适用于励磁系统建模的模糊神经网络方法

基于原有励磁建模方法,将模糊理论和神经网络相结合,充分利用模糊理论处理不精确问题和神经网络较强的泛化能力等优势,形成一种模糊神经网络(FNN),并推导了FNN的学习算法.将此FNN用于发电机的控制环节——励磁系统建模.仿真结果显示,FNN模型能够较精确地对实际系统进行拟合.     

LDS脆弱性分析实验环境体系结构研究与实现

支持动态分析的实验环境对于提高大规模分布式的安全性具有重要作用。在分析大规模分布式系统脆弱性分析对实验环境需求的基础上,提出了一种针对大规模分布式系统脆弱性分析的仿真实验环境体系结构,描述了体系结构的实现方法,以及网络拓扑生成与映射、虚实结合的网络仿真等关键技术。并通过实验和示例分析说明实验环境能够有效降低大规模分布式系统脆弱性分析的复杂性,并验证分析结果的准确性。     

基于实值遗传算法的模糊神经网络辨识器

提出了一种基于实值遗传算法(RVGA)的模糊神经网络辨识器·它常被用于非线性动态系统的辨识·通常模糊神经网络辨识器参数的训练采用反向传播学习算法(BP),但是用BP算法有训练时间长,容易陷入局部极小的问题·采用RVGA来训练模糊辨识器的参数,由于GA算法具有并行运算,多点寻优等特点,所以它运算速度快,容易实现全局寻优·传统的GA算法采用二进制编码,计算繁复且占用大量的空间·采用一种新的实数编码方法,在实数域上进行遗传运算,操作简便,特别适用于需要调整的参数较多的情况·仿真结果表明,该辨识器具有良好的逼近性能和较快的训练速度·     

前向神经网络在自适应控制中应用的研究

论述了前向神经网络自适应控制系统，论证了基于逆向建模的前向神经网络自适应控制方案的可行性，研究提出由该控制方案构成的控制系统不仅结构简单，易于实现，而且具有满意的动态指标．文中还通过一个水槽温度控制系统，进行了神经网络自适应控制仿真，给出了上述神经网络自适应控制方案的具体实现步骤并得出一些结论     

稳定性监控自学习FNN控制器

针对一类未知的非线性系统，提出一种具有稳定性监控的实时自学习ＦＮＮ控制器．ＦＮＮ控制器采用遗传算法使自学习获得最优的性能指标；实时学习过程的稳定性则由基于李雅普诺夫方法设计的监控器来保证，使得ＦＮＮ控制器的自学习过程总是在全局稳定性的条件下进行．     

Application of FNN to the Modeling of FCCU

IntroductionThe Fluidized Catalytic Cracking ( FCC )process is stable under normal conditions,butsometimes the whole process deviates from theoptimal track due to environmentaldisturbances oraging of the equipment.The optimal productionconditions and the best profit can be found bystudying the stable optimization state.There iscurrently little research or state optimizationapplications due to the difficulties of oldmeasurement and control equipment,modelingdifficulties,formidable research an…     

Dynamic Simulations of Nonlinear Multi-Domain Systems Based on Genetic Programming and Bond Graphs

A dynamic simulation method for non-linear systems based on genetic programming (GP) and bond graphs (BG) was developed to improve the design of nonlinear multi-domain energy conversion systems. The genetic operators enable the embryo bond graph to evolve towards the target graph according to the fitness function. Better simulation requires analysis of the optimization of the eigenvalue and the filter circuit evolution. The open topological design and space search ability of this method not only gives a more optimized convergence for the operation, but also reduces the generation time for the new circuit graph for the design of nonlinear multi-domain systems.     

模糊神经网络的非线性辨识理论及应用

论述了模糊系统和神经网络相结合的非线性系统辨识理论．通过分析模糊系统规则之间的隐含关系，给出具有非线性模糊关系的模糊神经网络非线性系统辨识方法，并用仿真方法进行了验证．最后讨论了网络的稳定性和收敛性．     

基于非理想信道信息的协作式空间复用系统性能分析与模式切换

针对基于非理想信道信息的多用户多天线上行协作式空间复用系统,提出了一种自适应的在协作式空间复用与单发多收之间进行模式切换的混合传输方案.分别分析了协作式空间复用与单发多收在理想信道信息与非理想信道信息下的各态历经可达速率性能,获得了其闭式的边界结果;在两者分析结果比较的基础上,提出了一种基于可达速率边界的模式切换传输方...     

基于模糊神经网络的产品可装配性评判

针对产品装配信息量大、影响因素复杂、许多参数依赖人的判断和推理等特点,以及多数现行评判方法存在的不足,提出了基于模糊神经网络的产品可装配性评判方法·该方法依据产品装配特征的类型,先构建产品可装配性信息数据库,再通过将常规的三层BP网络模糊化处理,得到输入和权值均已模糊化的产品可装配性模糊神经网络模型·按照预置的网络训练规则进行训练,获得最佳连接权值·经实例检验,证明这种模糊神经网络模型用于产品可装配性评判是可行的,且具有很好的稳定性·     

基于单隐层前馈神经网络的优化算法

前馈神经网络是神经网络中最常用的函数近似技术。根据普适定理,单隐层前馈神经网络(a single-hidden layer feedforward neural network,SFNN)可以任意接近相应的期望输出。一些研究人员使用遗传算法(genetic algorithms,GAs)探索FNN结构的全局最优解。然而,使用GAs来训练SFNN是相当费时。提出了一种新的SFNN优化算法。该方法是基于凸组合算法(convex combination algorithm,CCA)在隐含层上分析信息数据。事实上,该技术是将分类遗传演算法结合交叉策略的GAs算法。改进方法比GAs算法性能更优,但在进行学习和遗传演算前需要大量预处理工作如将数据分解为二进制代码。同时设置一个新的误差函数量化SFNN性能、获得连接权值最优选项以直接解决非线性优化问题。采用几个计算实验验证改进算法,结果表明改进方法更适合寻找单隐含层SFNN的最优权重。     

