蚁群聚类算法的T-S模糊模型辨识

基于T-S模型,提出一种非线性系统的模型辨识方法。利用蚁群聚类算法来进行结构辨识,确定系统的模糊空间和模糊规则数。在聚类的基础上,利用遗传算法辨识模糊模型的后件加权参数,得到一个精确的模糊模型,从而实现参数辨识。仿真结果验证了该方法的有效性,表明该方法能够实现非线性系统的辨识,辨识精度高,可当作复杂系统建模的一种有效手段。     

一种制动机气缸压力控制方法

为实现对具有非线性、时变和滞后等特性的机车制动系统的制动气缸的精确控制,提出一种气缸压力控制方法;该方法利用模糊控制领域的T-S模糊建模方法对容积室压力控制进行精确建模,通过BP算法学习得到系统的参数,利用模糊C平均聚类方法初始化模型的前件参数,采用带遗忘因子的递推最小二乘法在线修正模型的后件参数;得到系统精确的模型后再运用预测控制领域中基于模型的广义预测控制算法,实现对制动机气缸压力的精确控制;实际应用结果表明,该方法具有控制响应速度快、超调量小、自适应能力强、控制稳定等优点。     

基于特征建模的连续体机械臂自适应鲁棒控制技术研究

针对连续体机械臂动力学建模困难,控制难度大的问题,使用特征建模的方法,用简化等价的特征模型设计了自适应鲁棒控制器。首先,通过对机械臂系统进行分析,使用特征建模得到等价的动力学模型,然后采用递推最小二乘法进行参数辨识,得到该特征模型的特征参数,最后,利用模型与辨识得到的参数设计了一种结合滑模控制的自适应控制器。通过仿真实验对本文方法与传统PID方法进行对比,仿真结果表明,本文的方法对于末端角度控制的跟踪精度高,同时对于末端扰动有着良好的自适应能力和鲁棒性。     

基于GEP算法的高阶常微分方程预测模型

针对动态系统预测建模中建模效率低,无显式模型的缺陷。提出一种基于基因表达式编程（GEP）的高阶常微分方程预测模型（GEP-HODE）。将一维数据的变化特性使用高阶微分进行表示,通过GEP对高阶微分数据进行建模,得到显式模型。对高阶常微分方程模型进行降阶处理,使用数值方法进行求解,得到预测值。该方法利用了GEP算法“基因型-表现型”的编码特性,实现了模型建立与参数优化的同步,大幅度提升建模效率。以太阳黑子年平均数作为实验数据建模预测,结果表明,该方法相比GP混合建模方法有更高的效率,相比混合BP神经网络模型等方法有更好的精度。     

直流电机双闭环调速系统(DLM)的建模与辨识

运用特征分析和“类等效”建模的方法, 把直流电机双闭环调速系统的模型, 简化成一个简单的具有非线性特性的状态空间模型. 进而提出了通过实测系统的转速响应, 利用改进的遗传算法对该模型参数进行精确辨识的方法. 为检验方法的有效性, 对该模型和常用模型进行了对比性验证实验. 实验结果表明由此建模和参数辨识方法建立的模型结构合理, 参数辨识精度高, 可以很好的替代实际调速系统进行系统的设计.     

基于照片的混合建模系统几何模型求解原理研究

为了快速精确地建立建筑实体的三维模型,提出了一种混合建模系统中的单目视觉求解算法,该方法从二维图片数据中提取三维实体的边缘轮廓,并咐加约束条件,以构造三维实体的空间参数约束方程,然后通过求解得到实体的空间坐标参数,再利用纹理提取及转换等技术,来实现从照片到计算机中三维真实感实体的创建。实验表明,该求解模型建模效率高、实用性强,能够用于大多数建筑实体的建模。     

基于进化计算的兴趣建模

为实现对个体的兴趣建模,提出基于进化计算的建模(Evolutionary Computation Based Modeling,ECBM)方法。该方法采用定性和定量相结合的方式对个体的兴趣系统进行建模,首先通过定性分析构建个体的兴趣模型框架,然后通过进化计算(Evolutionary Computation)方法对模型参数自动进化。实验结果表明,ECBM能够通过数据驱动模式优化模型参数,并利用更新信息进化模型,使其不断逼近真实系统。     

