静电陀螺支承系统的内模控制

针对静电陀螺支承系统超前-滞后PID控制器参数确定过程的复杂性,引入反馈控制器处理不稳定对象,处理后的对象采用一种改进的内模控制方法,推导了内模控制静电支承控制器的传递函数和系统闭环传递函数.结果表明,控制器可由新的稳定对象的逆、不稳定分量和一个低通滤波环节相乘得到,确定过程简单.给出了MATLAB环境下的仿真实验,仿真结果表明,采用内模控制的静电陀螺支承系统跟踪无静差,控制效果良好.     

基于高斯RBF神经网络的可伸缩机械臂系统动态建模与仿真

设计了一种新的多模块机器人机械臂系统,该机械臂的每个模块具有可伸缩杆和旋转节两部分.为了进行有效控制,给出了系统的解析公式和机械臂自适应控制的相关技术.使用高斯函数的RBF神经网络对系统的动态方程参数进行了估计,使用李亚普诺夫稳定性分析确定神经网络权重的自适应修正规则,并给出了相应的自适应控制器模型.对该机械臂系统的控制进行了计算机仿真分析,结果表明:该方法在响应时间和控制精度方面都有提高,并且在有负载等非线性事件突然干扰的情况下亦能进行有效控制.     

基于进化RBF网络的柴油机喷油参数研究

基于柴油机燃油喷射电子控制实时性的要求，引入非线性最优控制理论来确定RBFNN的参数，用全局优化算法－遗传算法来离线求解非线性优化问题，用递推最小二乘法（RLS）在线调整进化RBFNN的输出权值，增加系统的抗干扰能力。同时通过分析输入参数与输出参数的相关性来简化该神经网络。结果表明：冷却水温及润滑油温度与喷油参数的相关性最低，从输入参数中去除它们后的简化神经网络在更少的迭代次数下能达到同样的逼近效果。     

基于RBF网络的混沌动力系统辨识

提出用RBF神经网络对混沌动力系统进行辨识，设计了一个三层RBF网络结构，仿真实验说明了RBF网络用于学习混沌动力系统时的基本性质。用辨识模型重建吸引子方法定性地评价辨识模型，通过计算辨识模型的Lyapunov指数定量地评价辨识模型的性能，同时推导了RBF网络模型Lyapunov指数的计算公式。仿真结果表明，该辨识模型能很好地逼近原混沌动力系统，准确地体现原混沌系统的动力学特性。     

电液伺服系统研究中的非线性分析方法

运用非线性性分析方法对一试验用电液伺服系统进行理论建模和仿真研究。引入了一 个非线性状态方程来描述电液伺服系统的动态特性。通过仿真结果与实际系统的响应相比较，验证了理论建模是准确的。在理论建模与仿真基础上，设计了一个自校正PID控制器，并且对其控制特性进行了仿真研究。     

神经网络及其在股市预测中的应用

将BP神经网络和RBF神经网络应用于股市综合指数预测.预测结果表明,RBF网络计算量少,学习速度快,预测精度高.     

ORACLE应用系统的性能参数分析与优化

基于ORACLE数据库应用系统的性能参数优化，根据实践归纳并提出调整服务器内存分配、调整磁盘I／O、调整资源竞争等具体方法，进行参数调整可提高系统运行效率1－5倍。对类似的应用系统具有实用参考价值。     

基于径向基函数网络的非线性系统内模控制

针对非线性系统的内模控制，从理论上分析了神经网络控制器的可实现问题，并且用径向基函数(RBF)神经网络实现内部模型及逆模控制器，同时改进了径向基函数中心的学习算法。仿真结果表明，基于RBF网络的非线性系统内模控制的动态性能较好，对于对象参数扰动具有一定的抗扰性。     

脉冲多普勒雷达高度表恒虚警技术

本文介绍了恒虚警技术在雷达高度表中应用的基本原理，讨论了在高斯噪声背景、杂波干扰背景中恒虚警门限ＶＴ的确定方法以及相应的恒虚警措施，确定了基于高速ＤＳＰ芯片实现的自适应恒虚警方法。     

基于混沌和RBF神经网络的短时交通流量预测

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题，论文从非线性时阅序列的角度对短时交通流量预测进行探讨，提出采用基于混沌理论的RBF神经网络预测方法。首先在采用小数据量的Lyapunav指数计算方法判定交通流存在混沌的前提下，对交通流量数据进行相空间重构。构建了RBF神经网络，并对模拟产生的Lorenz和Rossler混沌时间序列数据以及实际采集的高速公路交通流量数据进行了仿真研究。结果表明，该方法对模拟产生的混沌时间序列具有很好的预测效果，在交通流量的短时预测上也具有较高的预测精度。