辩识Hammerstein模型的集成辩识方法——MISO情形

本文针对用Ｈａｍｍｅｒｓｔｅｉｎ模型描述的一类ＭｌＳＯ非线性系统，提出了一种稳态估计和动态辩识相结合的集成辩识方法。利用稳态信息获得非线性增益的强一致性估计，利用动态信息可获得线性子系统脉冲响应序列的强一致性估计。数字仿真结果也说明了该集成辩识方法的有效性和实用性。     

一种记忆元网络自适应控制方法

本文提出了一种神经网络自适应方法。该方法采用记忆元网络采用记忆元神经网络进行对象模型辩识,用单个神经元实现了自适应ＰＩＤ 控制器。被控对象输出误差经记忆元辩识网络反传后得到控制器的输出误差,以此修正控制器网络权值,由于记忆元网络无需引入延迟算子,能够逼近任意阶线性动态,保证了模型辩识的精度和误差返传的精度,神经元ＰＩＤ 控制器具有极为简单的结构与算法,保证了自适应控制的实时性,大量仿真结果表明该方法可以有效地应付非线性对象。     

连续时间线性系统递推最小二乘辩识的收敛性分析

本文针对多输入多输出的连续时间动态线性系统，在系统噪声相关的情形下，研究了递推最小二乘辩识，给出了保证最小二乘辩识强一致性的充分条件。     

异步电动机转子转速的非线性辩识与估计

提出了一种基于直接转矩控制理论的无速度传感器交流调速系统的设计方法。它利用模型参考自适应参数辩识思想 ,采用转子转速非线性观测器实现电机转速的估计。理论和仿真结果表明 ,这种方法可以保证转速辩识方法的全局渐进稳定     

模型参数估计法与烘干过程辨识

模型参数估计LS和IVLS法在回旋窑烘干过程的开环辩识中都得到了应用和推广。试验证明IVLS法是处理具有检测噪音的系统非常有效的辩识技术。运用反复试凑来确定最佳辨识的方法,详细分析了非线性问题。由于将对象从整个系统中分离出来,一定意义上讲,这并非真正的在线辩识。然而,它能为闭环辨识或自适应控制提供所必需的信息。故仍不失为将系统投入闭环运行前不可缺的重要步骤。     

CSTR的非线性预测控制

对于像ＣＳＴＲ化学反应器的控制，由于其过程本身的严重非线性而变得十分困难，本文提出一种采用Ｈａｍｍｅｒｔｅｉｎ模型的预测控制方法来控制上述非线性过程。Ｈａｍｍｅｒｓｔｅｉｎ模型采用两种方法进行辩识，联立辩识法与序贯辩识法，本文特点地提出一种改进型Ｈａｍｍｅｒｔｅｉｎ模型，用于克服常规Ｈａｍｍｅｒｓｔｅｉｎ模型在控制器设计时的不足之处，对ＣＳＴＲ反应器之仿真结果表明，基于上述两种Ｈａｍｍｅｒｓｔｅｉ     

神经网络PID控制器在高大空间恒温空调系统中的应用

针对暖通空调领域中高大空间恒温空调系统大滞后、慢时变、非线性的特点以及不确定干扰因素多的实际情况，将具有自学习、自适应功能的神经网络PID控制器应用于空调系统中，并利用非线性辩识算法对控制过程进行预测输出，最后在空调房间数学模型的基础上通过Matlab环境下的计算机仿真和对某电视台大型演播室进行温度控制实验相结合，发现在高大空间恒温空调系统中神经网络PID控制响应快、超调小，验证了神经网络PID控制器的实用性和有效性．     

交直流并联输电系统自校正控制

以非线性模型为基础,在线递推辩识为手段,提出了一种交直流并联输电系统的自适应控制方法。利用直流系统调节速度迅速的特点,结合广义最小方差自校正控制律,显著地改善了系统的动态品质。同时本方法以单输入单输出形式,使控制系统的实施非常简单。通过对一实例的自校正控制系统设计、仿真及分析,展示了自校正控制策略在交直流并联输电系统中的广阔应用前景。     

任意隶属度函数模糊系统的逼近特性

以四边形隶属函数作为一般的隶属函数，利用StoneWeierstrass定理对任意隶属函数的模糊系统任意逼近紧集上的任意连续实函数进行证明，是对基本模糊系统逼近任意连续非线性函数理论的推广，模糊系统对任意非线性函数的逼近性能，是模糊系统用于系统辩识的理论依据。     

构成基本串联与并联非线性系统结构模型的一种判别依据

本文基于Ｖｏｌｔｅｒｒａ理论和Ｗｉｅｎｅｒ理论,利用相关分析法,研究并给出了构成基本串联与并联非线性系统结构模型的必要条件,它们能够为辩识一大类可以表示成这些模型和＂黑箱＂非线性系统提供一种重要的判别依据。文中还给出了计算机模拟算例。     

