方法的有效性.     

作业车间调度的非合作博弈模型与混合自适应遗传算法

采用博弈理论,建立了一种基于非合作博弈的作业车间任务调度模型.在该任务调度模型中,将源于不同客户的制造任务映射为非合作博弈模型中的局中人,并将与制造任务包含的工序集所对应的可选加工设备映射为可行方案集,使各制造任务的加工完成时间和成本组合形成的多目标综合指标映射为收益函数,从而将对任务调度模型的求解转换为寻求非合作博弈模型的Nash均衡点.通过设计的爬山搜索混合自适应遗传算法、自适应交叉和变异算子,实现了对该任务调度非合作博弈模型的Nash均衡点的有效求解,同时算例仿真结果也验证了所提出的调度方法的正确性.     

Banach空间中均衡问题和可数族拟φ渐近非扩张多值映射不动点问题的强收敛定理

在实的一致光滑和一致凸的并且具有Kadec-Klee性质Banach空间中,用混合迭代方法求解可数族拟φ渐近非扩张多值映射的广义混合均衡问题解,变分不等式问题解以及拟φ渐近非扩张多值映射不动点集的公共解.所得结果是新的,并且推广了前人的相关结论.     

基于集值映射的近似算子

介绍了Gomolinska提出的基于集值映射的粗糙集模型,证明了基于一般二元关系的广义近似算子以及覆盖近似算子都是基于集值映射的近似算子特例,且多数的近似算子可以借助基本近似算子通过复合运算产生。     

实Banach空间上的非线性集值隐式变分包含组

研究了实Banach空间上带松驰强制映射的一类非线性集值隐式变分包含组.运用(M,η)-增殖映射的预解算子技术,构造了这类非线性集值隐式变分包含组解的新的迭代算法.在q-一致光滑Banach空间上证明了其算法的收敛性.结果推广和改进了最近相关的工作.     

求解一类无限维非光滑算子方程的光滑化牛顿法

研究一类无限维非光滑算子方程的光滑化牛顿法,构造光滑函数逼近非光滑算子.在半光滑假设条件下,证明了光滑化牛顿法具有全局超线性收敛性.研究表明,此算法可用来求解一类特殊的来源于无限维非线性互补问题的非光滑算子方程.     

求解一类状态受约束的最优控制问题的新方法

研究一类最优控制问题的求解方法,其状态变量是某一种椭圆型偏微分方程的弱解.在一定的条件下,利用一系列的变换,将求解最优控制问题转化为求解一个非光滑算子方程.构造一个光滑化函数逼近NCP函数,利用光滑化牛顿法求解此非光滑算子方程.给出两者间的误差估计.     

神经网络在动力学系统建模中的理论研究

动力学系统可以看成是映输入空间到输出空间的一个算子,在特定时刻动力学系统的输出可以看成是其输入空间上的一个泛函,这样动力学系统建模就可以看作是表征系统映射关系的算子或泛函的逼近问题。研究了多层神经网络的非线性映射能力,给出了多层网络可一致逼近有限维空间Ｒｎ紧集上的连续函数、无穷维函数空间紧集上的连续泛函和连续算子的理论证明。得出的几个一般性结论为在动力学系统建模等领域应用神经网络准备了理论工具。     

动态迟滞非线性自适应补偿控制方法

针对典型的动态迟滞特征模型,提出了一种新型的迟滞补偿控制方法.通过乘以一个斜率转换因子, 将具有近似线性特性的理想迟滞模型转化成实际的期望输出模型.采用自适应滑模控制原理求取迟滞补偿控制量,以保证实际的迟滞特性能够达到期望的线性输出特性.仿真实验结果表明,该自适应滑模迟滞补偿方法能够有效地补偿动态迟滞特性.     

