差示扫描量热仪恒速升温过程的前馈-反馈复合多控制器算法

差示扫描量热仪温度控制具有滞后、非线性等特点,难以得到精确的数学模型.针对这些特点,提出一种前馈-反馈复合多控制器算法.针对滞后特性,采用一种改进的PID(proportional-integral-differential)算法,通过对常规PID算法加入微分积分环节,补偿滞后对控制过程的作用.针对非线性特性,提出建立多个近似线性子控制器的多控制器方法,并通过加入平滑滤波因子解决控制器切换过程中引起的控制量突变的问题.针对反馈控制在起始阶段调节时间长的问题,加入前馈控制器设计前馈-反馈复合控制器.将所提控制算法应用于差示扫描量热仪恒速升温控制过程中,结果表明,所提算法能够减小响应时间,提高控制精度,控制效果明显优于常规控制算法.     

一个新混沌系统的控制与同步

讨论了一个新三维混沌系统的控制与同步问题,首先通过对该混沌系统增加一个具有分段二次函数x|x|形式的非线性反馈控制器,利用它将这个新混沌系统控制到低周期轨道.设计了一种新的非线性反馈控制器,实现该新混沌系统的自同步.数值仿真证明了该方法的有效性.     

基于自校正模型的非线性系统多模型预测控制

针对化工过程某些非线性系统的不对称动态特性,提出了一种基于自校正模型的多模型预测控制算法.在平衡点附近建立线性模型,利用当前工作点,通过二阶泰勒展开校正模型参数,补偿非线性不对称动态特性,形成了非线性系统的自校正多模型描述.以基于模型输出偏差的切换指标函数作为模型切换准则,结合状态反馈预测控制,构成了多模型预测控制器.pH值控制的仿真结果验证了该算法的有效性.     

基于动态反馈线性化的无漂移力学系统控制

研究非完整无漂移力学系统的动态反馈线性化问题 .基于非线性系统的动态扩展思想 ,提出了一种关于无漂移力学控制系统的动态扩展算法 ,以提高系统可部分线性化的阶次或使系统完全实现线性化 ;然后将该算法应用于一典型非完整移动机器人的输出跟踪控制问题 ,仿真结果表明了该方法的有效性 .     

误差反馈的小波神经网络均衡器结构与算法

为了克服宽带无线通信中非线性时变信道对接收信号造成的码间干扰,针对小波分析良好的时频局部化性质及神经网络的自学习功能,采用了误差反馈的判决反馈小波神经网络均衡器,使用误差反馈来减小误差信号的自相关性,得出该结构提高了小波神经网络均衡器的收敛速度,降低了通信误码率,理论分析和计算机仿真结果验证了该算法的有效性,结果表明基于误差反馈的小波神经网络的均衡器在非线性时变信道中的通信性能有显著提高.     

自适应神经网络在短期负荷预测中的应用

采用基于混沌算法的自适应预测模型,应用于电力系统短期负荷预测.选取重构相空间中的饱和嵌入维数作为神经网络的输入节点数,适当选择非线性反馈项,能使网络的动力学在权空间具有混沌行为.通过进化算法建立一种自适应机制,使得网络能够根据学习和训练的结果优化非线性反馈项.算例表明,该算法具有很强的自适应能力和鲁棒性,精度高.     

基于反馈线性化的整车振动状态观测算法

针对整车振动状态观测器设计中的整车悬架系统高维非线性特性,提出了反馈线性化卡尔曼滤波算法.基于微分几何理论,通过求解坐标变换,将车辆非线性振动模型变换成一个可观测的标准型,实现系统的精确反馈线性化,进而采用线性卡尔曼滤波算法,针对变换后的线性系统设计观测器,最后通过坐标逆变换获得原非线性系统的状态观测值.仿真结果表明,相比扩展卡尔曼滤波算法,该算法能够提高车辆振动状态观测精度和运算效率.      

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.     

基于BP神经网络预报的动态矩阵预测控制

提出了一种基于BP神经网络预报的动态矩阵预测控制新算法,在该算法中,先用BP神经网络辨识对象模型,同时预测对象的未来输出,然后用动态矩阵控制算法进行滚动优化和反馈校正.该方法解决了非线性、时变对象难以建模及控制的问题,又保留了常规预测控制的优点,是一种比较好的、有着广阔应用前景的新型控制算法.仿真结果验证了这一新型算法的可行性.     

反三角函数混沌神经网络的模拟退火策略

分析了混沌神经网络模型中加入反三角函数对解决组合优化问题的作用,以及该网络的动力学特性和对自反馈连接权值的敏感性,研究了退火函数在优化过程中对准确性和计算速度的影响.利用分段模拟退火思想对反三角函数混沌神经网络进行改进,使得该网络模型在保证优化算法准确性的基础上,加快了收敛速度,算法具有很强的克服陷入局部极小点的能力....     