基于动态输出反馈的扩展结构大系统有机结构控制

主要研究一类在原大系统结构上又逐个地增加了新的子系统的扩展结构大系统基于动态输出反馈的有机结构控制问题。研究了在动态输出反馈条件下扩展结构大系统的数学描述方法,利用Lyapunov稳定性和线性矩阵不等式(LMI)理论给出了此类系统鲁棒关联镇定的充分条件,得到了其动态输出反馈控制器的设计方法,结合算例对所提出方法进行了仿真研究,结果证明了该方法的有效性。     

基于自适应模糊神经元网络的电力短期负荷预测

利用模糊神经元网络（ＦＮＮ）进行电力短期负荷预测．给出了模糊神经元网络结构和部分输入变量的模糊化．ＦＮＮ采用ＬＭＳ（Ｌｅａｓｔ－Ｍｅａｎ－Ｓｑｕａｒｅ）算法，并用历史负荷数据进行训练．一经训练，网络就能应用于在线负荷预测．在预测过程中，权值按最近的负荷行为自适应调整．测试结果表明，该方法具有较好的精度和较快的速度．     

基于生态遗传算法的煤矸石自适应模糊模式识别

给出煤矸石组分模式识别的模糊神经网络模型，提出一种实用生态算子，同时将此基础上构建的生态遗传算法用于模糊神经网络的离线学习，能有效避免传统BP算法学习速度慢、易陷入局部极小的缺陷和基本遗传算法的遗传滑脱现象．仿真和实验结果显示新算法使离线训练的网络具有良好的收敛性能，而且从训练好的定量网络中提取模糊规则用于原煤的在线自动分选，不仅能提高煤中矸石的识别率，而且有效解决了系统识别精度与实时分选之间的矛盾．     

递阶着色Petri网在面向对象设计中的应用

基于Ｐｅｔｒｉ网的节点过多阻碍其广泛应用,在着色Ｐｅｔｒｉ网和递阶着色Ｐｅｔｒｉ网的基础上,分析了递阶着色Ｐｅｔｒｉ网在结构上与面向对象方法的共同之处及其相互联系．指出递阶着色Ｐｅｔｒｉ网可以大大简化Ｐｅｔｒｉ网建模,同时提出了一种把递阶着色Ｐｅｔｒｉ网用于离散事件动态系统的面向对象软件设计的一般方法,并通过对一个柔性制造系统实例的面向对象分析和递阶着色Ｐｅｔｒｉ网的建模,最终指导控制软件的开发．     

多层递归神经网络自适应控制及稳定性分析

提出一种基于多层归神经网络的自适应控制离散时间系统的方法,使用多层递归神经网络及新的动态ＢＰ算法（ＤＢＰ）描述未知系统的输入／输出关系。基于此神经网络模型,提出一种自适应控制方案,并对该方案的闭环稳定性进行了分析。     

基于OPCA-IGAFNN的NQI综合服务 信息平台服务质量评价

针对传统模糊神经网络（FNN）评价模型在国家质量基础设施（NQI）综合服务信息 平台的服务质量评价中存在收敛速度慢、易陷入局部最优解等问题,提出一种基于优化主成 分分析法（OPCA）与改进遗传算法（IGA）的模糊神经网络智能评价方法. 为提高FNN的网络收 敛速度,利用OPCA根据评价指标间的相关性,删除冗余指标因素,减少网络输入量,实现对网 络输入的降维处理;将 IGA与 FNN相结合,利用自适应的交叉与变异概率对 FNN隶属函数的 系数进行全局搜索,克服 FNN在智能评价时容易陷入局部极值问题 . 基于我国实际的 NQI综 合服务信息平台服务质量调研数据开展试验分析,结果表明,OPCA-IGAFNN评价模型具有高 效、准确的评价效果.     

光分组交换节点结构及性能研究

为了适应接入带宽IP新业务越来越高的容量要求，传输网试图提供一种可重置的光层来获得WDM信道的快速动态分配。提出了一种新的光分组交换系统。能更好地实现资源统计分配，使带宽充分得到利用。交换节点是分组交换系统的核心部件。交换节点的结构流量性能直接影响交换系统性能。针对光分组交换网络提出了一种新的交换节点结构，通过计算机仿真说明。采用这种节点结构比采用其他节点结构在不同的负载情况下。其流量性能得到了改善。降低了丢包率和平均迟延。     

用前向神经网络获取特定结构的规则知识

介绍一种用前向神经网络来获取特定结构的产生式规则知识的方法，这些规则知识既可以用于解释神经网络的行为，又可以用于问题求解，获取的产生式规则知识可以是任意形式的，也可以是包含多个推理步的多级推理链知识，而且具有所需的易于理解的特一表达结构，另外，文中还提出了解决智能系统形成过程中知识不断增长问题的方法，大量的逻辑表达式学习实验结果表明，文中获取规则知识的方法是有效的。     

遗传算法模糊神经网络在列车驾驶中的应用

大城市交通问题迫切需要高效率的交通系统,这就要求在交通系统的控制中引入智能控制技术。本文介绍了模糊神经网络与遗传算法的特点, 分析了他们之间相互结合的可能性,并提出了基于遗传算法的模糊神经网络控制算法。该算法使模糊神经网络和遗传算法的优点很好地结合起来。本文还介绍了列车自动驾驶系统的概况,并将新算法用于此系统中。