识别非线性目标的谐波匹配法

本文运用非线性系统的Volterra理论来研究雷达非线性目标的识别问题,提出了一种新的识别非线性目标的多频谐波匹配法。文中在分析了非线性散射的机理之后,提出了一种结构化逼近散射模型,并以模型中前置系统的本征系数为非线性目标的分类特征,还研究了自动识别过程的数据拟合匹配法。最后利用描述非线性结的唯像模型,对本文的方法作了“半实物”仿真试验研究,具体建立了四种半实物非线性目标的本征系数特征库,并针对贴近度匹配法对识别过程进行仿真试验,结果表明,这种新的识别方法具有良好的工作性能和极强的抗杂波干扰的能力。     

企业技术创新投资动力学模型与演化分析

为了揭示企业技术创新投资的演化行为与规律,构建以差分形式表示的企业技术创新投资经济增长非线性动力学模型。选取规模以上大中型工业企业的有关数据,采用差分演化算法进行了模型参数的优化,并对识别后的模型进行了计算机模拟,分析企业技术创新投资系统产生混沌运动的内在结构和外部扰动两大动力因素。得出的几点结论是:(1)可以通过调节人均研发经费投入与科技活动人员比率来改变企业技术创新投资系统的演化特性;(2)并不是对二者的投资越多越好;(3)可以利用系统分岔时的迅速增长契机实现企业的跨越式发展;(4)对二者的投资越大,系统进入分岔状态的速度就越快,走向混沌运动的速度也越快。     

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。     

非线性双容水箱建模与预测控制

应用流体力学理论对双容水箱液位系统进行力学分析，采用机理建模方法，建立非线性数学模型。应用实测数据拟合模型参数，采用三组仿真，实测阶跃响应曲线，验证了机理模型．采用有约束一步非线性预测控制算法，并考虑了控制工程中多种实际约束问题，对双容水箱液位系统进行了实际控制。实验结果初步验证了控制算法，并进一步验证了模型的有效性。     

基于支持向量机的青霉素发酵过程建模

由于微生物发酵过程的复杂性和高度非线性,更多的简单的数学模型不能很好地描述这类生化系统。支持向量机(SVM)是近几年发展起来的机器学习的新方法,它较好地解决了小样本、非线性、高维数和局部极小点等实际问题。SVM方法建立了青霉素效价预估模型,此模型具有良好的拟合和泛化能力。通过实验分析了SVM参数调整对支持向量机建模的影响。通过由现场数据建立的各种模型可以发现,SVM建模方法优于神经网络(ANN)建模方法。     

集总参数呼吸机模型仿真研究

采用非线性集总参数模型实现了对呼吸机的系统仿真,目的是为呼吸机的系统控制研究提供一个可靠的仿真环境。该方法的优点在于通过软件对参数进行设置,能方便地改变模型的动静态特性和相应的工作模式。实验表明,模型不仅能准确的描述呼吸道阻力的非线性特征和肺的动态顺应性,而且能与实测数据保持良好的一致性。     

基于最小二乘支持向量机的非线性系统建模

探讨了利用支持向量机进行非线性系统建模的方法。首先,利用相空间重构,将非线性时间数据序列映射到高维空间,以便把时间序列中蕴藏的信息充分显露出来。其次,基于最小二乘支持向量机(RLS-SVM)对系统进行建模,仿真结果表明,支持向量机具有良好的非线性建模能力和泛化能力,原始时间数据序列和重建时间数据序列相似,说明提出的算法能够有效的对非线性动态系统的时间序列进行建模。     

一类微分方程模型的计算与应用

本文讨论了一类一阶非线性微分模型的求解，提出了模型参数的直接拟合方法和算式，并从理论上阐述了方法的可行性条件。与灰色理论中的离散化方法相比，具有不存在方法误差的优点。给出了应用微分模型评价企业活力的应用实例。     