类图-过程蓝图联合模型转换研究

通过给出每个MCP模型元素与XML文档元素之间的一一映射关系,建立了整个MCP模型与XML文档的双向转换规则,并设计了转换算法,实验证明了该转换规则的有效性,使MCP模型能够以XML文档的形式表示,有利于存储、交换和网络传输。     

一种改进人工鱼群算法对BP神经网络的优化研究

针对BP神经网络存在易陷入局部极值的缺陷,提出一种基于改进的人工鱼群算法优化的BP神经网络.先用改进的人工鱼群算法优化BP神经网络的初始权值和阀值,然后再执行BP算法训练BP神经网络的权值和阀值.函数拟合仿真实验表明该优化方法提高了BP神经网络的泛化性能.     

改进萤火虫算法与小波神经网络相结合的变压器故障诊断

为了解决变压器故障诊断中诊断效率低的问题,本文对萤火虫算法(FA)进行了改进,并与小波神经网络(WNN)相结合应用于变压器故障诊断中。小波神经网络结构简单,预测精度高,收敛速度快,但是网络参数不好选择,易陷入局部最优。本文结合混沌算法、粒子群算法、可变步长的思想来改进萤火虫算法,用于优化小波神经网络的参数,再将处理后的数据带入神经网络中进行训练与诊断。实验结果表明,该算法与BP神经网络、支持向量机、小波神经网络、遗传算法改进的小波神经网络和粒子群算法改进的小波神经网络相比诊断正确率均有所提高。     

软件定义网络多控制器部署优化方法

目前软件定义网络（software defined network,SDN）多控制器管理的研究重点和难点在于多控制器部署,合适的控制器数目和合理的部署位置能够实现低延迟和高可靠性的折中。在网络拓扑图上将部署位置问题简化并形式化,定义了可靠性和延迟指标,设计了多控制器部署位置求解算法（multi-controller placement location algorithm,MCP）。MCP通过遗传算法将网络划分为多个子网,并在每个子网中放置一个控制器,以最大化网络可靠性和最小化路径延迟为目标,通过模拟退火算法确定控制器在每个子网中的位置,经对比实验验证了MCP生成的部署位置方案在可靠性和延迟上的性能优势。以可靠性和延迟为评估指标,基于MCP测试了各种网络规模的最合适控制器数目,并分析得出最合适控制器数目与网络规模之间的统计规律。     

产生式系统与神经元网络的结合

提出了产生式系统和神经元网络相结合的方法,研究了从推理网络转换到神经元网络的途径,研究了从神经元网络权矩阵转换到产生式规则的方法,从而使产生式系统能自动修正规则和获取规则.还提出了一种由二次型阈值元件组成的神经元网络,给出了它的学习算法,并严格证明了它的收敛性.     

混合效应模型的双MCP惩罚分位回归研究

针对混合效应模型,在已有的双Lasso正则化分位回归(DLQR)的基础上,结合MCP惩罚,提出了双MCP正则化分位回归(DMQR).通过对惩罚方法的改进,使得模型的拟合效果大大提高.在求解参数时使用交替迭代算法使得每次只用求解单个MCP惩罚的分位回归,并结合针对非凸惩罚的迭代坐标下降法(QICD)使得计算的速度大大提高.在稀疏模型的模拟研究中发现,无论在何种误差条件下,DMQR都能很好的排除冗余变量,效果相对于DLQR有了较大的提升.且在模型的稀疏程度不同时,都能得到很好的模拟结果.     

基因算法辅助人工神经元网络的结构设计

提出了以基因算法为基础的人工神经元网络结构设计基础。首先从连接权的演化入手,研究了基因算法的实现过程。在结构设计中,提出了稀疏化的编码方法。仿真结果表明这种优化方法对于神经网络的选取是有效的。     

Study of neural network disturbance learning and application in RoboCup

To solve the problem of convergence to a local optimum in the multi-layer feedforward neural network, a new disturbance gradient algorithm is proposed. Through introducing random disturbance into the training process, the algorithm can avoid being trapped into the local optimum. The random disturbance obeys the Boltzmann distribution. The convergence of the algorithm to the global optimum is statistically guaranteed. The application of the algorithm in RoboCup, which is a complex multi-agent system, is discussed. Experiment results illustrate the learning efficiency and generalization ability of the proposed algorithm.     

小波域上基于神经网络的数字水印算法

提出了一种基于BPN神经网络的水印算法.首先,对数字图像进行小波分解;其次,在小波域内选择水印位嵌入的系数块;最后,利用神经网络从嵌入水印的图像中恢复原始水印信息.实验结果表明:这种水印算法具有很好的性能.     

基于GSA-BP神经网络的OFDM系统信道估计算法

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中存在的不可忽视的非线性噪声问题,为了能够更好了解信道特性,需要利用信道估计获得信道状态信息,提出一种基于黄金正弦优化BP(golden sine algorithm,GSA-BP)神经网络的OFDM系统信道估计算法,克服了传统 BP神经网络算法容易陷入局部极值的问题,提升了信道估计算法的估计精度.首先通过LS信道估计算法获得信道的初始估计,再将其通过GSA-BP神经网络算法得到信道的精确估计.仿真结果表明,在相同的信道环境下,提出的算法比LS算法具有更好的性能,与MMSE算法性能接近,但不需要信道先验统计特性,易于实现.