稳态大系统中关联平衡法的改进

对于子系统的性能指标按一定顺序耦合的稳态大系统,本文采用两级递阶优化控制算法。利用上下级之间的纵向信息交换对子系统之间的关联进行解耦,利用子系统之间的横向信息传递对目标函数进行解耦,这种方法是对关联平衡法的改进,从而,解决了一类不可分的稳态优化问题,仿真效果好。     

基于稳态自适应技术的水下机器人系统在线辨识

针对水下机器人运动和作业过程中的有效载荷变化使得机器人动态特性也相应地发生变化的特点,以开架式无缆水下机器人为研究对象,在对其动力学模型进行简化的基础上,提出了一种基于稳态自适应技术的在线参数辨识方法,进行了与基于最小二乘法的离线参数辨识的对比实验以及水下机器人特性发生变化时的在线辨识实验,水池实验结果验证了基于稳态自适应技术的参数在线辨识方法对开架式水下机器人进行系统辨识的有效性和可行性.     

某型航空发动机定检稳态故障诊断方法研究

以飞机飞行参数记录系统中发动机参数为基础,研究了RBF神经网络在航空发动机故障诊断中的应用。介绍了RBF网络的工作原理及实现算法,及根据测试样本确定阈值,建立了航空发动机故障诊断的数学模型,并通过该模型对某型发动机定检稳态的飞行参数据进行了辨识。结果表明该方法能有效地判断出某型发动机在定检稳态时的健康状况。     

不完全维修条件下的视情维修优化模型

针对实际工作中系统无法通过维修手段恢复如新的情况,利用离散状态的马尔可夫过程,将一类基本的不完全维修模型与视情维修理论相结合,建立了劣化系统在不完全维修条件下的视情维修模型。根据马氏过程平稳状态下的统计平衡原理,提出了求解系统稳态可用度的一类解析算法,并在此基础上,以系统稳态可用度最大为优化目标,确立了不完全维修条件下劣化系统的最佳检测间隔时间和视情维修阀值。最后,通过具体算例验证了了模型与算法的可行性。     

预测控制中的稳态目标优化策略及其应用

实际工业过程中,过程限制或约束的存在以及不可避免的模型失配和干扰的影响,系统很可能达不到期望的设定值,从而存在稳态偏差问题。采用MPC稳态目标计算和动态优化控制两级结构,在每个采样时刻,考虑可测干扰的影响下,重新进行稳态目标计算。稳态目标计算时保证稳态目标与动态MPC计算中的输入速率约束兼容,并根据当前预测输出和测量输出之间偏差的反馈信息校正稳态模型,体现了MPC算法中的反馈思想。以壳牌重油分馏塔标准问题为例进行了仿真,仿真结果表明了该算法的有效性。     

采用Adaline神经网络实现增益自适应内模控制

引入1／1Pade逼近处理纯滞后环节，利用二步法设计内模控制器，运用单层Adaline神经网络参数辨识算法得到被控对象的稳态增益，并用于内模控制算法中，以此来自动调整被控对象模型增益，实现增益自适应控制。大量仿真实验表明此控制方法能克服系统增益变化对控制品质的影响，具有鲁棒性好，抗干扰能力强，控制精度高等特点。     

基于一种改进的RBF神经网络的直接甲醇燃料电池建模

针对直接甲醇燃料电池(DMFC)系统过于复杂，难以数学建模。应用一种改进的RBF神经网络对DMFC系统进行辨识建模。模型以甲醇的浓度和流速为神经网络辨识模型的输入量，电池电压／电流密度为输出量，利用1000组实验数据作为训练和测试样本，建立了不同甲醇浓度和流速下电池电压／电流密度动态响应模型。应用仿真对建模的有效性和精度进行了检验，并与BP神经网络辨识的效果进行了对比。仿真结果证明RBF神经网络比BP神经网络收敛得快，建模精度高，从而为设计DMFC实时控制系统奠定了基础。     

修理工可多重休假的带有一个冷贮备部件的Gaver 并联系统

研究了修理工可进行多重休假的带有一个冷贮备部件的Gaver并联可修系统.假定部件的工作时间服从指数分布,修理时间和修理工的休假时间均服从一般连续分布.利用向量Markov过程理论和Laplace变换的方法,求出了系统可靠度的Laplace变换,系统首次故障前平均时间的表达式,系统的稳态可用度和稳态故障频度等可靠性指标;此外,还通过数值比较考察了系统参数对系统稳态可用度的影响,并对系统进行了效益分析.     

