基于人工神经网络的内模控制

提出了一种神经网络的内模控制系统，给出了有效的基于前馈神经网络的模型辨识及逆模型辨识方法，经领导具实验表明，这类控制器可用于难以建立数学模型的控制系统。     

基于BP神经网络对时滞系统的模型参数辨识仿真

主要研究了基于BP神经网络对时滞系统的参数辨识,分析了两种辨识结构和两种建模方法,对系统被控对象的建模采用了神经网络正模型,辨识结构为串-并联型.考虑加强BP网络的泛化能力,用随机数据去训练网络,然后得到训练后的权值,给一个阶跃信号,利用交叉两点法,从而得到时滞系统的特征参数.通过仿真,基于BP网络对时滞系统的参数辨识是有效的.     

模糊神经网络用于非线性系统模型辨识

提出了一种非线性系统的模型辨识方法。在只有被辨识系统的输入输出数据的情况下,利用一种无监督的聚类算法来进行结构辨识,从而自动获得模糊规则库,并可以得到模糊系统的初始参数。在聚类的基础上,构造一个与之相匹配的模糊神经网络,用它的学习算法来训练网络得到一个精确的模糊模型,从而实现参数辨识。同时,证明了所构造的模糊神经网络具有通用逼近能力,这个能力在模糊建模和模糊控制方面非常有用。通过对两个非线性系统辨识的仿真结果验证了该方法的有效性。     

基于RBF神经网络的PID自适应真空炉温度控制

提出一种基于RBF辨识神经网络算法的神经网络PID控制方案，由RBF网络对系统进行在线辨识．建立其在线参考模型并为PID控制器提供了梯度信息，从而实现控制器参数的在线调整。仿真结果表明，该控制方法应用于真空炉温度控制时控制精度高，动态特性好，收到了良好的效果。     

基于模型变换的系统参数快速辨识方法

研究了系统参数辨识的一种间接方法，该方法将要估计的系统模型转换为一种容易估值的高阶系统模型，然后再将高阶模型降阶得到所要的模型参数。证明了该方法与预报误差法具有相同的渐近和统计性能。仿真结果表明该方法比预报误差法具有更高的计算效率。     

输出非线性方程误差类系统递推最小二乘辨识方法

随着控制技术的发展,控制对象的规模越来越大,使得辨识算法的计算量也越来越大.对于结构复杂的非线性系统,特别是包含未知参数乘积的非线性系统,使得过参数化辨识方法的参数数目大幅度增加,辨识算法的计算量也急剧增加,因此探索计算量小的参数估计方法势在必行.针对输出非线性方程误差类系统,讨论了基于过参数化模型的递推最小二乘类辨识方法;为减小过参数化辨识算法的计算量和提高辨识精度,分别利用分解技术和数据滤波技术,研究和提出了基于模型分解的递推最小二乘辨识方法和基于数据滤波的递推最小二乘辨识方法.最后给出了几个典型辨识算法的计算量、计算步骤、流程图.     

ATM网络中路由选择的神经网络方法

探讨了ＡＴＭ网络中的路由问题,并针对ＶＰ网络的拓扑结构,讨论了采用Ｈｏｐｆｉｅｌｄ神经网络的ＶＣ路由选择算法。给出了神经网络能量函数的表示方法及神经元的状态方程。实验表明,本算法能根据网络的业务情况及用户提出的ＶＣＣ请求,实时,有效地实现了ＶＣ路由选择。     

高阶神经网络容量分析

分析了高阶Ｈｏｐｆｉｅｌｄ神经网络的存储容量，给出了一种计算最大存储容量的方法，分析了计算结果的精确度，并用切比雪夫方法对分析结果进行了拟合。     

联想神经网络容量分析

首先分析了Ｈｏｐｆｉｅｌｄ神经网络、双向联想记忆网络、神经网络环和分形神经网络的存储容量，给出了存储样本分量的概率分布对上述各种网络存储容量的影响。最后分析了回归相关神经网络的存储容量。     

一类多目标非线性Hopfield网络稳定平衡点的最优性证明

给出了目标函数为所凸函数的多目标非线性Ｈｏｐｆｉｅｌｄ网络稳定平衡点的最优性证明，为应用多目标非线性Ｈｏｐｆｉｅｌｄ神经网络求得多目标的有铲解提供了必要的理论依据。     

时变参数估计的新方法及在故障诊断中的应用

首次将模糊控制的原理引入时变系统的辨识中，提出了一种遗忘因子模糊自调整原理，导出了一种实现比较简便，对参数时变具有较高跟踪速度和精度的辨识方法。该方法不仅适用于故障诊断的参数估计，也适合于时变系统参数估计问题，理论分析和仿真验证了该方法的有效性。     

