基于神经网络的无缓冲数字系统延时控制模型

传统的数字系统延时控制过程不能对系统的时间延迟进行准确预测,导致其存在拟合率低、网络传输延时过长和负载率低的问题.为解决上述问题,基于神经网络设计了新的无缓冲数字系统延时控制模型.使用时间戳技术记录采集到的数据包时间,并根据延时预测器预测在线网络延时.采用神经网络SMITH预估结果对无缓冲数字系统延时进行预估补偿,在SMITH估计模型的基础上构建无缓冲数字系统延时控制模型.通过PIP控制算法获得无缓冲数字系统延时控制模型的最优解.实验结果表明,上述模型的拟合率和负载率均较高,且能够有效减少网络传输延时,充分说明了上述模型的有效性.     

一种自适应预测非平稳信号的新方法

本文提出一种动态神经网络为非平稳信号作自适应单步预测，它由级联回归神经网络和抽头延时线组成．用它对非线性动态方程产生的时间序列作自适应预测，实验结果表明，其效果远远超过了传统的前馈神经网络．     

神经网络预测远程控制系统中信息延时的研究

针对网络控制系统中前向通道和反馈通道同时存在随机延迟及延时不确定的问题,通过实例分析了随机延时对闭环控制系统影响的根源,提出了通过基于神经网络的预测控制方法解决存在网络随机延时的控制系统闭环控制的可行性。仿真结果表明该方法能够反映并预测该测量数据所代表的网络路径之间的时延特性,并能在基于Internet的闭环控制系统的设计中有效地替代实际网络进行研究;而所用的方法具有快速、准确的特点,能用于在线学习网络模型并对网络的时延值进行预测,为基于Internet的远程闭环控制提供了新的思路。     

将TD方法同神经网络相结合进行时间序列实时建模预测

本文首先探讨了基于神经网络的时间序列预测模型的建立机制，然后提出可将基于神经网络的时序直接多步预测模型的实时建模问题看成是延时加强学习问题，从而可将ＴＤ法与ＢＰ法相结合用于解决实时建模预测问题。本文对太阳黑子问题和外汇汇率问题进行了实时建模和预测，其结果表明，本文提出的实时建模预测方法是可行的。     

混沌一支持向量机回归在流量预测中的应用研究

为了提高流量预测准确性,将混沌理论和支持向量机回归应用于网络流量预测.采用相空间重构理论计算实际流量的延时、嵌入维数和Lyapunov指数,证实网络流量存在混沌现象;据此建立混沌-支持向量机预测模型并确定训练样本对,对实际网络流量教据进行预测.结果表明,该方法能有效地进行流量预测,相对于BP神经网络方法,该方法具有更好的预测精度.     

加热炉网络控制系统的最少拍响应控制策略

研究加热炉网络控制系统的最少拍响应控制策略。推导了加热炉网络控制系统的频域和离散型状态方程的数学模型,并采用时间戳神经网络,对不确定、时变的网络信息传输延时进行预测。重点研究了具有最少拍响应的数字控制器设计方法,导出了数字控制器控制算法。仿真结果表明,提出的控制算法实现了加热炉精确的温度控制,无稳态偏差,并具有良好的动、静态特性。     

基于灰色新陈代谢和神经网络的故障预测方法研究

针对工业装备故障预测中存在信息不完备等问题,提出将灰色理论与神经网络算法相结合的组合预测方法。首先,通过数据变换技术和重新构造背景值求值方法优化新陈代谢GM(1,1)模型的初始值以及背景值,然后将优化后的新陈代谢模型的输出数据集作为神经网络的输入,原始数据作为神经网络的期望输出。运用附加动量项和变化的自适应学习速率对神经网络的权值更新方法进行改进。其后将得到的最佳神经网络的输出值作为最新信息运用到新陈代谢模型中得到预测值。齿轮运行状态实例预测结果表明,该预测方法可有效提高故障预测精度。     

网络信道信息监听中的冲突消除技术研究

研究网络信道信息监听冲突消除方法.在信息监听过程中,当同一信道内同时接收到不同方向的信息时,将造成信息监听冲突,导致无法准确监听信息.为了避免上述缺陷,提出了一种基于信号排队延时算法的监听冲突消除技术.利用多时间间隔冲突预测方法,预测网络信道中的监听信号冲突.利用信号排队延时方法,对监听信号进行排序,从而实现网络信道中信息监听冲突的消除.实验结果表明,这种算法能够有效消除网络信道中的信息监听冲突,提高了信息监听的准确性.     

