基于动态神经网络的非线性系统建模及其控制

结合已知机理信息构造动态神经网络，进行了非线性动态系统的建模，给出了权值调整算法，利用获得的模型，设计了反馈线性化控制器，由训练好的网络在线提供反馈线性化所需要的信息，为了解决模型失配问题，采用内模控制结构来引入模型的误差反馈，以消除稳态误差，文中给出了仿真实例。     

基于过程神经网络的非线性动态系统辨识

研究了过程神经网络在非线性动态系统辨识方面的应用.针对传统神经网络在解决系统过程式输入和时间顺序依赖性问题时出现的使模型和算法复杂化的弊端,提出了一种时变输入输出的过程神经元网络模型作为系统的辨识模型,采用基于函数基展开的梯度下降算法,以油田井组注采系统为例验证了模型和算法的有效性,进而说明了过程神经元网络对于解决系统过程式输入的非线性动态系统辨识问题的适用性.     

基于动态神经网络的非线性系统建模及其控制

结合已知机理信息构造动态神经网络 ,进行了非线性动态系统的建模 ,给出了权值调整算法。利用获得的模型 ,设计了反馈线性化控制器。由训练好的网络在线提供反馈线性化所需要的信息。为了解决模型失配问题 ,采用内模控制结构来引入模型的误差反馈 ,以消除稳态误差。文中给出了仿真实例。     

采用IncNet神经网络进行动态建模的仿真研究

由于IncNet神经网络的算法为串行学习算法,可利用实测的新数据不断对模型进行更新,因此,可以实现过程的动态建模.IncNet神经网络采用"统计新颖性"准则,有效地减少了用户预先定义的参数,而删除算法则可以使网络结构更加紧凑.以燃烧炉对象为例,采用IncNet神经网络进行过程动态建模,所建立的模型精度高,泛化能力强.在建模过程中,初始参数的设置对IncNet神经网络模型的结构和建模精度有着不同的影响,应当合理选择.     

非线性动态系统中的反馈神经网络逼近*

人工神经网络常用于非线性动态系统建模,动态子系统中可以运用多种形式的静态非线性。为完成非线性动态系统建模,利用神经网络结构来近似静态非线性关系。自然地,建模过程中会出现相应的误差估计。分析了基于离散化和数据抽样系统结构因素建模所引起的误差,发掘出了等价输入输出结构可以作为误差分析的一种度量工具,刻画出了模型设计误差和逼近误差之间的相依关系并找到了如何选择合适的系统结构来减小误差。     

基于WaveARX神经网络的非线性动态过程故障检测

研究了利用ＷａｖｅＡＲＸ神经网络构造非线性动态过程的非参数化逼近模型，在分析其逼近偏差的基础上提出了一种非线性次优滤波器设计方法，用于非线性动态过程的故障检测。理论分析和仿真研究证实了其可行性和有效性。     

螺旋霉素发酵过程动态建模的神经网络方法

对文题所述方法,根据实验数据进行仿真研究,获得了满意的结果。为高度复杂的非线性生化过程的模型化提供了一条新的途径。     

自回归过程的小波神经网络逼近算法

将小波变换原理与非线性时间序列逼近问题相结合,利用模型分析方法,对一阶非线性自回归过程（ＮＬＡＲ（１））的小波神经网络逼近问题进行了研究,构造出了逼近函数的具体表达式,并给出ＮＬＡＲ（１）过程所逼近的误差限。     

基于机理和子空间辨识的煤气混合过程集成建模

针对煤气混合过程特点,建立了基于机理和子空间辨识的集成模型.首先在分析生产工艺和数据基础上,利用蝶阀流量公式建立高炉煤气和焦炉煤气流量机理模型;然后以高炉管道2#阀和焦炉管2#阀开度、高炉煤气和焦炉煤气气源压力为输入,混合煤气压力为输出,建立4输入1输出子空间辨识模型;最后分析各子模型特点,将两种模型进行集成.仿真结果表明,所建立的模型能够有效地反映煤气混合过程的动态特性,为煤气混合过程控制提供可靠的模型基础.     

MatLab实现神经网络的非线性对象动态建模

简要叙述神经网络用于动态建模原理，介绍在MATLAB仿真环境中的实现方法，结合一个典型工业例子对几种训练算法作出性能比较与分析，给出相应的仿真结果。     

基于机理和子空间辨识的煤气混合过程集成建模

针对煤气混合过程特点，建立了基于机理和子空间辨识的集成模型.首先在分析生产工艺和数据基础上，利用蝶阀流量公式建立高炉煤气和焦炉煤气流量机理模型；然后以高炉管道2#阀和焦炉管2#阀开度、高炉煤气和焦炉煤气气源压力为输入，混合煤气压力为输出，建立4输入1输出子空间辨识模型；最后分析各子模型特点，将两种模型进行集成.仿真结果表明，所建立的模型能够有效地反映煤气混合过程的动态特性，为煤气混合过程控制提供可靠的模型基础.     

