两种新的有效的非线性系统最小二乘辨识算法

提出了两种新的有效的最小二乘算法--改进的双对角化最小二乘算法MBLS-Ⅰ 与MBLS-Ⅱ.在存在舍入误差的条件下,证明了算法的收敛性.该算法具有几乎不受舍入 误差影响的优点,优于一般常用的最小二乘算法.包括数值性态极佳的SVD算法.同时,基 于该算法及SVD算法,构造出了一种新的NARMAX模型结构与参数辨识的一体化算法. 仿真结果证明了此新算法的优越性.     

非线性广义时变系统的干扰解耦

讨论了在正则状态反馈作用下,一类非线性广义时变系统的干扰解耦问题.首先,提 出了一种新的解耦算法;然后,基于该算法,对系统的干扰解耦问题进行了研究,推导出该问 题可解的充分必要条件,并且构造出反馈控制律;最后,举例说明了该方法的可行性.     

非线性系统辨识——GMDH的一种新算法及其应用

本文提出了用单向逐步回归方法确定GMDH中最佳部分多项式结构和进行参数估计,并 且给出了递推算法.这种算法避免了原算法[3]中的大量重复运算,对多步预测模型更显出其 优越性.实际应用例子证明了该算法的有效性.     

一种用于快速跟踪系统的MAC方法

通过对一类快速跟踪系统特点的分析,提出一种可用于这类系统的改进的MAC算法.文 中给出了该算法的计算公式,并且考虑了当系统的快速和加速度受到限制时的处理方法.该 算法具有较强的鲁棒性.由于计算量与存储量都很小,该算法可容易地用单片机实现.最后, 以一个仿真例子说明了该方法的可行性.     

基于进化粒子群优化的非线性系统辨识

为解决复杂非线性系统的辨识问题,提出了一种基于进化粒子群优化算法的非线性系统辨识方法.在标准粒子群优化算法的基础上引入一种进化策略, 增加粒子的多样性.在算法迭代寻优的过程中, 通过对群体中的粒子进行选择、变异等进化操作, 构造进化粒子群优化算法, 提高算法的全局搜索能力.将非线性系统辨识问题转化为非线性连续域优化问题, 利用进化粒子群优化算法进行并行、高效搜索, 以获得该优化问题的解.通过对多输入单输出的Wiener-Hammerstein模型进行辨识, 验证了该方法的正确性和可行性.     

基于多核处理器并行系统的任务调度算法

针对多核处理器并行系统的特点,提出了相应的任务调度算法,该算法在任务调度之前加入了任务分配技术,通过合理的任务分配,可有效减少多个处理器间的通信开销,使任务调度效率更佳.仿真实现了该算法,并通过实验数据证明了该算法的优越性.     

基于双因素方差分析的推荐算法*

提出一种新的基于双因素方差分析的推荐算法DFAR.该方法基于成熟的统计学模型,简单易理解,具有很好的鲁棒性.实验结果证明,该算法相比传统的项目协作过滤算法取得了更好的推荐效果,并大大节省了算法所需要的空间.     

基于群体动力学的协同过滤算法及应用

针对传统协同过滤算法稀疏矩阵和推荐精度不高的问题,根据一种社会心理学模型提出了基于群体动力学的协同过滤算法.该算法综合考虑了个体因素和环境因素对用户评分行为的影响,以此来调整传统的评分预测方法,然后为用户进行推荐.实验结果表明,该算法可以明显地提高推荐的精确度,有效地缓解稀疏矩阵问题;同时该算法还可以有效减少积累误差.最后将该算法成功运用在西安景点的推荐服务上.     

利用KNN算法实现基于系统调用的入侵检测技术

该算法来自一种文本分类算法-KNN算法,文中给出了用该算法实现的入侵检测系统模型.利用该算法实现的基于系统调用的异常入侵检测系统,克服了传统基于系统调用入侵检测方法的缺陷,实验结果体现了该方法的有效性和检测的高效性。     

RGIA算法的QR分解实现

提出递推辨识算法一般形式(简称RGIA)的QR分解实现方法,并推导出相应的基 于HOUSEHOLDER变换的快速递推算法.该算法可用于各种递推辨识算法中,以减小增益 矩阵计算的误差积累和传递,提高辨识精度,同时减少了计算所需的运算量.数值仿真结果表 明该算法是正确的.     

一类双线性系统的广义预测控制研究

双线性模型预测控制的研究表明,采用一般双线性模型的预测控制将涉及非线性优化问题,在线处理相当困难,而采用线性近似模型的预测控制又会带来较大的偏差.针对一类输入一输出双线性系统,提出了一种双线性系统的广义预测控制算法.该算法将基于输入-输出模型双线性系统中的双线性项和线性项合并,建立了一种类似于线性系统的ARIMA模型,并充分利用多步最优预测信息,由递推近似实现多步预测.控制律具有解析形式,避免了一般非线性寻优的复杂计算,并能适用于非最小相位双线性系统.仿真实验表明该算法具有良好的控制效果.     

