分类器的分类性能评价指标

通过具体应用实例,指出目前普遍使用的正确率和错误率评价指标在不平衡数据集、语义相关多分、不同错分代价等分类问题中评价分类器性能时存在的缺陷。为了解决这一问题,根据具体问题的不同,提出了综合使用查准率、查全率、漏检率、误检率、F-measure和分类代价矩阵、损失函数等新的分类器性能评价指标。通过实验证明,新的分类评价指标确实能很好的适应不平衡数据集、语义相关多分、不同错分代价等分类问题的分类器性能评价。     

具备目标重定向能力的自适应再入制导律

将再入弹道跟踪问题转化为再入弹道状态调节问题,得到了一个LTV系统最优控制问题,在此基础上,利用基于伪谱算法的最优反馈控制算法,设计了一种便于在线实现的自适应鲁棒再入制导律.仿真结果表明该制导律在改变参考轨迹后依然能够较好地跟踪新的参考弹道,具备较好的动态性能和再入制导精度,而且不需要显示积分和显示增益调度.     

火箭亚跨超声速气动特性数值研究

为研究不同攻角、马赫数下火箭的气动特性,采用有限体积法,对某型火箭在亚跨超声速来流条件下的流场进行了数值模拟,给出了阻力系数、升力系数、俯仰力矩系数、升阻比以及压力中心随攻角、马赫数的变化规律,结果表明:小攻角和大攻角条件下,阻力系数、升力系数、俯仰力矩系数和压力中心随攻角表现出不同的特性,且与马赫数也有很大关系;不同马赫数下,升阻比最大值基本在22°～26°攻角范围内取得。     

电液伺服结构加载系统的神经网络直接自适应输出跟踪控制

本文利用神经网络的学习能力和非线性映射能力研究了电液加载系统的神经网络直接自适应输出跟踪控制方法，控制器是由一个具有反馈动力学的多层前馈神经网络及其学习算法组成。该控制器不需要被控对象的先验知识，也不依赖于被控对象的辨识模型，能快速跟踪对象的动力学行为，具有良好的自适应性和动态输出跟踪响应性能。     

神经网络在线自学习跟踪控制及其在伺服系统中的应用

针对传统自适应和自校正控制中存在的问题，提出一种基于神经网络的在线自学习控制方法，既做到了对象模型的在线辨识和控制器的在线设计，又避免了神经网络控制方法通常存在的实时控制的困难，使复杂系统的在线学习控制成为可能。仿真表明该方法具有良好的鲁棒性和控制精度。     

电液振动台自适应Fuzzy-PI控制器的设计

在离心加速度和振动和振动复合环境中,用于结构振动试验的电液伺服系统是一个时变耦合的非稳定性系统。本文考虑了上述因素,提出了自适应Ｆｕｚｚｙ－ＰＩ控制方法,控制参数可由自适应Ｆｕｚｚｙ－ＰＩ构件进行动态调整,采用模糊法则及ＣＲＩ推理确定参数。本文介绍了控制器的设计方法,并给出了正弦振动加载试验的结果。结果表明控制器较高的稳态精度,动态特性好,自适应能力强。     

基于双环串联自适应模型跟随控制的正弦振动控制系统

本文针对目前各种正弦振动控制系统在使用过程中都需要调节控制参数的缺陷，提出了一种基于双环串联自适应模型跟随控制的正弦振动控制系统。该系统采用自适应模型跟随控制算法、软件幅值检测和数字式扫频正弦信号发生器。系统所有控制参数均在安装时一次性确定，无需用户在使用过程中进行任何调节，大大方便了用户的操作使用，提高了环境试验的安全性。同时，该系统与已有的各种正弦振动控制系统相比，还具有控制精度高、鲁棒性强、算法移植和升级方便等优点。     

基于不确定性推理原理的机组振动信息融合技术

利用Ｄ－Ｓ证据推理理论对不确定性结构振动进行融合推理,给出了传感器特征信息融合算法和决策融合算法。并结合发电机组地基的振动控制问题,对传感器的特征信息进行融合,得到了控制的决策信息值,为抑制大型发电机组地基的振动提供了依据。     

神经网络在线学习模糊自适应控制及其应用

基于反馈误差学习法,提出了一种神经网络在线学习模糊自适应控制结构。利用模糊推理机产生的分目标学习误差训练神经网络,避免了控制器的输出产生振荡或进入饱和状态。工程应用表明,该方法将模糊推理引入神经网络学习中,可有效地提高系统的控制品质。     

基于神经网络的电机状态监测与早期故障诊断

基于定子不平衡电流的在线检测，探讨了联想记忆神经网络在电机故障诊断中的应用，模拟试验证实了该方法的有效性，为电机故障的在线监测与早期诊断提供了一条新的有效途径。