双向Elman神经网络在卫星电池阵功率预测中的应用研究

针对神经网络预测电池阵功率存在的模型阶数难以确定及预测精度低下的问题，提出一种基于改进的Elman神经网络的双向预测模型。该模型利用关联层动态神经元的反馈连接，将未来预测网络和过去预测网络的信息进行融合。使网络对时间序列特征信息的记忆得到加强，从而提高预测精度。用该文提出的双向预测模型对电池阵功率进行预测，输入层仅需一个节点，不需事先对模型进行定阶。仿真预测表明，预测精度比单向模型明显提高，且网络具有较好的泛化能力。     

特殊的steinhaus图的同构问题

针对以双对称矩阵为邻接阵的steinhaus图．剖析它的邻接阵的结构，给出了这类图同构的判定条件。     

中巴地球资源卫星02星交付仪式在京举行

2004年2月12日 ,国防科工委在京举行中巴地球资源卫星02星交付仪式。中巴地球资源卫星由中国和巴西两国从1988年开始共同投资、联合研制 ,02星与1999年发射的01星为同一型号的两颗卫星 ,都是我国第一代传输型地球资源遥感卫星。据该星总设计师孙家栋院士介绍 ,02星在01星基础上作了进一步改进 ,卫星由有效载荷舱和服务平台两部分组成 ,总质量1540千克 ,采用单翼太阳电池阵 ,设计寿命2年 ,26天可覆盖全球表面1遍。中巴地球资源卫星02星于2003年10月21日在我国太原卫星发射中心发射升空 ,并准确进入轨道倾角为98.5度的太阳同步轨道。至2004年1…     

基于对角回归神经网络的转台伺服系统逆控制

针对转台伺服系统中存在的不确定性和非线性因素,提出一种基于对角回归神经网络(diagonal re-current neural network,DRNN)的逆控制方法。逆控制器由对角回归辨识网络(DRNNI)和对角回归控制网络(DRNNC)组成,利用神经网络的逼近能力,在线辨识系统的逆模型,直接将辨识器的拷贝作为系统的控制器。该方法结合了神经网络和逆系统控制的优点,能够克服系统中的不确定性和非线性因素。仿真结果表明,有效提高了转台伺服系统的动态跟踪精度,并具有较好的鲁棒性能。控制器的运算量小,能够满足实时控制要求。     

基于对角递归神经网络的非线性逆动态控制

采用2个对角递归神经网络(DRNN)构成非线性逆动态控制系统，一个用作辨识器，逼近系统的正模型，为逆动态控制提供系统的灵敏度；另一个用作控制器，逼近系统的逆动态模型，再与原系统串联组成伪线性系统．仿真结果表明该控制方法实现了对非线性系统的有效控制。     

矩阵的κ-path覆盖对角占优性与应用

引进了κ-path覆盖对角占优矩阵,研究了它的性质,给出了广义对角占优矩阵的新表征,推广、改进、修正了一些关于广义严格对角占优矩阵判定的已有结果．     

两传感器按对角阵加权信息融合稳态Kalman滤波器

应用现代时间序列分析方法,在按对角阵加权线性最小方差最优信息融合准则下,基于Riccati方程,提出两传感器信息融合稳态最优Kalman滤波器.与按矩阵加权最优融合.Kalman滤波器相比,可减少计算负担,与单传感器情形相比,提高了滤波精度.一个仿真例子说明其有效性.     

对流扩散方程的特征有限体积两重网格算法与误差估计

对于非线性对流扩散方程,构造了特征有限体积算法格式,再用两重网格算法计算非线性系统,先通过非线性迭代求出粗网格ΔH上的解uH,再利用粗网格上的解uH将问题线性化并求出细网格Δh上的近似解h(Hh)。理论分析及数值例子的计算结果均表明,在收敛阶保持不变的情况下,此算法既可消除非线性对流占优扩散问题数值震荡现象,又可简化计算,提高计算效率。     

拓扑线性空间上的广义集值平衡问题

引入了广义集值广义对角拟凸的概念,并证明了广义集值广义对角拟凸与广义KKM定理的等价关系,在单调情形和非单调情形下得到了广义集值映射平衡问题解的若干存在性定理,其结果推广了文[1,2]中相应结果,     

广义严格对角占优矩阵的判定及其在神经网络系统中的应用

利用非零元素链理论以及方法,给出了判定广义严格对角占优矩阵的几个充分条件,拓广了广义严格对角占优矩阵的判定方法,并给出其在神经网络系统中的应用,结果表明该法不仅有效而且简单实用.