基于误差补偿模型的工艺参数优化研究

复杂系统或过程参数优化问题往往采用建模发现其潜在规律,再通过优化方法利用该规律获取最佳工艺参数。而建模误差的存在,往往使优化解与实际最佳工艺参数存在差距,难以获得理想性能。为此提出一种基于误差补偿模型的优化决策方法,通过分析并选取影响建模误差的因素,构建误差补偿模型,修正模型,提高决策性能。首先,从数据挖掘角度建立复杂工艺近似模型,并分析影响建模误差的主要因素;其次,以训练误差为导师信号,利用BP网络建立影响因素与建模误差之间的函数关系,确定误差补偿函数;最后,将近似模型与补偿函数叠加作为最终的工艺模型。数学仿真与电路系统优化实验结果表明:误差补偿后,仿真模型得到的优化函数最优值相对误差降低9.63%,而电路系统中决策参数的超调量下降2.17%。可见,补偿模型优化参数控制效果优于近似模型,验证了所提方法对于提高工艺参数优化决策性能有效性。     

基于C-R模糊模型的广义预测控制算法

该文对非线性系统的建模采用Cao-Ress(C-R)模糊模型，并用卡尔曼滤波算法在线辨识模糊模型的结论参数，从而减少了参数辨识的数量和避免了矩阵的求逆运算，然后在每一个采样点对该系统进行局部动态线性化，根据得到的系统线性化模型对系统采取广义预测控制(GPC)方法得到当前的控制动作。仿真结果表明了该方法的有效性。     

非线性动态系统建模方法研究

讨论了一类非线性动态系统建模的新方法。首先,假设原非线性动态系统可以用Hammerstein模型来表示。然后,将Hammerstein模型的非线性传递函数转换为等价的线性形式,从而建立起中间模型。接下来,利用粒子群优化（Particle Swarm Optimization,PSO）算法辨识出中间模型参数。最后,通过中间模型参数与Hammerstein模型参数之间的关系,推出非线性静态环节和线性动态环节的参数,从而实现原非线性动态系统建模。为了进一步增强建模的性能,提出了利用一种改进的粒子群优化（Improved Particle Swarm Optimization,IPSO）算法。仿真结果说明了该方法的合理性和有效性。     

基于粒子群和支持向量机为青霉素发酵建模

针对支持向量机发酵建模中,选择重要建模参数值的问题,提出利用全局搜索能力较强的粒子群优化算法,优化调整支持向量机建模过程中的重要参数,每一个粒子的位置向量对应一组支持向量机建模的参数。参数不断优化后,得到拟合预测效果较优的模型,预测青霉素发酵过程。仿真结果表明,该方法能使模型的预测效果较好。     

分布参数系统的时空ARX建模及预测控制

本文针对一类可由抛物型偏微分方程描述的分布参数系统,研究了一种基于输入输出数据的建模与控制方法.首先利用Karhunen-Loève（K-L）分解提取系统的一组主导空间基函数,并以此对系统输出进行时空分解,随后由时空分解得到的时间系数部分以及系统激励构成输入输出信息,利用最小二乘法辨识出时域ARX模型,最后针对该模型设计了广义预测控制器.仿真结果表明,上述控制方法能够对分布参数系统取得良好的控制效果.     

STC-OFDM系统中的信道估计算法

针对稀疏信道特性的STC-OFDM系统,提出一种基于参数模型的导频信道估计方法。利用最小二乘算法估计出导频所在位置的频率响应,用时间平均相关代替统计平均相关,得到信道相关矩阵的估计值。通过基于特征值分解的低秩建模,估计出信道的多径数目,利用旋转不变子空间方法估计出各个延迟的时间参数,在频率和时间域上插值平滑得到信道的频率响应。该方法不需要已知信道的先验信息,仿真结果证明了该方法的有效性。     

