基于遗传小波神经网络的非线性动态自治网络故障诊断仿真算法

为避免用状态方程计算和分析非线性动态网络的约束计算困难,特别是计算响应跨越边界时间的问题,针对非线性动态自治网络,提出一种基于规范式分段线性化总体表达式以及非线性网络的混合参数方程.求解该方程组可得到非线性动态自治网络的故障响应仿真算法,再由小波提取故障响应的特征.采用遗传算法对BPNN进行结构和参数优化,将得到的电路故障状态特征输入至遗传优化的BP神经网络进行故障诊断.仿真结果表明了该故障诊断算法的有效性.     

非线性电阻网络故障诊断中漏诊现象的消除

针对非线性电阻网络,建立了规范式分段线性化故障诊断模型,提出了基于神经网络的非线性电阻网络硬故障诊断方法,从而克服了用一般方法对非线性电阻网络故障诊断中的的漏诊现象.     

气动执行系统的线性化脉宽调制控制策略研究

针对具有可压缩性和非线性特性的气动执行系统,通过动态过程模型分析,获得全行程运动的动态响应特性,用分段线性化模型对该非线性响应曲线进行描述,建立运算简便、精确度高、响应快的线性化脉宽调制控制策略,实现气动执行系统快速、准确的阀位开度随动控制,并通过仿真实验,确定该控制策略可满足精确定位控制的约束条件.     

基于BPNN的非线性电阻网络故障诊断方法研究

针对非线性电阻网络，提出了一种规范式分段线性化求多值解，并采用BPNN对非线性电阻网络硬故障进行诊断的方法，克服了一般方法对非线性电阻网络硬故障诊断时易存在的漏诊问题。     

用网络图论、三次样条插值和撕裂法计算非线性电阻网络

用网络图论系统地建立非线性网络方程,用三次样条插值函数描述非线性特性曲线．因此,计算网络时,对非线性特性曲线不必分段线性化．若网络可以撕裂,介绍了如何建立和求解撕裂后的非线性网络矩阵方程．     

计算复杂的非线性电阻网络的一种有效方法

应用网络拓扑，分段线性化和三次样条插值法计算复杂的非线性电阻网络，应用本方法能解决用计算方法很难解决、甚至无法解决的非线性电阻网络的问题。     

基于神经网络模型的扩展优化自校正预测控制

利用前馈神经网络权初值优化的快速BP算法建立对象的非线性预测模型,采用分段线性化的技术建立动态线性模型,基于该线性模型进行滚动优化,同时用非线性预测模型对其进行补偿,实现对具有时延的非线性系统的预测控制,较好地解决了非线性系统存在时变、模型失配等情况下的控制问题。仿真实验表明由它构成的控制系统具有很好的动态响应和较强的鲁棒性。     

动力时程分析中弹塑性刚度矩阵的提取方法

利用ANSYS二次开发工具UPFs编写成可执行程序文件,通过与MATLAB进行联立计算,对线弹性和非线性弹塑性本构模型的结构分别实现了特性矩阵的近似提取.对线性本构关系模型的各特性矩阵提取方法进行阐述推导和验证,求得的各阶频率和动态响应时程曲线与ANSYS直接计算法吻合.对于非线性弹塑性本构模型,将非线性本构关系在全局过程中的小段时间内进行等效线性化处理后提取等效刚度矩阵,进行静动力分析后所得各种响应时程曲线与ANSYS直接计算法所得曲线基本吻合.结果表明了分段等效线性化模型的合理性和ANSYS二次开发程序提取等效特性矩阵的可行性.     

非线性网络广义频率响应函数统一递推分析法

假设非线性动态网络解为Volterra级数响应,利用一般的网络分析法,对任一定常非线性动态网络列出其时域的标准动态方程.将该非线性微分方程分解成一个线性动态系统与一组非线性电源,利用线性微分方程求解方法求出线性系统的解,即一阶Volterra级数响应,再考虑系统非线性电源的作用和幂级数递推关系式,导出N 阶(N≥2)Volterra响应的递推算式,即可得到非线性网络响应的Volterra级数形式.在此基础上,讨论了Volterra级数时域响应的频域变换,推导出对应的广义频率响应函数,即Volterra级数的频域核的递推算式,并给出了计算实例.     

