一种前向型神经网络基准地价预测模型的研究

土地是国家重要资产,对地价的全面监测、分析和预测,有助于城市基准地价的快速更新和政府对土地资源的宏观控制。现阶段基准地价水平调整的预测模型有明显的不足。应用一种非线性预测方法:多层前向神经网络建立基准地价预测模型,采用时间预测序列。在介绍误差反向修正算法的基础上,通过预测实例计算,表明预测结果与实际情况吻合较好     

循环流化床锅炉煤灰成分对其磨耗特性的影响

采用静态燃烧加冷态振筛磨耗方法对4种煤灰的磨耗速率常数进行了测量，发现同类煤灰的磨耗速率常数随其粒径的增加呈指数衰减的规律, 而相同粒径的不同煤灰的磨耗速率常数不同。通过分析煤灰组分，认为煤灰成分差异是造成这一现象的主要原因。基于煤灰成分主要由偏高岭土、石英、氧化铁和氧化钙组成的假设，采用灰色关联和神经网络分析了煤灰主要成分对磨耗速率常数的影响以及趋势，认为氧化钙、氧化铁以及偏高岭土含量的增加能够增大煤灰的磨耗速率常数，而煤灰的磨耗速率常数随氧化硅含量的增加而降低。     

基于神经网络观测器的水下拖体输出反馈姿态控制

针对水下拖体俯仰姿态控制系统设计时无法精确建模、模型具有强烈非线性和不确定性以及不可测外界干扰和角速度等问题,设计了一种基于观测器的补偿控制系统。该系统中两个神经网络独立对动态非线性模型进行在线辨识,分别配合状态观测器和补偿滑模控制器完成对系统状态变量的实时观测与补偿控制。在观测器中加入鲁棒项抑制附加干扰,设计了两种自适应权值更新律以及一种映射修正自适应律以保证系统的稳定性。经Lyapunov理论证明,在满足一定条件下,系统的观测与控制误差均为最终一致有界。仿真和实验结果表明,所设计的补偿控制系统具有良好的自适应性和鲁棒性。     

地基多通道微波辐射计反演大气温、湿廓线的试验研究

利用以北京南郊观测场TP/WVP-3000地基微波辐射计的观测亮温和对应的L波段探空温、湿廓线作为3层BP神经网络算法的训练样本的输入和输出数据,在不同天气条件(晴天、云天无雨)和不同季节(夏、秋)情况下组建训练样本集对BP神经网络进行训练,以探空廓线为标准,考察独立测试样本的计算精度,结果发现:(1)研究构建的BP网络的计算精度明显优于地基微波辐射计自带的网络算法(BP-mp);(2)对训练样本进行分类处理后所构建的网络,其反演精度有所下降,因此不必要对样本进行过细的分类;(3)对于大气廓线的反演,按季节划分比按天气条件划分更有意义。可见,优质的训练样本、合理的网络结构和计算方法、足够多的训练样本数量是提高BP神经网络的泛化能力和反演精度的必要条件。     

BP神经网络在机器人运动轨迹规划中的应用

介绍了BP神经网络及其学习规则，将Matlab软件与BP神经网络工具箱相结合，运用到了机器人轨迹规划中，仿真实验证明了BP网络能够解决机器人运动轨迹规划中的某些问题。     

具有未建模动态的自适应神经网络动态面控制

对一类具有未建模动态的严格反馈非线性系统,提出一种自适应神经网络动态面控制方案.该方案将动态面控制方法扩展到具有未建模动态的严格反馈非线性系统的控制器设计中,拓展了动态面控制方法的应用范围.利用动态面控制方法引入的紧集来处理未建模动态对于系统的影响.利用Young's不等式,提出两种自适应参数调节方案.与现有研究结果相比,有效地减少了可调参数的数目,放宽了动态不确定性的假设,无需虚拟控制增益系数导数的信息.通过理论分析,证明了闭环控制系统是半全局一致终结有界的,且跟踪误差收敛到原点的一个小邻域内.     

基于神经网络的分布式被动传感器信息融合技术

在分布式被动传感器信息融合中,存在多传感器信息关联和单传感器目标估计困难,二者相互 依赖和制约,造成相对于不同传感器的信息难于进行时空对准、虚假目标不能消除。为此,应用一种混合式有序分层信息融合结构,避免多传感器信息的多重组合问题,建立了基于两个传感器的信息关联与目标估计联合优化模型,并采取一种优化神经网络算法,避免关联中的组合计算。仿真计算结果表明,这种信息融合结构、优化模型和模拟神经网络的应用是解决被动信息融合系统中关联和估计问题的一种有效方法,所采用的Hopfield型神经网络易于实现,可以提高信息融合的性能。     

欠驱动水面无人艇鲁棒自适应位置跟踪控制

为解决考虑参数不确定的欠驱动水面无人艇(USV)在恒定海流干扰下水平面位置跟踪问题,提出一种欠驱动USV神经网络自适应位置跟踪控制策略。基于反步法设计了一种非线性控制器,采用动态面方法获取虚拟变量的导数,减小了虚拟变量直接求导的复杂性;针对欠驱动USV参数不确定问题,运用神经网络自适应方法对USV系统不确定函数进行逼近,克服了欠驱动USV参数不确定难题;设计一种指数收敛海流观测器,有效地估计了恒定海流速度。通过李雅普诺夫稳定性理论证明了该闭环控制系统的稳定性;同时仿真验证了该控制策略的有效性和鲁棒性。     

基于分布式并行伪谱-神经网络算法的双脉冲导弹多阶段协同轨迹优化

为求解双脉冲导弹多阶段协同轨迹规划问题,并考虑将分离的发动机壳体投送至安全区域,提出一种基于高斯伪谱法和人工神经网络的分布式并行算法。针对双脉冲导弹两级脉冲的工作特点,将全弹道划分为发射段、爬升段、续航段和制导攻击段4个阶段;为预测分离发动机壳体的落点位置,建立射程预测函数,并利用人工神经网络对该函数进行离线拟合,以提高预测速度;在分布式并行算法中各导弹并行独立求解最优轨迹,并引入飞行时间下界约束保证导弹飞行时间一致性。通过两个仿真算例,将该分布式并行算法与集中式算法进行了比较,仿真结果表明,所提的分布式并行算法对于求解双脉冲导弹多阶段协同轨迹规划问题可得到更优的性能指标,以及更高的求解效率。