基于迟滞噪声混沌神经网络的TDMA广播调度

分组无线网络的时分多址(Time Division Multiple Access,TDMA)广播调度问题是一个经典的NP-hard组合优化问题,可用神经网络求解.混沌动力学、随机游动和迟滞动力学均能够有效地提高神经网络的优化性能.为了提高迟滞动力学在噪声混沌神经网络中的优化能力,又不增加噪声混沌神经网络的参数,将噪声混沌神经网络的噪声幅值作为Sigmoid函数的中心参数,并通过神经元的输入变化来控制噪声幅值形成迟滞环,提出了一种新型的迟滞噪声混沌神经网络.对神经元状态演化行为的研究表明,该网络能够同时演化出混沌倒分岔、随机游动和迟滞等动力学行为.对分组无线网络的TDMA广播调度问题的仿真表明,提出的迟滞噪声混沌神经网络具有更好的优化性能.     

广义概率粗糙集模型中近似算子的研究

针对经典概率粗糙集模型的不足,将其论域推广到两个具有相容关系的论域上,借助集值映射分别定义了两种形式的广义概率(I)型和广义概率(II)型粗糙集近似算子,并讨论了相应的数学性质.最后,详细地分析了它们之间的关系.     

基于分组数据处理神经网络气动人工肌肉迟滞特性

气动人工肌肉的动态特性中存在着非常复杂的迟滞现象.目前对其迟滞特性的研究很不充分,甚至对其输入空间都难以确定.为此,建立了单自由度气动人工肌肉实验平台,利用分组数据处理神经网络独特的自组织特性,运用数据挖掘技术探索气动人工肌肉迟滞特性的输入空间.将自适应模糊小脑模型神经网络引入滑模控制,基于已确定的输入空间,在每个采样周期逼近迟滞力不断变化的动态值,在线实时补偿迟滞力的影响.实验结果验证了输入空间选取的合理性和有效性.
     

基于类别空间多示例学习的色情图像过滤算法

针对传统的不良图像自动过滤算法难以适用于复杂互联网环境的问题，提出一种通过构建类别空间进行多示例学习实现图像过滤的新算法.首先在YCgCr空间中扩展Hessian矩阵检测特征点作为图像的示例，然后定义YCgCr-LBP算子作为图像示例描述符，最后基于包示例频率统计原理提出类别空间模型，并利用余弦相似度完成图像识别.利用不同成分的数据集进行了多组实验对比，结果表明，所提出的算法克服了传统依靠皮肤比例方法对皮肤或类皮肤比例较大图像识别准确度较低的问题，同时也较一般的多示例学习方法对图像具有更好的描述能力，取得了较好的实验结果，具有实际应用价值.     

水平双向加载下钢筋混凝土箱型墩的恢复力模型研究

为了系统地评价钢筋混凝土箱型墩在水平双向荷载作用下的抗震性能,以钢筋混凝土箱型墩的双向拟静力试验为依据,采用Open Sees分析程序对钢筋混凝土箱型墩在水平双向荷载下的滞回性能进行数值分析。根据钢筋混凝土箱型墩实测和模拟滞回曲线的特点,提出水平双向加载作用下钢筋混凝土箱型墩的恢复力模型,并考虑其主要影响因素,给出所提出恢复力模型特征参数的确定方法,并与试验结果进行对比。结果表明:应用所提出的恢复力模型能够较好地反映钢筋混凝土箱型墩的滞回性能,得到的水平荷载-位移计算曲线与试验曲线吻合较好。     

巴拿赫空间非线性多值Φ-强增生映象方程的迭代解

在一般巴拿赫空间中,构造非线性多值Φ_强增生映象方程具误差的Ishikawa,Mann迭代序列,利用多值映象一致连续的性质,给出该序列收敛的一个充分条件.由于单值映象是多值映象的特殊情况且讨论的映象不必满足Lipschitz条件,所以该结果改进和推广了近期相关结果.     

Fuzzy度量空间的度量性质及其集值映射的不动点定理

研究Fuzzy度量空间的一些性质,给出了几个集值映射的不动点定理.