机场视景模型参数化建模方法研究

随着计算机虚拟现实和视景仿真技术的发展与完善,用于提高视景的逼真度和视觉效果的技术在飞行模拟机视景仿真中已得到广泛的应用。但是,基于Multigen Creator等3D建模软件构建机场模型的缺点日益凸显:人工收集机场数据、手工绘制机场拓扑图的建模方法耗时、费力、效率低、缺乏灵活性和可复用性。针对这些问题,结合机场路网结构的特点,将参数化的思想引入到机场路网三维建模过程中,提出了一种基于交通拓扑约束的机场路网参数化三维建模方法,设计并实现了基于该方法的用于视景的机场路网模型参数化建模系统。该系统已成功应用到机场模型建模工作中,建模速度较之传统方法有了显著的提高,而且制作出来的模型可以复用,系统在稳定性、可扩展性和可移植性方面表现出色,并具有很强的真实感和沉浸感。     

基于APSO—LSSVM的软测量建模研究

针对最小二乘支持向量机在生化过程建模中的重要建模参数值选择问题,提出利用具有较强的全局搜索能力的自适应粒子群（APSO）优化算法,对最小二乘支持向量机建模过程中的重要参数进行优化调整,每一个粒子的位置向量对应一组最小二乘支持向量机建模的参数。利用参数优化调整后得到的具有较优拟和预测效果的模型对谷氨酸发酵过程进行预测,仿真结果表明该方法能使模型取得较好的预测效果。     

基于粒子滤波的OFDM盲信道估计方法

为了精确估计OFDM系统信道响应,提出一种基于粒子滤波的OFDM信道盲估计方法。该方法将OFDM信道建模为一阶时变自回归模型。利用基于子空间分解的方法得到初始信道响应,通过带反馈的粒子滤波方法更新信道响应和模型参数,实现对OFDM信道的估计。仿真结果表明,该方法不仅能对非时变信道进行有效估计,而且可以较好地跟踪时变信道,算法能够快速收敛。     

基于在线聚类的模糊建模方法及其应用

针对复杂非线性动态系统的模糊建模问题,提出了一种基于在线聚类的模糊建模方法。该方法首先采用在线聚类算法辨识T-S模型的前提参数,然后采用递推最小二乘算法辨识结论参数。根据系统过程中新的数据信息,模糊规则可以自动增加、修改和删除,实现了模型结构和参数的在线辨识和更新。最后将提出的方法应用于Box-Jenkin煤气炉建模和二自由度机器人建模两个例子。仿真结果表明,基于该方法辨识的T-S模糊模型具有很高的精度,而且模型结构简单、建模速度快,便于工程应用。     

基于特征选择和协同模糊聚类的模糊建模研究

为了提高模糊模型辨识效率,提出了一种新的模糊模型建摸方法,该方法由两步组成：（1）采用基于特征相似性的特征选择方法,去除原始数据的冗余;（2）利用协同模糊聚类与G-K相结合的算法初始化模糊模型,使其前件和后件参数得到优化。采用该算法对有效的特征进行协同模糊聚类,模型参数得到改善,提高了模糊模型辨识的效率。模糊建模的实验结果表明了该方法的有效性。     

基于神经元网络模型的系统参数优化设计方法

介绍了一种应用神经元网络建模仿真的系统参数优化设计方法．采用正交试验设计 法准备训练数据，采用BP网络对试验数据建模．利用网络模型仿真正交试验得到各参数对性 能指标的影响曲线，通过直观分析可对系统参数组合进行优化设计．将该方法用于某化工产 品得到优化配方，经试验证实了它的实际应用意义．     

基于PSO和LSSVM的生化过程建模研究

针对最小二乘支持向量机(LSSVM)在生化过程建模中的重要建模参数值选择问题.提出利用具有较强的全局搜索能力的粒子群(PSO)优化算法.对最小二乘支持向量机建模过程中的重要参数进行优化调整,每一个粒子的位置向量对应一组最小二乘支持向量机建模的参数.利用参数优化调整后得到的具有较优拟合预测效果的模型对谷氨酸发酵过程进行预测,仿真结果表明,该方法能使模型取得较好的预测效果.