基于广义预测控制的VAV空调系统风管静压控制特性研究

基于广义预测控制理论,建立了VAV空调系统风管静压的预测控制模型并进行了仿真。仿真结果表明,该算法控制效果优于传统PID,为VAV空调系统的应用与推广提供了新的控制方法,从而使系统性能更好,更加节能。     

特征结构下多变量预测控制系统的闭环反馈结构及其应用

文献[1]把多变量频域设计方法和单变量预测控制结合起来,提出了在特征结构下的多变量预测控制算法。本文在此基础上提出了特征结构下多变量预测控制系统的闭环反馈结构。利用此反馈结构不仅可有效地减少多变量预测控制算法的计算量及所需的存贮空间,而且还可以方便地判别此类预测控制系统的闭环稳定性。文中以火力发电厂中带汽-汽换热器的20万千瓦火电机组汽温系统为例进行了预测控制的仿真,仿真结果表明,用本文所提出方法设计的多变量预测控制系统,具有良好的控制效果。     

基于RBF神经网络的改进多变量预测控制

针对一类多输入多输出非线性被控对象,提出一种基于单神经网络的预测控制算法,应用RBF神经网络对非线性系统进行辨识,并计算被控系统多步预测输出值.该方法通过对传统预测目标函数加以改进,给出一种带微分项的多步预测目标函数,通过迭代寻优实时给出优化控制量.该方法实时性好,简化了传统预测控制算法,加快了滚动寻优的速度,有效地抑制了系统惯性和输入时滞所带来的超调,减小了模型误差、干扰及不确定性对控制器的影响.仿真及应用结果表明了该方法的有效性.     

基于人工神经网络预测控制的交通信号调度

在传统的交通信号控制中,信号的变化周期一般是固定的,由于车流量随时间的不确定性,引起了道路负荷的不均衡,容易造成道路拥塞或闲置现象。对基于人工神经网络的预测控制算法进行介绍。根据预测结果对整个路况进行决策判断,实现交通灯信号周期的自适应调节,从而实现交通流量的负荷均衡。根据城市交通系统的特点,设计一个基于神经网络的单个交叉路口的交通灯预测控制系统,得出相关不同时间段内的交通灯控制周期。分析表明,该方法能有效提高车辆通行效率,增强道路的吞吐能力。     

基于改进型Elman网络的锅炉预测控制算法研究

针对锅炉燃烧系统非线性、多变量、大延时、强耦合等特点,将预测控制和改进型Elman神经网络相结合,提出了一种基于改进型Elman网络的预测控制算法.该算法可以克服传统PID控制方法对多变量对象控制效果差、抗干扰能力弱等缺点.选取链条炉燃烧系统作为研究对象,仿真结果表明:该算法具良好的控制效果和较强的抗干扰能力.     

基于ANN的非线性系统GPC算法及仿真研究

将神经网络（ANN）技术应用于常规GPC算法，设计了基于ANN的非线性系统GPC结构方案，并对其控制原理和控制算法进行研究,基于ANN高度非线性映射等特性，运用数字仿真方法，对所设计的控制结构方案进行仿真研究,仿真结果显示，基于ANN的非线性系统GPC结构方案合理可行，并取得了满意的控制效果．     

一种新的预测控制算法：模糊预测控制算法*

将模糊控制与预测控制相结合，提出了一种基于被控对象一般形式的时间离散模型的模糊预测控制算法，并对控制算法的有效性进行了分析，仿真研究结果表明，该模糊预测控制算法既适用于线性对象，也可用于非线性对象的控制。     

冷连轧机张力系统的预测函数控制

预测函数控制是一种控制量计算方程简单，实时控制效果好的新型预测控制算法，可以处理不稳定，时滞，带约束等系统，尤其适用于快速系统的控制。本文将预测函数控制用于冷连轧机张力控制系统中，分析了系统的鲁棒性，稳定性和快速性，仿真结果表现预测函数控制具有良好的控制性能。     

多变量双线性广义预测极点配置自校正解耦控制器（续）

对一类多变量双线性系统提出了一种基于预测状态空间实现的GPP自校正控制算法,建立了预测状态与模型结构参数和输入输出信息之间的直接关系,给出了含有多个加权矩阵的多变量二次型性能指标。增加了系统设计的自由度。由于加权因子可以根据闭环系统稳定性要求以及系统动态特性、前馈零点增补、输出滤波和跟踪要求分别加以选取,可以保证闭环系统稳定并改善了系统动态特性增强了鲁棒性,仿真结果表明了该算法具有GPP的诸多优点。