一类具有反三角函数自反馈的混沌神经网络及其应用

在线性自反馈的基础上将反三角函数引入到混沌神经网络的自反馈项,提出了非线性自反馈混沌神经网络模型.网络优化机制的分析表明,非线性自反馈使网络以线性函数与反正切函数的和与状态乘积和的方式影响原Hopfield网络的能量函数,避免网络陷入局部极小点.构造了网络的能量函数,分析了网络达到渐进稳定的充分条件并利用其指导网络求解旅行商问题的参数设置.连续函数优化问题和旅行商问题的仿真研究表明,提出的网络能有效地找到优化问题的最优解.     

不一致连续Hopfield网络及其应用

针对一致连续Hopfield网络容易陷入局部最小和不合理解的现象,给出了不一致连续Hopfield网络的能量分析,得到了使网络能量函数上升、下降和不变的条件.在此基础上,通过衰减自反馈,提出了求解旅行商问题(Traveling Salesman Problem,TSP)的新网络.通过仿真证实,该网络可有效地求解TSP问题.     

连续Hopfield网络在热传导有限元计算中的应用

连续Hopfield网络是一个能收敛的稳定网络,如果一个系统的优化问题可以用"能量函数"作为目标函数,则总可以用连续Hopfield网络对其进行求解。依据热传导有限元特点,将有限元计算问题转化为带约束的非线性优化问题,找出了优化目标函数,并给出求解该问题的改进Hopfield(TH)网络;最后对一个简单温度场神经计算进行数值仿真,仿真结果表明连续Hopfield神经网络能完成有限元模型的求解。     

基于PSO的无线传感器网络自组织成簇算法

为了有效延长WSN网络的生存时间,需要设计能量有效的自组织成簇机制,以适应无线传感器网络的特点.提出了一种适合无线传感器网络能量有效的成簇优化模型,并使用微粒群优化算法(PSO)对该模型进行求解.为了使微粒群算法适合于该问题的求解,设计了适合微粒群算法的微粒位置向量和速度向量的更新机制,并用罚函数法对两个主要约束进行了处理,给出了适应值函数,并通过MATLAB 7.1进行了实例仿真.仿真结果表明,该优化模型是解决WSN能量问题的有效方法.     

基于Hopfield神经网络模型的通道布线算法

本文探讨了用Hopfield神经网络模型解决通道布线问题的一种新算法。算法描述了Hopfield模型与通道布线问题的映射方法和网络能量函数的构造方法,在能量函数中既考虑了合法解约束项,又考虑了优化解约束项,从而提高了布线质量。本文的意义还在于它证明了用Hopfield网络求解通道布线问题是可行的,有效的。     

基于Excel的网络分析

为了研究网络优化的决策问题,运用Excel软件,使大量的计算工作量能够通过函数输入方式自动完成,极大地提高了网络分析问题的计算效率。本文通过建立网络容量模块和网络代价模块、建立路径和目标单元格、在可变单元格中输入函数和规划求解等四个步骤深入分析了解算表格的设计问题和函数使用方法,以实现计算机辅助工具准确、有效、方便地求解网络优化问题。     

组合优化神经网络的胞元设计及稳定性分析

以ＴＳＰ网络为例，详细分析了Ｈｏｐｆｉｅｌｄ网络在求解组合优化问题时经常出现的不稳定性和局部最优性，提出了解决这２个问题的一个改进算法。证明了对于全负联接的Ｈｏｐｆｉｅｌ网络，如果对神经元的特性函数进行个性就可以控制系统在状态空间的运动方向，从而保证网络在当前能量函数下降最快的方向上迅速地收敛到局部最优解。     

短时延网络控制系统的状态反馈控制器设计

研究了短时延网络在网络时延、丢包和数据包时序错乱的网络环境下,网络控制系统(NCSs)的建模、稳定性分析、状态反馈增益设计以及控制器参数优化等问题.在稳定性分析中,获得了系统的稳定性充分条件.采用锥互补线性化(CCL)算法求解了镇定控制器的状态反馈增益值.将状态反馈控制器的设计问题转化为具有稳定域约束的优化问题,然后利用分布估计算法(EDA)求出其最优解,最终得到了系统控制参数的优化值.仿真结果表明,所提出的NCSs控制器设计方法可以有效保证控制系统的性能,经过优化后,控制性能得到明显改善.     

基于神经网络的逻辑最小造价覆盖算法

提出一种基于神经网络求解逻辑综合中最小造价覆盖问题的优化算法。首先给出了最小造价覆盖问题与能量函数的映射关系，并以此构造了改进的两级Ｈｏｐｆｉｅｌｄ网络模型。然后利用该网络的动态特性，求出最小造价覆盖问题的最优解。最后对算法进行了分析和小结。     

基于二次约束二次规划的窗函数设计方法

为降低高功率雷达系统中脉冲压缩后输出的高峰值旁瓣进而提高成像质量,通常的方法是在接收端进行加窗处理,在信噪比损失、积分旁瓣和主瓣宽度上做出一定权衡。为了进一步提升窗函数的成像性能,以不同的目标函数和约束条件构建能够高效准确求解的凸优化模型来设计优化窗函数。建立了以优化峰值旁瓣为目标的二次约束二次规划的凸优化模型,并给出了优化积分旁瓣能量的凸优化模型。通过线性加权求和,对峰值旁瓣、信噪比损失和积分旁瓣能量的线性组合得到的结果作为目标函数建立了多目标凸优化模型。通过对凸优化问题求解,得到的优化窗函数在峰值旁瓣、积分旁瓣、信噪比损失和主瓣宽度上均优于或不劣于在雷达系统中常用的性能优良的Taylor窗函数。仿真结果表明,优化窗函数能够比Taylor窗函数提供更好的性能。     