基于BP神经网络的纳卫星轨道热环境辨识

为了实现纳卫星轨道热环境的辨识,在纳卫星热系统动态特性模型以及BP神经网络的基础上,建立纳卫星轨道热环境辨识模型.首先,利用周期性空间外热流输入求解纳卫星热系统动态特性模型,然后,选取数据样本完成BP神经网络的训练.最后,将训练后的BP神经网络应用于实际的纳卫星飞行模式中的轨道热环境辨识,进行验证.通过辨识结果与实际轨道热环境的对比,证明了纳卫星轨道热环境辨识模型的泛化能力及准确性.     

基于先验知识和神经网络的非线性建模与预测控制

神经网络模型是模拟非线性系统的有力工具，它的缺陷是难以利用已有的先验知识。利用通用学习网络的建模方法，提出了一种利用先验知识和神经网络建立非线性系统模型的方法，具有简化神经网络结构、减小计算量的优点。基于这种模型利用改进的遗传算法进行优化计算，从而实现了基于先验知识和神经网络的非线性建模和预测控制。对一个悬吊系统的仿真实验说明了该算法的有效性。     

Novel backstepping design for blended aero and reaction-jet missile autopilot

The advanced missile uses blended control of nero-fin and reaction-jet to improve missile maneuverability. The blended control design, which is multi-inputs and multi-outputs （MIMO）, severe nonlinear, and model uncertain, is much more complex than conventional nero-fin control. A novel nonlinear backstepping control approach is proposed to design the blended autopilot. Missile model is reformed to a new one by state reconstruction technique so that it is easy to be handled by the backstepping method. Then a Lyapunov function is chosen to avoid oscillation caused in normal backstepping way when control parameters are mismatched. In distribution of both inputs, optimal energy logic is proposed. In addition, a fuzzy cerebellar model articulation controller （FCMAC） neural network is used to guarantee controller robustness to uncertainties. Finally, simulation results demonstrate the efficiency and advantages of the proposed method.     

基于动态小波神经网络的非线性动态系统辨识

一种隐层由小波基组成的神经网络被用来实现非线性系统的输入输出之间的映射关系.为描述系统的动态特性,在网络中引入了自回归连接结构.本文给出了详细的用小波神经网络进行系统辨识的算法和步骤.本文提出了一种FC+GD算法以提高训练神经网络的收敛速度.最后,将所提出的方法用于CSTR模型的辨识,并与RBF和MLP网络相比较.     

基于循环神经网络的船舶航迹预测

在海事搜救、海关缉私等应用中,对目标船舶进行航迹预测是一个关键问题。为提高预测的精度和效率,提出了一种基于循环神经网络的船舶航迹预测方法,该方法包含数据预处理和神经网络预测两个部分。在数据预处理中,设计了一种基于对称分段路径距离的数据预处理方法,消除了大量冗余数据及噪声的影响;在神经网络预测中,构建了基于门控循环单元的循环神经网络模型,实现船舶位置信息精准且高效的预测。通过大量船舶自动识别系统数据进行了对比实验,实验结果证明了方法的实用性和有效性。     

基于回归神经网络的氧乐果合成过程建模与仿真

氧乐果合成过程具有非线性、时变和不确定性的特点，难以采用常规的建模方法建立模型。BP网络可用于非线性系统的建模，但不能很好的反映实际系统的动态特性。提出了一种静态BP神经网络加多分头延时(TDL)环节构成回归神经网络建立系统动态模型的方法，用于氧乐果合成反应温度控制过程的建模与仿真研究。结果表明，该方法建立的模型误差较小、网络泛化能力较强，能较好的反应实际系统的动态特性，从而为培训操作人员的控制水平提供了低成本的仿真手段，也为自动控制算法的研究提供了仿真模型。     

