pH传感器温度补偿模型研究

水质pH值在线监测对提高水产品健康养殖至关重要,本文将无线传感器网络与pH值传感器相集成,设计了pH值监测的无线传感器网络系统。为克服pH值测量过程中温度对测量结果的影响,提出了一种pH传感器温度补偿模型,该模型通过pH传感器和PT100铂电阻温度传感器分别测量溶液的pH值和温度,利用最小二乘法对pH值和电压进行线性分析,建立pH传感器的温度补偿模型。实验结果表明,该补偿模型测量精度高,能够实现较精确的pH值在线监测。     

基于RBF神经网络的摩擦补偿建模与控制

机械系统摩擦的精确数学模型很难建立,因此,尝试采用RBF神经网络系统在线逼近摩擦模型并将辨识结果作为控制算法的补偿项。在控制方法上,采用了基于RBF神经网络系统补偿的PD算法。在系统证明上,从李雅普诺夫函数中导出了自适应参数并且分析了闭环系统跟踪误差的有界性。利用Matlab对提出的方法及证明的有效性进行了验证。     

基于时延动态补偿的网络控制器的设计

在网络控制系统中由于网络带宽的限制,不可避免地使网络系统产生网络诱导时延,从而导致系统性能下降甚至不稳定。文章针对延时不确定使得Smith预估补偿控制效果差的问题,提出了新的Smith补偿控制算法,根据控制器反馈信息对网络延时进行动态补偿,并与模糊PI控制方法相结合,构成Smith预估模糊PI控制器,使得闭环控制系统即使在模型失配的情况下,仍具有较高的稳定性、较强的鲁棒性。仿真结果表明,该方法可行有效。     

非线性布尔网络系统模糊建模与动态性能分析

针对非线性系统难以精确建模与动态性能分析的基本控制问题,基于模糊动态模型把布尔网络系统理论推广到非线性布尔网络系统,建立了模糊动态布尔网络控制系统的模型。引入模糊动态模型,对非线性布尔网络进行模糊建模,分别建立了非线性布尔网络系统的局部模型和全局模型。从系统的局部意义和全局意义上,对系统进行了能控性、能观性、稳定性等动态性能分析。最后,以多输入多输出的非线性布尔网络系统实例为具体研究对象,建立了系统的局部模型和全局模型,并对动态性能进行了仿真分析,得到了实验结果。实验结果表明,模糊动态布尔网络控制系统对非线性布尔网络系统的建模是有效的,动态性能分析是合理的,对模糊动态布尔网络控制系统的进一步分析有重要意义。     

基于Stackelberg攻防博弈的网络系统安全控制机制优化研究

企业级网络中存在的漏洞日益增多,给公司网络系统安全控制机制的优化选择带来了巨大挑战。本文通过对企业网络中漏洞之间的复杂依赖关系进行建模,构建了漏洞依赖图,并在此基础上建立了Stackelberg攻防博弈模型。同时考虑到传统求解方法无法求解实际的问题规模,引入双模块算法。实验结果表明,本文提出的模型和方法是可行的、高效的。     

带滤波的无线传感器网络的H∞控制

本文研究了基于滤波的无线传感器网络的H∞控制问题.首先建立了无线传感器网络的模型,然后使用稳态Kalman滤波器对多个传感器节点的输出信号进行滤波,将滤波后的信号作为无线传感器网络系统的反馈输出,并通过建模和分析得到带干扰的线性离散切换系统模型.最后设计了切换控制器,并基于Lyapunov函数给出了在任意切换条件下使该切换系统满足H∞控制的条件.仿真结果验证了该方法和结果的可行性.     

基于多模型模糊融合的MEMS陀螺补偿方法

为了实现微机电系统(MEMS)陀螺的高精度补偿,本文借助分段线性拟合与多模型模糊融合的方法,得到了一种新的标定补偿算法。通过对各轴分段组合的标定数据进行拟合建立多组补偿模型,并通过角速率的隶属度函数的模糊加权实现多模型融合,得到随测量值变化的线性补偿模型,提高了陀螺输出补偿的精度。实验表明,该方法的补偿精度明显优于传统方法。其算法简单计算量小,易于在实际工程中应用。     

带神经网络补偿的极点配置广义最小方差自校正控制

首先用一个常规线性模型对被控对象进行辨识,再对线性模型辨识的余差用一个神 经网络进行补偿．线性模型和神经网络共同构成对象的辨识模型,并基于这一模型提出了一 种显式极点配置广义最小方差自校正控制．该方法适用于非线性对象,且具有较高精度和较 快的收敛速度,具有较强的鲁棒性．     

基于BP网络的电涡流传感器非线性补偿

电涡流传感器消除了传感器探头和被测材料之间的相关性,但存在较严重的非线性,采用BP网络对改进后的传感器的非线性进行补偿,并将补偿结果与拟合函数法的补偿结果进行了比较。结果表明:2种补偿方法都大大提高了传感器的线性度。但BP网络产生的补偿曲线更顺滑,补偿后的传感器线性度更高。     