时空神经网络及其在机场噪声预测中的应用

针对时空序列建模分析问题,利用函数扩展技术,结合线性脉冲响应滤波原理,提出一种新型时空神经网络。该网络由函数扩展功能模块和线性延时脉冲模块组成。函数扩展功能模块将网络输入空间映射到高维空间,实现时空序列非线性模式到高维映射空间线性模式转换;线性脉冲延时模块等效于时空线性脉冲响应滤波器,用于拟合时空序列中的线性模式。采用LevenbergMarquardt最优方法对网络进行训练,设计时空神经网络的快速学习算法。机场噪声仿真结果表明,该网络具有快速收敛和高精度的特点,预测精度高于时空自相关移动平均模型和多层感知器神经网络。     

基于BP神经网络的飞机娱乐系统采购短期预测

针对传统航材采购决策行为的局限性,研究了基于BP神经网络的航材采购短期预测方法,拟在建立BP神经网络模型的基础上,将BP神经网络模型运用到航材采购量短期预测中来,根据历史数据建立BP神经网络对其进行训练形成飞机娱乐系统采购量预测模型。阐明神经网络在决策时能提供更多的支持信息,实现采购数量科学化。并进一步通过预测结果说明基于神经网络的航材采购量短期预测是一个行之有效的方法,为民航航材集中采购的理论和方法提供借鉴和参考。     

基于神经网络的力觉临场感系统的预测控制

针对力觉临场感系统传输通道中存在时交通讯时廷，造成系统不稳定和操作性能降低的问题，利用前向神经网络建立主机械手、从机械手和环境的模型，并通过神经网络模型预测主机械手速度和从机械手受力，以消除或减少通讯时廷对系统的影响。实验结果表明了该方法的有效性。     

基于模糊模型和神经网络的多时滞不确定非线性系统的鲁棒H∞控制

针对一类具有多时滞的不确定非线性系统,提出了一种基于模糊模型和神经网络的组 合控制方法.利用具有多时滞的模糊T-S模型对系统进行近似建模并给出基于线性矩阵不等式 (LMI)的模糊H∞控制律.提出完全自适应RBF神经网络控制方法,通过在线自适应调整RBF 神经网络的权重、函数中心和宽度,来对消系统的未知不确定性和模糊建模误差的影响,不要求 系统的不确定项和模糊建模误差满足任何匹配条件或约束,并证明了闭环系统的稳定性.最后, 将所提出的方法应用到一具有多时滞的非线性混沌系统,仿真结果表明了该方法的有效性.     

Stationary oscillation for cellular neural networks with time delays and impulses

This paper studies stationary oscillation for a time-varying recurrent cellular neural network with time delays and impulses. In a recent paper, the authors claim that they obtain a criterion of existence, uniqueness, and global exponential stability of periodic solution (i.e. stationary oscillation) for a recurrent cellular neural network with time delays and impulses. We point out that the main result of their paper is incorrect, and present a sufficient condition of stationary oscillation for a time-varying recurrent cellular neural networks with time delays and impulses. An numerical example is given to illustrate the effectiveness of the obtained result.     