我国城镇居民家用汽车市场扩散的区域差异研究

收集了1997年到2012年我国31个省份城镇居民的汽车拥有量,利用创新扩散的Bass模型对数据进行拟合分析,揭示了家用汽车在我国不同区域中扩散的特点。结果表明:(1)各省份汽车扩散曲线都大致呈现"S"曲线走向,但是有些地区的快速增长点出现的时间不同;(2)各省份拟合得到的创新系数p和模仿系数q存在着明显差异,共同之处是创新系数p普遍远远小于模仿系数q;(3)创新系数p和模仿系数q与各地区的经济发展水平具有显著相关性。最后,利用上述的研究结果对汽车企业提出了建议。     

基于EKF与UKF的利率期限结构模型估计及对比

在CKLS广义模型框架下,引入基于扩展卡尔曼滤波(EKF )和无损卡尔曼滤波(UKF )的利率期限结构均衡模型的估计方法,并使用加拿大国债数据对EKF和UKF的模型估计效果进行了对比实证研究.结论表明,引入的基于UKF的模型估计方法相对于文献中普遍采用的基于EKF 的估计方法的估计效果有明显改善,尤其存在强非线性和非正态分布的模型条件下,基于 UKF 的模型估计方法相对于基于EKF的估计方法有很大优势.进一步,基于UKF 估计方法对Vasicek 模型和CIR模型的数据拟合性进行了对比研究.结果表明,Vasicek 模型和 CIR 模型均具有较好的数据拟合性,而Vasicek 模型相对更好.     

神经网络自校正预测拥塞控制算法研究

传输速率、处理速度和节点缓存容量的饱和非线性特性、传输延迟的随机时变性、用户接入的随机性以及高优先级业务的突发性,使得网络中存在严重的不确定性,由此给异步传输模式(ATM)网络拥塞控制系统的分析与设计带来极大的困难。为此设计了鲁棒神经网络自校正拥塞控制算法。其优点在于:(1)最大限度地减小了测量误差和随机干扰的作用,有效地补偿了时变不确定非线性的影响;(2)保证了闭环系统的稳定性、收敛性和公平性,增强了系统对随机延迟等不确定性的鲁棒性。仿真分析进一步验证了该算法的有效性。     

完备正交V-系统与点云数据拟合

提出了对点云数据进行曲面拟合的一种新方法,它基于一类L2[0,1]上完备正交的函数系(称之为V-系统)。V-系统由分段多项式组成,它包括各个层次的间断函数,具有多分辨分析特性和局部性。给出了k次V-系统(k=0,1,2,3)的具体表达式;利用有限项Fourier-V级数展开式,高效地生成点云数据显示的被测量对象的几何造型。检测例子表明,这种方法对很广泛遇到的一类问题而言,处理过程简单、速度快、精度高。     

基于最小二乘支持向量机的直流牵引电机建模

牵引电机的磁化曲线是直流牵引电机准确建模及性能分析的基础,以电力机车为例,介绍了利用最小二乘支持向量机对牵引电机磁化曲线进行拟合,从而建立准确的直流牵引电机模型的方法。分析了牵引电机磁路非线性的特性,运用最小二乘支持向量机的回归理论,通过对牵引电机实验所得的磁化曲线数据进行学习,建立了基于LS-SVM的曲线拟合模型。拟合结果表明,该模型比以往的分段线性化和神经网络拟合的速度及精度都有较大的提高,在小样本情况下有更好的泛化能力,为牵引电机建立非线性模型提供了新的参考。在LS-SVM拟合曲线的基础上建立了直流牵引电机仿真模型,仿真结果表明,该模型准确可靠,可用于对直流牵引电机系统性能及控制策略的研究。     

基于常规相参雷达实现目标横向一维成像

本文利用ＩＳＡＲ技术对常规相参雷达实现目标横向一维成像问题进行了研究，着重提出了一种基于回波相位差进行相位拟合的运动补偿方法。与以往的方法相比，这种方法具有运算量小，适用范围广等优点。     