增量谐波平衡法在分段结构非线性气动弹性系统的求解

本文将增量谐波平衡法推广至分段结构非线性气动弹性系统的周期响应分析中。对分段结构非线性气动弹性方程,推导其增量谐波平衡过程,研究了分段非性项的处理方法,实现了非线性气动弹性方程到线性化代数方程组的转化,可以为其它的分段非线性的处理提供思路。为了加快本文方法的收敛过程,通过对数值解进行快速傅立叶变换,获得响应中的主导频率成分,避免了盲目地对系统解形进行假设,最终可以快速地获得了响应近似周期解。与数值结果进行对比,验证了本文求解方法的正确性,同时讨论了谐波项数对解的精度的影响以及间隙和刚度比对响应幅值的影响。基于增量谐波平衡法可以快速地获得分段结构非线性气动弹性系统的响应,拓展了增量谐波平衡法的应用范围。     

Dynamic Analysis of Cable Roofs Under Transient Wind:A Comparison Between Time Domain and Frequency Domain Approaches

At present, high-speed computing capabilities and advanced nonlinear dynamic finite element procedures enable detailed dynamic analysis of cable structures. Although deterministic approaches require considerable analysis time and effort in relation to modeling, running, and data processing, they seem to be the only alternative to obtain high accuracy. Detailed dynamic analysis of cable roof networks is sophisticated and requires advanced modeling expertise. This paper presents a comparison between detailed nonlinear dynamic analysis and a simplified frequency domain approach to estimate the maximum probable response of weakly nonlinear cable roofs. The approach can be considered as alternative to detailed time-domain analysis in the preliminary design phase, or can be used to validate results obtained from more elaborated numerical models. The proposed method is illustrated with two examples of cable net roofs that were also analysed in the time domain.     

多值分段线性问题的分离电阻法

本文提出的一种分离电阻法,不仅使一些常见的多值分段线性问题能够用规范算法来处理,而且可以保证所建立的规范方程具有网格结构,而这种结构正是使规范算法快速、高效的关键。本文的最终工作是在高档微机ALTOS上实现了这种方法,建立了通用的处理非线性电阻网络的分段线性分析系统PLAP。由于精心设计了电路输入语言及其编译软件,注重了程序结构的灵活性和编程技巧,所以系统不但使用方便而且结构精练。     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数网络中的基函数,得到小波神经网络。通过小波的去噪和神经网络的自学习功能,获取系统输入输出的非线性动力学特性,进而实时计算出残差并进行逻辑判决,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真,结果表明了该方法的有效性。     

求非线性动态网络稳态周期解的一种数值算法

提出一种数据值解法，用于求解非线性动态网络的稳态周期解，按照非线性动态网络的状态方程建立误差函数，把求解非线性微分方程的问题，转化为求误差函数极小值的最优化问题。该法方便应用计算机求解非线性动态网络的稳态周期解，有助于对非线性动态网络的分析和研究。     

基于辨识模型的非线性网络故障诊断方法研究

将Volterra级数解的递推算式与方波脉冲函数变换相结合,提出了一种对一类非线性动态网络的数学模型进行辨识的新型混合模型辨识法,导出了相应的混合模型辨识公式和动态响应的求解方法．并根据该法所得到的辨识混合模型,提出采用多重预置模型方法对非线性网络故障进行诊断的方法．该法避免了在线计算系统当前工作模型,易于实现在线故障诊断、     

基于Laguerre正交基神经网络的动态手势识别

提出一种基于Laguerre正交基前向神经网络的动态手势识别方法.首先根据多项式逼近和矩阵理论,构造了一种以Laguerre正交多项式作为隐含层神经元激励函数的多输入、多输出三层前向神经网络模型,在网络权值迭代计算公式基础上推出一种基于伪逆的直接计算网络权值方法,避免求取权值的反复迭代过程;提出一种快速的基于颜色的指尖...     

利用串/并联神经网络建立化学反应器模型

本文研究使用线性动态神经网络与非线性的静态网络相结合的混合建模方式解决复杂非线性系统的建模问题。使用混合神经网络建模，可以降低单个网络的训练难度，基于此，也可将非线性系统控制策略的求解分解，转换为线性系统的求解。从而改善使用单一神经网络建模存在的精度不高以及训练时间长等不足，也为非线性系统控制策略的求解提供方便。本文以一个典型多变量系统——连续搅拌釜式反应器（CSTR）作为仿真对象，详细研究和实现了两类神经网络串联和并联的混合建模方法，并对结果进行了比较。     

基于遗传算法的环形供热网可及性分析

针对集中供热环形网提出了可及性分析的概念,建立了相应的数学模型。在算法上,针对这一复杂的多变量非线性优化问题的特点,提出关于环形网的几个定理,并在此基础上对问题进行简化处理,采用最佳保留机制的变形标准遗传算法ＶＣＧＡ进行求解,利用遗传算法的强鲁棒性寻找问题空间的全局最优解。为弥补遗传算法后期局部搜索不力的缺陷,在ＶＣＧＡ搜索的基础上,采用直接搜索的方法进行局部微调,形成了一种混合算法。本文提出的可及性分析方法,可以为环形供热网的运行调节和优化调度提供指导,为系统的扩容改造提供依据。本方法已经在几个集中供热网等工程中具体应用。