系统辨识(8):耦合辨识概念与方法

耦合辨识是系统辨识的一个重要分支,是新近发展和提炼形成的一种辨识概念,主要用于研究结构复杂的参数耦合线性和非线性多变量系统的辨识问题.辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念是本文作者提出的一些新的辨识研究思路、理念和方法,分别能够用于研究存在未知过程变量的不可测系统的辨识,能够提高辨识方法的收敛速度和参数估计精度,能够解决结构复杂、大规模多变量系统及参数耦合多变量系统的辨识问题、减小辨识算法的计算量.首先介绍多变量系统耦合辨识概念,在此基础上讨论多变量系统的几种(全)耦合最小二乘辨识方法、(全)耦合随机梯度辨识方法、部分耦合随机梯度辨识方法、部分耦合最小二乘辨识方法等,最后说明耦合辨识方法可推广用于有色噪声干扰多变量系统的辨识,并列出了一些多变量系统模型结构,阐述了耦合辨识概念可以结合辅助模型辨识思想、多新息辨识理论、递阶辨识原理、迭代搜索原理(梯度迭代、最小二乘迭代、牛顿迭代)等来研究线性或非线性多变量系统的辨识问题     

基于WinAC的LF炉电极系统控制策略及实验研究

提出使用RBF神经网络实现被控对象逆动态模型在线辨识,采用SIEMENS基于PC的控制器WinAC构建LF炉电极控制系统,运用工业以态网和现场总线技术,确保了系统的实时性要求.在实验室条件下对LF炉电极系统的在线建模与控制进行了实验研究.实验结果表明基于WinAC的LF炉电极系统控制策略十分有效,实现了预期的控制目标.     

航天飞机动力学参数的辨识算法研究

再入段复杂的环境条件导致航天飞机动态模型的结构参数以较快的速度变化，从而影响整个飞行控制系统的控制品质．对此，本文采用一种新的辨识算法估计结构参数，计算结呆验证了算法的有效性．     

时变时滞耦合复杂网络的函数投影同步

为了探索时变时滞耦合复杂网络的函数投影同步及参数辨识问题,构造时变时滞耦合的节点参数未知和拓扑结构未知的2类复杂网络.利用牵制控制方法,分别设计这2类网络各自的自适应控制器,使得2类网络和其孤立节点实现函数投影同步.分别利用网络节点未知参数的辨识法则和网络未知拓扑结构的辨识法则,对网络的节点参数和拓扑结构进行辨识.最后给出数值仿真例子验证自适应控制器和辨识法则的有效性.     

电厂主汽温的模糊逆控制

采用模糊辨识的方法建立了电厂主汽温系统的T-S模糊逆模型.该模型的前提结构采用模糊均值聚类方法辨识,结论参数由最小二乘法辨识,并结合最小均方根算法在线调节逆模型,将其作为系统控制器,以解决电厂主汽温系统的大惯性、大延迟的动态特性.仿真结果表明,该方法可以提高电厂主汽温系统的鲁棒性和动态稳定性.     

基于粒子群优化算法的变压器参数辨识

基于模型的变压器保护原理需要对变压器绕组参数进行精确辨识.利用双绕组变压器的参数辨识方程,使用粒子群优化算法,提出了新的参数辨识算法.消除了最小二乘法计算速度慢、计算量大的局限性,可以实现对变压器绕组参数的在线精确辨识.通过Matlab/Simulink对算法进行仿真,结果表明,该算法能够正确辨识变压器绕组电阻和漏感参数,具有较好的应用前景.     

基于CFD的空间场温度系统建模与控制

针对流体分布参数控制系统难以进行建模和控制的问题,提出一种基于计算流体动力学（CFD）的仿真与控制新方法.该方法利用CFD对被控对象进行数值模拟,为系统辨识和控制提供全场时空信息;将参数估计和控制算法嵌入CFD数值计算中,分别实现基于CFD的系统建模和闭环控制.以环境模拟实验室空间场温度控制为例,以Fluent作为CFD仿真平台,利用用户自定义函数（UDF）实现带遗忘因子的递推最小二乘算法和PI控制算法,进行该方法有效性验证.结果显示,该方法能够获得分布参数系统模型,可实现对系统的有效控制.     

基于遗传蚂蚁混合算法的热网阻力特性辨识

为提高热网仿真计算、故障诊断等理论的实用性,提出了一种基于遗传蚂蚁混合算法(GASCAA)的供热管网阻力特性辨识方法.该方法在辨识模型中引入空间网水力工况计算方法,并采用新型混合优化算法GASCAA求解,有效地提高了辨识方法的计算性能,增强了其解决实际工程问题的能力.实例验证表明,该方法的辨识精度在10%之内,可以满足实际工程的需要,对热网的运行调度具有一定的指导意义.     

二维混沌系统的自适应同步控制研究

针对ＳＧ（速度梯度）法的特点,对一类具有未确定参数及原点不平衡混沌系统的同步控制进行了分析和讨论,提出了广义ＳＧ方法及广义稳定定理,获得了此类系统广义稳定条件,给出了强迫Ｖａｎ ｄｅｒ Ｐｏｌ系统三维相图,且以此系统为例提出了自适应同步处理方法。这对实施混沌保密通信和混沌编码通讯具有重要的意义。