基于神经网络的智能控制系统

论述了人工神经网络的产生与发展,以及人工神经网络在控制系统中的应用现状,分析了人工神经网络的特点和监视控制系统的原理,并对神经网络控制系统的前景做了展望。     

基于增量余弦RBF网络的惯性导航初始对准

针对传统高斯RBF网络应用于惯性导航初始对准建模时，对处于两基函数中心点之间的值拟合效果不太理想的情况，提出了一种将增量余弦RBF网络用于惯性导航初始对准建模的方法。该方法采用增量余弦函数作为RBF网络的基函数，对多变量非线性系统有很好的拟合能力。相对于传统高斯RBF网络，增量余弦RBF网络的基函数具有更强的局域性，解算时同时参与运算的基函数数量更少，有效地降低了网络的解算时间。仿真结果表明，增量余弦RBF网络用于惯性导航的初始对准，既可获得较高的对准精度，又有效地降低了系统的解算时间，提高了系统的实时性。     

基于混合神经网络的一般动态系统MT方法建模

利用MT理论对一般动态系统的分解提出了混合神经网络建模的方法，混合神经网络模型采用动态神经网络和静态神经网络级联的方式，结合了二者的优点，克服了各自的不足之处．探讨了采用混合神经网络对一般动态系统建模的方法．研究结果表明，此方法对于一般动态系统，特别是复杂的非线性动态系统的建模有其独特的优点．     

基于深度学习的MIMO系统联合信号检测与信道译码

为进一步提高多输入多输出(multiple-input multiple-output,MIMO)系统性能,研究了深度学习方法来联合解决MIMO系统信号检测与信道译码问题.通过将深度神经网络、自动编码器神经网络与传统MIMO通信系统的物理层架构进行有机融合,构建了基于神经网络的MIMO系统模型,可获取系统发射端的信息比...     

时滞神经网络稳定性、分岔与混沌的研究进展

时滞广泛存在于神经网络中，从非线性动力学的角度对时滞神经网络系统的研究进展作一综述，内容包括时滞神经网络系统的特点、研究方法、神经网络动力学的热点问题的研究进展以及亟待解决的问题等。由于时滞神经网络的演化趋势不仅依赖于系统的当前状态，还依赖于系统的过去某一时刻或若干时刻的状态，其运动方程要用泛函微分方程来描述，解的空间是无穷维的，因此，时滞神经网络的动态行为是非常复杂的。     

应用神经网络的非参数模型自适应控制

 提出了一种应用神经网络的非参数模型自适应控制方案,该方案仅用受控系统的I/O数据来设计控制器,并与神经网络自适应控制方案进行了仿真比较,仿真结果表明了该方案的有效性和优越性.     

一类非线性离散系统的神经网络自适应控制

针对一类控制方向未知的单输入单输出非线性离散系统,将常规增量式数字PID控制器与自适应神经网络控制项相结合,提出了一种能够保证闭环系统稳定的自适应神经网络控制方法.常规PID控制器用来保证近似线性系统的稳定,自适应神经网络项用来处理非线性项对闭环系统的影响.在神经网络权值修正律中引入离散Nussbaum增益来解决被控系统控制方向未知的问题.证明了闭环系统的所有信号有界,且跟踪误差收敛于紧集,并通过仿真验证了所提方法的有效性.     

神经网络控制系统仿真

利用基于神经网络修正误差ＢＰ学习算法的多层网络和间接学习或专门学习的动态逆特性控制方法＾［１］编制的神经网络控制系统的仿真软件（ＳＣＳＢＮＮ），给出了调节时间和最大超调量与神经网络中间层节点数的关系曲线，同时给出了各种学习率和神经元作用函数增益的响应曲线。ＳＣＳＢＮＮ也可用于神经网络非线性控制系统。仿真结果说明神经网络非线性控制系统具有良好的控制性能。     

线性时变系统辨识的神经网络方法

构造了一种用于线性时变系统辨 神经网络,研究了它对线性时变控制系统的逼近能力。在以Ｌ＾２（０,ｔ１）;Ｒ＾ｍ的任意一个有界子集为控制函数集上,神经网络具有一致逼近线性时变系统的状态的能力,了采用标准正交系作为样本的 训练方法,按照这种方法训练后,在由这个标准正交系所生成的Ｌ＾２「Ｏ,ｔ１」;Ｒ＾）的空间上,神经网络的输出一致逼近线性时变系统的状态。     

Output-back fuzzy logic systems and equivalence with feedback neural networks

A new idea, output-back fuzzy logic systems, is proposed. It is proved that outputback fuzzy logic systems must be equivalent to feedback neural networks. After the notion of generalized fuzzy logic systems is defined, which contains at least a typical fuzzy logic system and an output-back fuzzy logic system, one important conclusion is drawn that generalized fuzzy logic systems are almost equivalent to neural networks.