混沌Arneodo系统非线性与自适应模糊神经网络控制

针对Arneodo系统的参数不确定性,阐述了Arneodo控制系统中抵消非线性的基本思想和设计方法.利用LQR线性反馈技术,设计了具有稳定裕度的二次型最优控制器,同时在控制器中引入一个用于函数逼近的自适应模糊神经网络,利用该神经网络抵消控制系统中的非线性项,使受控系统的某一状态变量可被镇定到任意参考位置.这种具有模糊神经网络的控制器实现了参数不确定系统的精确反馈线性化控制.通过仿真比较研究,说明了反馈线性化与自适应神经网络相结合的控制器具有良好的控制性能,且更易实现.     

一类神经网络观测器的设计及应用

为了减少小波神经网络(Wavelet Neural Network,WNN)的母小波与神经元数,在WNN模型修正的基础上提出了一种能够储存小波上一步信息由自反馈神经元组成的自回归小波神经网络(Self Recurrent Wavelet Neural Network,SRWNN);在分析了这种网络的结构形式后,提出了一类非线性系统的神经网络自适应状态观测器设计方法,并通过引入Lyapunov函数,证明了这种观测器设计方法的正确性;最后,将这种观测器设计方法用于航天器机械手的反演控制,根据SRWNN观测器的估计状态值,应用反演控制理论设计控制器,能够很好地实现系统状态观测,实现无需速度的信号跟踪。     

一类欠驱动机械系统基于神经网络的控制

运用神经网络设计体操机器人欠驱动机械系统的平衡控制器.首先利用联立约束法和矢量环对两关节体操机器人进行数学建模,然后用反馈线性化理论将这个非线性系统线性化,最后结合神经网络来设计平衡控制器.仿真结果表明,神经网络控制可以有效地使系统在垂直向上位置附近到达平衡稳定状态,从而实现了此类欠驱动系统基于神经网络的控制.     

基于电流观测器的链式STATCOM反步控制方法

针对电网中链式静态同步补偿器(STATCOM)系统的非线性特性和不确定性,提出了一种基于高增益自适应观测器的链式STATCOM反步控制方法.针对STATCOM的输出电流值的估计,设计了一种基于神经网络高增益观测器,通过引入径向基函数(RBF)神经网络,对模型参数变化进行估计,通过反馈设计,对系统进行线性化处理,利用反步法实现电压控制器设计.结合李雅普诺夫的渐近稳定性理论,获得链式STATCOM输出无功电流的控制.仿真和实验结果进一步验证了控制方法的正确性和有效性.     

液压并联机器人的动态神经网络控制研究

针对液压并联机器人运动过程中各单缸伺服系统的参数时变和耦合力扰动问题,利用在前馈型网络增加反馈环节的方法,设计了一种新型动态神经网络,并将该动态网络作为智能控制器应用于单缸伺服系统,同时根据能全面衡量系统性能的综合目标函数,推导出网络控制学习算法.仿真及试验结果表明,这种控制器的设计不依赖于系统模型,对于单缸系统的参数时变具有自适应性,对于耦合力扰动具有强鲁棒性,控制结果显示系统具有良好的静动态性能.     

三角形式非线性离散系统自适应神经网络控制

针对一类控制输入为三角形式的多输入多输出离散非线性系统,提出了基于反步法的自适应神经网络控制方法.由于该系统的控制输入为非仿射形式,不能采用反馈线性化的方法设计控制系统;因此,首先采用隐函数定理证实了能够使系统输出跟踪期望轨迹的理想控制输入的存在性,并构造了理想的控制输入.利用高阶神经网络估计这些控制输入,提出了基于反步法的自适应神经网络控制方法.证明了所提出的控制方法能够保证闭环系统的所有信号半全局一致最终有界,并通过仿真验证了该方法的有效性.     

一类二元神经网络模型的收敛性

讨论了一类二元时滞反馈人工神经网络模型．在假设信号传输函数是分段常数非线性的条件下，得到了该模型解的收敛性质。     

利用神经网络进行综合机构的建模和控制

介绍了逆模型超前控制器，神经网络反馈单元及由5层神经网络组成的集成控制系统。集成控制系统包括一个由神经网络组成的系统模型和具有自调整功能的控制单元。该方法被用于优化设计的综合机构控制仿真，结果证明了它的先进性和可行性。     

基于动态面控制的MIMO自适应神经网络控制

针对一类具有未知函数控制增益的多输入多输出(M IM O)非线性系统,基于后推设计方法和动态面控制技术,提出一种间接自适应神经网络控制方案.该方案通过引入1阶滤波器,消除了后推设计中由于反复对虚拟控制的求导而导致的复杂性问题,并避免了反馈线性化方法可能出现的控制器奇异性问题,参数估计无需使用投影算法.利用李亚普诺夫方法,证明了闭环系统半全局一致终结有界,通过适当选取设计常数,跟踪误差可收敛到原点的一个小邻域内.仿真结果表明了该方法的有效性.     

一种应用神经网络模拟Hash函数的算法

首先介绍了Hash函数的原理以及Hash算法的设计方法,提出了用神经网络模拟Hash函数的思想,并给出了用(径向基函数)RBF网络模拟Hash函数的具体算法。