具有学习功能的多值模糊神经网络控制系统

对于具有非线性、大时滞、不确定性等特性的难以用精确数学模型描述的多变量复杂系统,靠传统控制理论难以获得理想的控制效果。基于模糊神经网络控制技术不依赖于被控对象精确的数学模型,且能根据被控对象参数的变化自适应调节控制规则和隶属函数参数的特性,进行了采用模糊神经网络控制器实现其控制的应用研究。采用典型的前向型模糊神经网络模型,给出了具有学习功能的多值模糊神经网络控制系统的一种设计方法。仿真实验证明,该系统能够获得较理想的控制效果。     

A Neural Net Predictive Control for Telerobots with Time Delay

This paper extends the Smith Predictor feedback control structure to unknown robotic systems in a rigorous fashion. A new recurrent neural net predictive control (RNNPC) strategy is proposed to deal with input and feedback time delays in telerobotic systems. The proposed control structure consists of a local linearized subsystem and a remote predictive controller. In the local linearized subsystem, a recurrent neural network (RNN) with on-line weight tuning algorithm is employed to approximate the dynamics of the time-delay-free nonlinear plant. The remote controller is a modified Smith predictor for the local linearized subsystem which provides prediction and maintains the desirable tracking performance. Stability analysis is given in the sense of Lyapunov. The result is an adaptive compensation scheme for unknown telerobotic systems with time delays, uncertainties, and external disturbances. A simulation of a two-link robotic manipulator is provided to illustrate the effectiveness of the proposed control strategy.     

Nonlinear system identification using optimized dynamic neural network

In this paper, both off-line architecture optimization and on-line adaptation have been developed for a dynamic neural network (DNN) in nonlinear system identification. In the off-line architecture optimization, a new effective encoding scheme—Direct Matrix Mapping Encoding (DMME) method is proposed to represent the structure of neural network by establishing connection matrices. A series of GA operations are applied to the connection matrices to find the optimal number of neurons on each hidden layer and interconnection between two neighboring layers of DNN. The hybrid training is adopted to evolve the architecture, and to tune the weights and input delays of DNN by combining GA with the modified adaptation laws. The modified adaptation laws are subsequently used to tune the input time delays, weights and linear parameters in the optimized DNN-based model in on-line nonlinear system identification. The effectiveness of the architecture optimization and adaptation is extensively tested by means of two nonlinear system identification examples.     

基于AFSA-BP算法的模糊PID控制器在DMF回收系统中的应用

针对DMF(N,N-二甲基甲酰胺)回收系统存在时滞性、难以确定温度控制的数学模型等问题,提出了用人工鱼群算法(AFSA)优化BP神经网络,设计了基于AFSA-BP算法的模糊PID控制器。对模糊BP神经网络各层之间的连接权值以及隶属函数相关参数进行训练,克服了反向传播过程中最速下降法易陷入局部最优解的缺点,能够得到PID参数的最优解。研究结果表明,采用AFSA-BP算法的迭代次数少并且能接近给定值,在DMF回收系统中应用相关的PID参数,精馏塔的温度保持稳定,液位高度保持动态稳定且误差更小。     

贵阳地区主网变电站远动系统改造

分析了远动系统传统串口方式和网络方式的区别,介绍了远动系统改造的原则,阐述了远动系统改造的三种方案,以220kV金阳变为例,详细说明了远动系统改造的实施过程。     

Hopfield神经网络在机组组合问题中的应用

提出利用多层Hopfield神经网络求解机组组合优化问题。通过构造合适的能量函数使得单层Hopfield神经网络可以解决某一时刻的机组出力问题,与之相对应的多层神经网络可以解决任意时间段的机组出力问题。多层Hopfield神经网络的层数由所需求解问题的时间段确定。给出单层及多层神经网络的能量函数及求解算法,能量函数考虑到机组升降功率和出力上下限的约束。通过对已有文献的算例进行计算比对,所得结果和遗传算法基本一致,但Hopfield神经网络通过解微分方程组来确定最优解,计算时间相对较少。     

基于模糊神经网络的信息融合技术研究

针对信息融合技术中目标融合识别的问题,根据人工神经网络和模糊系统的各自特点,形成一种模糊神经网络模型。首先将模糊系统用神经网络的结构表示,并采用相应的学习算法训练模糊神经网络实现模糊推理功能。最后对模糊神经网络模型进行仿真实验和结果分析。