基于小波神经网络的电梯交通流预测

小波神经网络随着输入维数的增加,网络参数将呈指数倍增加,导致收敛速度下降.在研究统计学理论的基础上,提出了以结构风险最小化为目标的训练方法.该方法最大限度地保证了网络的泛化能力.将该网络应用于电梯交通流的预测,得到了比传统BP神经网络更优的效果.  

不确定时滞分布参数系统的滑动模控制

本文研究一类不确定时滞分布参数系统的滑动模控制问题，设计了滑动模控制器，分析了在滑动模切换面上滑动模控制系统关于不确定量的不变性特征。  

神经网络的滞后同步及其在保密通信中的应用*

针对参数不同、结构不同的带离散与分布时滞的混沌神经网络进行了研究。基于Lyapunov稳定性理论，提出了自适应滞后同步的控制方法，最后达到同步。仿真示例验证了本方案的有效性;同时应用于计算机保密通信可以掩盖有用信号，且可以无失真恢复有用信号。  

基于防碰撞的移动SAN对分布参数系统的控制

在考虑移动执行器动力学行为和防碰撞的条件下，研究在控制分布参数系统过程中执行器的移动策略。移动传感-执行器网络中的传感器对分布参数系统进行测量，由执行器对空间分布过程执行相应的控制信号以控制分布参数系统。基于Lyapunov稳定性理论，对每个执行器设计一种新的移动策略，实现每个移动执行器对分布参数系统的协同控制，并保证各移动执行器之间不会发生碰撞。仿真实例表明了所提出方法的有效性。  

状态量化的非线性网络化系统的H_∞控制

鉴于网络数字通信的特点,研究非线性网络化系统的状态量化反馈H_∞控制问题.首先,同时考虑到网络的诱导时延、数据丢包和信号量化,建立闭环系统的采样模型;然后,结合区间时滞分割法,将其转化为状态中附加两个时滞变量的分段连续模糊系统;再利用时滞系统方法和对数量化器的扇形界格式,对闭环模糊系统进行了H_∞性能分析和H_∞控制器综合;最后,通过仿真例子验证了所提方法的可行性.  

时滞网络控制系统的模糊控制及稳定性分析

针对网络控制系统(Networked Control Systems,NCSs)中存在的时延问题,给出一种新的网络控制系统的建模方法——离散模糊T-S模型,利用此模型去逼近非线性网络控制系统,并在此模型的基础上应用平行分布补偿原理(Paral-lel Distributed Compensation,PDC)设计控制器。同时提出一种新的根据时延长短确定模糊控制系统隶属函数的方法,最后利用Lyapunov定理和线性矩阵不等式方法分析系统的稳定性,并通过实例仿真验证该控制方法的有效性。  

基于HsMM的系统在线故障预报

针对故障预报中系统剩余寿命难以精确估计的问题,提出基于隐半马尔可夫模型(HsMM)的系统在线故障预报方法.首先重新设计HsMM模型结构,利用模糊c均值聚类(FCM)方法化连续取值的系统输入输出变量为有限集合内取值,简化了建模计算过程.在实现对故障检测的同时,利用模型的状态驻留参数估计系统的剩余寿命,从而实现系统的故障预报.利用连续搅拌反应釜(CSTR)模型进行仿真验证,在输入输出数据含有噪声的情况下,较准确地估计,系统的剩余寿命,从向表明了方法的有效性.  

决策表连续属性离散化的一种方法

提出了一种基于区间数据分布特征的决策表连续属性离散化的方法。方法在断点的选择上考虑了属性值的出现频率,在区间内的一致性和区间之间的差异性基础上,利用条件信息量作为反馈信息合并区间。通过实验分析表明了算法的有效性,能保持决策表较高的分类能力,提高约简效率。  

基于小波神经网络的污水处理厂出水水质预测

在分析传统污水处理厂出水水质预测方法的基础上,提出一种核主元分析和小波神经网洛相结合的预测新方法。首先利用核主元分析实现输入变量的降维和去相关,然后运用小波神经网络建立预测模型。采用统计学理论的中的结构风险最小化原则为目标来训练网络的结构,采用自适应正交最小二乘法来训练网络权值,该方法最大限度地保证了网络的泛化能力。实验结果表明,该预测模型具有预测精度高,使用方便等优点。  

不确定非线性网络化系统的鲁棒H∞控制

用T-S(Takagi-Sugeno)模糊方法研究了带有参数不确定的非线性网络化系统的鲁棒控制. 首先, 考虑到诱导时延和数据丢包等网络因素的影响, 基于事件驱动的保持器的更新序列建立闭环反馈系统的采样模型, 并将其转化为状态中附加两个时滞变量的连续T-S模糊系统. 然后, 利用时滞系统方法, 分析不确定闭环模糊系统的鲁棒H∞性能, 并设计相应的鲁棒H∞模糊控制器. 最后, 仿真例子表明了方法的有效性.