不确定短时延网络控制系统的故障检测

针对远程被控对象为线性模型,且网络诱导时延小于一个采样周期的一类网络控制系统(NCS),假设可能发生执行器故障,对系统进行故障检测。将随机时延对系统的影响转化为未知有界条件下的不确定项,建立了系统的离散数学模型。按照时延补偿策略设计了系统的故障观测器,并基于Lyapunov稳定性定理和线性矩阵不等式理论,推导出了整个观测器系统全局渐近稳定的充分条件。仿真例子验证了方法的有效性。     

用B-样条神经网络设计非线性观测器

对线性部分已知、非线性部分未知的一类非线性系统,提出了一种新的状态观测器 的设计方法.首先针对线性部分设计线性观测器,随后在线性观测器中加入非线性补偿项.该 补偿项先由"反卷积"的方式确定,再用B-样条神经网络拟合.对三个非线性系统设计了观测 器,通过与已有的解析方法进行比较,说明了该方法的优越性.     

基于阻尼最小二乘法的神经网络预测偏差补偿自校正控制器

本文提出一种神经网络预测偏差补偿自校正控 制器,用线性模型的预测控制去控制非线性系统,其预测偏差用神经网络进行补偿．线性模 型的辨识和神经网络的学习均采用阻尼最小二乘法．仿真结果表明,用这种控制器能有效地 控制非线性系统,并具有超调小,鲁棒性好的特点．     

炼铜转炉吹炼终点的神经网络和自适应残差补偿组合预报模型

提出了基于改进的BP神经网络学习算法和自适应残差补偿算法的炼铜转炉吹炼终点组合预报模型. 利用某厂实际生产数据进行仿真运行的结果表明, 本文建立的模型具有较高的预报精度和较强的实用性, 可用于指导生产实践.     

企业网络管理系统构建方法研究

为了提高网络管理系统的创建速度,使复杂业务网络管理系统的构建过程更为清晰,提出了监控与业务分离的企业网络管理系统构建方法.分析了企业网络化的现状和特点,研究了基于FCAPS的网络管理模型和管理方法,给出了创建网络配置、故障、安全等功能的关键指标、处理方法,进而构造了企业网络管理系统的功能模型,有效地保证了数据的一致性.结合应用场景验证了系统的功能,并对系统的工作过程进行了分析.     

一种动态非线性模型传感器的辨识和补偿方法

针对利用Wiener模型表达的具有动态非线性的传感器进行系统辨识和性能补偿。将系统分解为动态非线性环节和静态线性环节,利用函数链人工神经网络和遗传算法分别进行系统辨识,通过静态非线性补偿将系统简化为线性系统,再进行动态性能补偿。利用LabVIEW设计虚拟仪器,经过仿真表明该方法是有效的。     

递归网络模型在传感器动态补偿中的应用

为改善传感器的动态响应特性 ,对其输出结果进行动态补偿是一个有效方法。本文介绍了传感器动态补偿的原理 ,基于递归网络模型的良好的动态映射能力 ,探讨了应用该模型进行传感器动态补偿的实现方法 ,实验结果表明补偿后传感器具有理想的输入输出特性 ,从而验证了该方法的可行性和有效性。     

基于RBFNN的铂电阻温度传感器非线性补偿

针对铂电阻温度传感器应用中存在的非线性问题,提出了应用径向基函数神经网络(RBFNN)强非线性逼近能力进行铂电阻温度传感器非线性补偿的方法。介绍了非线性补偿的原理和网络训练方法。结果表明:这种非线性补偿模型具有误差小、精度高、可在线标定和鲁棒性强等优点,与基于BP神经网络的非线性补偿模型相比,大大缩短了网络训练时间,从而方便了铂电阻温度传感器在测控系统中的应用。     

考虑偏好与合作的供应链网络设计与优化

提出了考虑核心企业决策偏好与成员企业合作意愿的双目标供应链网络设计与优化问题。应用模糊多目标规划方法,将决策者对各个目标的不精确期望水平考虑到供应链网络的设计与优化模型中。研究了集中决策模式下核心决策者的不同目标偏好与分散决策模式下各组织成员群体决策的合作意愿,对供应链的各个目标及网络优化配置的影响。结果表明,“极大极小”算子体现了核心决策者对各个目标的偏好,但大权重目标以牺牲小权重目标的值为代价的。新的“模糊与”补偿算子能使供应链的各个目标值获得理想的均衡效果,体现了供应网络中核心企业与其他成员企业群体协商决策的管理思想与行为特征。     

科技企业人才孵化效率的S-FNN评价研究及应用

为科学测评科技企业孵化器的人才孵化效率,提出科技企业人才孵化效率S-FNN评价模型。在研究科技企业人才孵化基本过程的基础上,构建了科技企业人才孵化效率评价指标体系;运用模糊减聚类法对网络规则进行处理,减少神经网络规则数目,以免参数膨胀导致网络难以训练,采用粒子群与遗传算法确定模糊网络参数值;运用模糊神经网络对科技企业人才孵化效率进行综合评价;通过应用案例验证了该评价模型的有效性和可行性。