应用神经网络建立冬小麦产量预测模型

实践表明,冬小麦的绿度与产量之间存在着密切的,非线性的相关关系。运用人工神经网络技术,对这种关系进行拟合和描述,建立了小麦绿度－产量模型,并对模型结构,预测精度进行了检验和探讨。     

非线性优化GM(1,N)模型及其应用研究

GM(1,N)模型在因素一次累加弱化系统指标间波动性和灰性的基础上,建立了各因素线性关系的灰色模型,但其强制性的线性假设以及不够完善的求解方法致使其实际运用较少. 为解决这类问题,文章提出了两个非线性优化的GM(1,N)模型--非线性GM(1,N,x_1~((0)))和GM(1,N,x_1~((1)))模型,即在GM(1,N)白化方程的基础上建立因素间非线性关系,并通过BP网络拟合,最终得出拟合结果和预测值.进一步证明了两种非线性GM(1,N)模型均属于GM(1,N)的派生形式,并提出了运用非线性优化GM(1,N)模型进行指标预测的具体方法. 最后通过一个实例进一步表明该模型的可行性与优化性.     

基于在线聚类的机器人自适应模糊建模

针对机器人这种具有时变、强耦合和不确定性的复杂非线性被控对象,提出一种基于在线聚类的模糊自适应方法用于机器人系统建模。建模过程中采用在线聚类算法辨识机器人T-S模型的前提参数,采用递推最小二乘算法(RLSE)辨识结论参数,根据过程中新的数据信息,模糊规则可以自动增加、修改和删除,实现了模型结构和参数的在线辨识和更新,而且该方法具有模型结构简单、建模速度快、精度高等优点。最后通过二自由度机器人仿真研究证明了该方法的有效性和优越性。     

非线性优化GM(1,N)模型及其应用研究

GM(1,N)模型在因素一次累加弱化系统指标间波动性和灰性的基础上,建立了各因素线性关系的灰色模型,但其强制性的线性假设以及不够完善的求解方法致使其实际运用较少。 为解决这类问题,文章提出了两个非线性优化的GM(1,N)模型--非线性GM(1,N,x(0)1)和GM(1,N,x(1)1)模型,即在GM(1,N)白化方程的基础上建立因素间非线性关系,并通过BP网络拟合,最终得出拟合结果和预测值。进一步证明了两种非线性GM(1,N)模型均属于GM(1,N)的派生形式,并提出了运用非线性优化GM(1,N)模型进行指标预测的具体方法。 最后通过一个实例进一步表明该模型的可行性与优化性。     

非线性系统中多传感器滤波跟踪型数据融合算法的研究

在非线性系统中，常用的跟踪滤波算法是基于扩展的卡尔曼滤波算法的融合算法，但是这种融合算法的跟踪精度并不是很高。本文根据对滤波器跟踪型数据融合的研究，提出了基于转换测量值卡尔曼滤波算法的非线性系统中的数据融合方法。研究表明，在利用激光干涉仪进行目标跟踪时，这种基于融合算法的集中式融合算法的跟踪性能优于分布式融合算法，但是，从仿真结果可以看出，两种融合算法的差别不大，结果基本相同，因此，在非线性系统中，基于转换测量值卡尔曼滤波算法的分布融合算法可以重构集中式融合算法。     

Mamdani型概率模糊系统建模方法

针对模糊系统不能有效表示系统中的随机性,给出了一种Mamdani型概率模糊系统的建模方法。该模型不需要领域专家的知识,可以直接从已有数据生成概率模糊规则。相应地给出了一种概率模糊推理方法。概率模糊系统综合了模糊系统的易理解性和概率系统的统计特性,能够对数据中的随机性进行更好地表示和处理。以概率模糊系统在时间序列分析中的应用为例,通过与“查表法”(table look-up scheme) 的比较,说明了所提方法的有效性。