Nonlinear Modeling for a Two-Stage Degradation System Based on Nonhomogeneous Poisson Process

The degradation process modeling is one of research hotspots of prognostic and health management(PHM),which can be used to estimate system reliability and remaining useful life(RUL).In order to study system degradation process,cumulative damage model is used for degradation modeling.Assuming that damage increment is Gamma distribution,shock counting subjects to a homogeneous Poisson process(HPP)when degradation process is linear,and shock counting is a non-homogeneous Poisson process(NHPP)when degradation process is nonlinear.A two-stage degradation system is considered in this paper,for which the degradation process is linear in the first stage and the degradation process is nonlinear in the second stage.A nonlinear modeling method for considered system is put forward,and reliability model and remaining useful life model are established.A case study is given to validate the veracities of established models.     

Modeling the Dynamic Drafting Process Based on Discrete-Event Simulation

The goal of this paper is to provide an approach to investigate the variation of fiber quantity in a certain cross-section of the drafting zone. This model with discrete-event simulation( DES)method was presented to simulate the dynamic drafting process. This model described the behavior of individual fibers,which was divided into four phases and simulated by corresponding modules. Three sets of processing conditions in industry were simulated and demonstrated the applications of this model. The comparison between experiments and simulation results could also validate this model. This model could be used to simulate various drafting process with appropriate drafting settings.     

中国城市化过程的非线性动力学模型探讨

提出了刻画中国城市化过程的非线性动力学模型,并将该模型与描述美国城市化进程的模型在形式上进行了统一,得到城市化非线性动力学的一般模型。借助中国1949—2000年的城乡人口数据从经验上证实了模型的有效性,同时给出美国模型的数据拟合过程作为参照。中国的城市化动力学模型与生态学的Lotka-Volterra模型同构,但参数不同,由此可以解释城市演化的Holland问题。另一方面,中国的城市化动力学模型与西方的城市化模型参数性质不同,由此可以揭示中国城市化进程中存在的问题和优化的方向。     

中国城市化过程的非线性动力学模型探讨

提出了刻画中国城市化过程的非线性动力学模型,并将该模型与描述美国城市化进程的模型在形式上进行了统一,得到城市化非线性动力学的一般模型。借助中国1949?2000年的城乡人口数据从经验上证实了模型的有效性,同时给出美国模型的数据拟合过程作为参照。中国的城市化动力学模型与生态学的Lotka-Volterra模型同构,但参数不同,由此可以解释城市演化的Holland问题。另一方面,中国的城市化动力学模型与西方的城市化模型参数性质不同,由此可以揭示中国城市化进程中存在的问题和优化的方向。     

基于高斯处理的触觉显示机器人摩擦力矩的动力学建模方法

通过建立准确的动力学模型可以显著地改善触觉显示机器人的控制性能.但由于其关节处的非线性动态摩擦特性,传统建模方法精度较低.针对此问题,采用高斯处理算法,准确建立了高度非线性的触觉显示机器人摩擦力矩动力学模型.单自由度的触觉显示机器人实验结果表明,其精度得到显著提高.     

一种基于高斯过程的非线性PLS建模方法

提出了一种基于高斯过程(GP)和偏最小二乘法(PLS)的非线性PLS方法(GP-PLS),以更加有效地处理过程非线性、多输入和数据共线性等复杂特性,提高模型的推广能力和精度。该方法首先采用PLS进行特征提取,再用GP建立PLS的内部模型,因而具有GP与PLS的优点。对工业丙烯腈生产过程丙烯腈收率软测量建模的应用表明,采用该方法建立的软测量模型在模型精度、推广能力等方面明显优于一些传统软测量建模方法,满足工业现场应用要求。     

基于逼近误差的非线性自适应模糊控制

针对一类单输入单输出不确定非线性系统,提出了一种稳定的自适应模糊控制方法·该方法不需要系统状态可测的条件,而是通过设计模糊状态观测器来估计系统的状态·系统的未知非线性项通过模糊逻辑系统进行逼近,且逼近误差满足一定的有界条件,根据李雅普诺夫方法对系统进行分析,得出相应的参数自适应律·该方法不但能保证跟踪误差收敛于原点的一个小的邻域内,而且所涉及到的变量一致有界·仿真结果验证了此方法的有效性与正确性·