基于模糊CMAC网络的非线性自适应逆控制

针对非线性自适应逆控制中非线性对象的建模和逆建模的精确性这一问题,提出一种基于模糊小脑模型关节控制器(Fuzzy Cerebellar Model Articulation Controller, FCMAC)网络的非线性自适应逆控制方案.将模糊逻辑思想嵌入到CMAC中构成FCMAC来对非线性对象进行较精确的逆建模,从而构建逆控制系统.在对象特性未知的情况下,选用BP网络来对象进行正建模,并由BP网络的辩识结果来对FCMAC的参数进行调整.仿真实验表明了该方案的有效性,且验证了其控制效果较单纯的CMAC网络逆控制更理想.     

一类基于神经网络的非线性模型预测控制

在研究非线性对象输入/输出数据的基础上，将对象输出的Taylor级数展开式取线性项作为预测模型，提出一种非线性系统模型预测控制算法，为了保证预测模型的准确性，以神经网络做辩识器估计系统建模误差，对非线性对象进行单频预测控制，理论上已证明三层BP网能任意逼近L2上的非线性函数，本文通过仿真研究也表明了当神经网络逼近系统建模误差时，所提出的预测控制算法对复杂非线性对象能达到良好的控制效果。     

输入约束下的浮力调节式UUV变深控制

针对浮力调节机构约束下无人水下航行器(unmanned underwater vehicle, UUV)的变深控制问题,提出一种基于正交神经网络饱和补偿器的自适应动态面控制方法。首先,建立考虑执行机构动态特性的UUV数学模型。在此基础上,采用反步法和非线性跟踪微分器设计动态面控制器,同时引入线性扩张状态观测器(linear extended state observer, LESO)在线估计浮力变化与模型不确定性引起的干扰,继而在控制器中进行补偿。然后,基于正交神经网络设计饱和补偿器,并证明闭环系统所有误差一致最终有界。仿真结果表明,与现有的动态面控制方法相比,所提方法在浮力调节机构约束下,具有较好的动态性能与稳态精度。     

RBF网络模型参考自适应控制在温度控制中的仿真研究

减压塔侧线温度系统是一个时变非线性复杂系统,采用常规的PID控制回路难以达到较好的控制品质。针对克拉玛依石化厂原油蒸馏装置中的减压塔,根据实际控制要求,提出了RBF神经网络模型参考自适应控制策略,设计了减压塔减三线温度控制系统,给出了RBF神经网络控制器和模型辨识网络参数的学习算法。仿真结果表明,采用提出的控制策略,控制效果非常好,完全达到控制要求。     

结构智能半主动控制系统仿真设计

通过在电液伺服材料性能实验机MTS机上进行磁流变阻尼器动态特性神经网络辨识试验，建立了MR阻尼器的神经网络逆动态特性模型。通过离线训练设计了结构的神经网络辨识器、控制器模型，并提出了MR阻尼器神经网络半主动控制方案。将所建的MR阻尼器的神经网络逆动态模型、结构的神经网络辨识器模型、以及神经网络控制器模型用于结构的神经网络半主动控制并进行仿真，结果表明所建模型及控制方案能够有效降低结构的振动响应，同时最大限度地发挥MR阻尼器的动态特性。     

基于Rough集理论和神经网络的武器系统参数费用模型

建立武器参数费用模型 ,首先要挑选特征参数 ,这里采用知识约简方法选择武器的特征参数 ;利用神经网络理论建立了参数费用模型 ,武器系统的费用与武器特征参数的关系可通过神经网络的阈值和权值得到体现 .通过实例对神经网络法与线性回归法所得的结果进行了比较 ,结果表明 ,神经网络法比线性回归法精确.