基于组合神经网络的雷达弱信号检测

本文提出了一种基于组合RBF神经网络与混沌理论的弱目标检测算法。运用RBF神经网络的特点,将非线性预测模型的建立归结为预测误差的最小化问题,再对误差的控制建立合适的非线性预测模型。经仿真研究表明了所提出算法的可行性和有效性。     

非线性时序的混沌特性分析与预测

非线性时间序列相空间重构过程中的参数选择问题以及有效的预测方法一直是该领域研究的热点和难点，基于虚假最近邻域概念，同时确定最佳的嵌入维数m与时间延迟τ，对实际非线性时间序列进行相空间重构，求解出时间序列最在Lyapunov指数LE，验证了其中混沌特性，其可预报尺度为[1／LE]．并应用基于[1／LE]个输入神经元与Kenya提出的m：2m：m：1这两种人工神经网络结构对非线性时间序列进行训练和预测，预测结果的平均误差分别为4％和2％左右，后一种神经网络结构能提供更好的预测结果。     

高次非线性弹性杆纵向振动方程的摄动分析

对在计入横向惯性效应后的非线性弹性杆纵向波动方程进行了分析，通过建立非线性双曲方程组，在n≥2和小振幅、长波长的一般情况下，根据远方场简单波理论，采用向量摄动法，将方程化为变形KdV方程，并给出了方程的解析解。     

电路本质安全性能计算机分析方法

直流低压本质安全电路在IEC火花试验装置上进行爆炸检测时会产生电弧放电。如果将火花试验装置的电极在闭合或断开时的放电电弧看作一个非线性电阻，则可以实现电路本质安全性能的计算机辅助分析方法。介绍了电路本质安全性能计算机分析方法的评价原则；给出了3种不同性质电路(电阻、电感和电容)的电弧放电数学模型；介绍了计算机辅助分析方法的步骤以及电路本质安全性能分析的特殊问题：最后给出计算机分析软件的流程图和结果样例。为设计人员预估电路本质安全性能提供一个方便的方法。     

弹塑性梁柱非线性分析的变截面法

在偏心受压梁柱M.P-ψ(弯矩一轴力一曲率)关系的基础上，分析了从弹性到塑性状态时梁柱截面刚度的变化规律，建立了弹塑性梁柱非线性分析的变截面法，即采用幂函数模拟塑性梁柱截面惯性矩变化规律。应用此法可将梁柱的非线性问题转化为几何非线性问题。用本方法对实际算例的分析结果与已有的解析法结果相符。此方法为进一步研究梁柱的非线性行为提供了一种新的思路。     

非线性演化方程族的零曲率表示

利用泛函梯度,从一般的谱问题ψx=U(u,λ)ψ出发,通过直接计算,得到了两族非线性演化方程的零曲率表示。这种方法方便有效且对于其它非线性演化方程同样适用。     

二级倒立摆的三种控制方法比较

通过采用LQY最优控制、变结构控制及模糊控制3种方法对二级倒立摆系统进行实时控制,从理论上讨论了这类典型的非线性自不稳定系统控制器的设计方法,通过分析指出各种方法之间的优缺点,并通过数字仿真加以证实。     

航空发动机非线性数学模型的遗传算法

针对发动机非线性数学模型数值解法的收敛性问题应用了浮点数编码遗传算法，提出了将遗传算法与Broyden法相结合的方法。数值仿真结果表明，单独使用遗传算法时运算效率不高，而将遗传算法与Broyden法结合使用可有效的克服各自的不足，使得模型在保持原有运算效率的情形下扩大了收敛范围。     

一类非线性切换系统的稳定化

讨论当各子系统具有相同相关度1时非线性仿射切换系统的稳定化问题.借助零动态的性质,给出非线性切换系统在某种切换信号下稳定化的充分条件.     

非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。