非线性系统的模糊辨识在线算法

在以往的模糊辨识方法中,均未给出在线调整非线性系统的模糊辨识算法。基于递推模糊聚类方法,提出了一种在线调节模糊模型的辨识算法。为了验证所提出方法的有效性,对几个非线性系统进行了辨识,最后给出了辨识结果。     

THE SELF-STABLE REGION APPROACH FOR SECOND ORDER SYSTEMS

1.IntroductionThecolltrolproblemofnonlinearuncertainsystemshasbeenextensivelyresearchedformanyyears.Manymethodshavebeenproposedandsomeprogresshasbeenmade.[1]poiedsoutthatsomesecondordersystemshaveaninherelltpropertythatthereexistscertainregioninwhichalltrajectoriesofthesystemremaininginitaftercertaintimeTwillconvergetotheorigin.Basedonthisproperty,anewapproachhajsbeenputforwardtoconstructacolltinuousfeedbacklawsuchthatallsystem'strajectoriesmovetowardtheregionandeventuallyremaininit.In[2,3],a…     

基于岭回归径向基神经网络的MIMU误差建模

对MEMS（Micro Electro Mechanical systems微电子机械系统）IMU（Inertial Measurement Unit惯性测量单元）的随机漂移和误差进行建模和补偿是提高捷联惯导系统性能的主要方法之一。为了避免径向基（RBF）神经网络输出之间可能存在的复共线性,更加准确有效的对MIMU的输出误差建模,提出将岭回归径向基神经网络用于MIMU的误差建模中。通过与时间序列建模方法的仿真比较表明,在对MIMU误差补偿上所建立的岭回归RBF网络与四阶AR模型方法精度相当,比一阶AR模型精度高,而且无需对数据平稳性处理。

Abstract：

It is one of the main methods to improve the performance of Strap-down Inertial Navigation System for compensating the random drift and bias of MEMS （Micro Electro Mechanical systems） IMU （Inertial Measurement Unit）. In order to eliminate latent multicollinearity of radial basis function neuron network output layer and model the drift and bias of MIMU accurately,the radial basis function neuron network based on ridge regression method was proposed which was applied in modeling and compensating MIMU errors. The simulation shows,compared to the AR model,the precision of compensation of MIMU error using radial basis function neuron network based on ridge regression method is equal to the fourth order AR model,better than first order AR model,and no data stabilization processing.     

地理标志农产品生产质量控制行为分析——基于新疆地理标志水果405户果农的调查

以新疆405户地理标志果农问卷调查数据为依据,运用二元Logistic回归模型对其生产质量控制行为的影响因素进行分析,结果表明：生产者的预期收益、对地理标志水果操作规程的了解程度、是否参加农民专业合作经济组织、是否得到技术指导、是否参加质量培训、政府监管力度与是否得到政府资金支持等影响因素是显著性变量。表14,参12。     

我国通货膨胀的混合回归和时间序列模型

回归模型的残差项反映了对被解释变量有影响但未列入解释变量的因素所产生的噪音 ,这部分噪音可由时间序列模型进行拟合 .本文对通货膨胀建立了一个混合回归和时间序列模型 ,并将该模型的预测结果与单纯用回归模型的预测结果进行了比较.     

一种混沌神经网络及其在优化计算中的应用

研究了一种具有混沌特性的神经网络 ,该网络具有瞬态混沌响应 ,类似于Hopfield网络的结构 ,但有比Hopfield网络更加丰富的动力学特征、更强的全局搜索能力。通过把混沌动力学与收敛动力学相结合 ,使网络逐渐由混沌神经网络向Hopfield网络过渡 ,达到控制混沌的目的 ,并且提供一个在全局最优解附近的初值 ,有效地解决了Hopfield网络的局部极值问题。该网络模型可以用来解决复杂的非线性优化问题。     

基于神经网络的一类非线性系统的变结构控制

在已知名义系统的基础上 ,将小脑关节模型控制器 (CMAC)神经网络用于一类状态反馈可线性化的多输入多输出连续时间非线性系统的变结构控制中。利用自适应技术估计了估计误差的大小 ,减小了系统的不确定性 ,并利用模糊控制技术调整了变结构增益 ,改善了系统的性能。在很弱的假设条件下 ,应用Lyapunov稳定性定理证明了闭环系统内的所有信号为均匀最终有界。算法在导弹控制系统中的应用进一步证明了本文方法的有效性。     

支持向量机控制与在线学习方法研究的进展

支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能控制的研究,主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练,因此出现了对SVMR在线训练算法的研究。分析了国内外这些研究内容的最新研究进展,旨在探讨归纳支持向量机在控制领域研究的主要成果和存在的问题,以便为进一步的研究提供一定的支持与帮助。     

删失试验寿命的贝叶斯生存极值回归模型

针对删失寿命试验数据缺少随机变量尾部分布和常规删失数据分析对长寿命区高可靠度估计不准确的问题,构建了一个结构元件寿命分布的贝叶斯生存极值回归模型。运用MCMC方法与Gibbs抽样获得参数后验分布的基本原理,借助数据仿真说明了利用WinBUGS软件包进行建模分析的过程,证明了该模型在删失试验中的直观性和有效性。研究结果表明:利用Gibbs抽样进行模拟分析,能很方便地得到模型参数的相关估计。     

烟台地区水面蒸发量主成分分析法研究

考虑到水面蒸发气象影响因子之间普遍存在显著相关,若应用所有气象因子建立水面蒸发量计算模型则存在信息重叠问题,而主成分分析方法可以解决该问题。烟台地区水面蒸发气象影响因子的主成分分析表明,前3个主成分累计贡献率已达88.32%,故提取3个主成分已能满足要求。第1主成分代表空气冷热状况;第2主成分代表空气动力状况;第3主成分代表太阳辐射。利用3个主成分建立三元一次回归方程,并与应用所有气象影响因子建立的多元线性回归方程相比较,结果显示,主成分分析方法建立的回归方程的偏回归系数均通过t检验,达到极显著水平,多元线性回归方程,虽拟合效果稍优于主成分分析方法,但偏回归系数b3未通过t检验,系数显著性水平不如主成分分析法。图3,表7,参8。