基于函数链神经网络的非线性系统稳态模型辨识及应用

利用函数链神经网络的非线性映射能力和快速收敛特性，将良好的推广能对视为网络评价函数的约束条件，以改善网络的泛化特性，提高系统的稳态辨识精度，仿真和实际应用结果表明，具有收敛快，辨识精度高，所需样本少等优点。该方法在SO3磺化过程非线性系统建模中得到应用。     

基于函数链神经网络的非线性系统稳态模型辨识及应用

利用函数链神经网络的非线性映射能力和快速收敛特性，将良好的推广能力视为网络评价函数的约束条件，以改善网络的泛化特性，提高系统的稳态辨识精度，仿真和实际应用结果表明，具有收敛快，辨识精度高，所需样本少等优点。该方法在ＳＯ３磺化过程非线性系统建模中得到应用。     

基于积分型切换函数的自适应神经网络控制

针对一类具有未知函数控制增益的非线性系统,利用RBF神经网络的逼近能力,依据滑模控制原理,提出了一种直接自适应神经网络控制器设计新方案。通过引入积分型切换函数及逼近误差自适应补偿项,监督控制用饱和函数代替符号函数,根据李雅普诺夫稳定性理论,证明了闭环系统是全局稳定的,跟踪误差收敛到零。该算法应用于连续搅拌型化学反应器CSTR（Continuous Stirred Tank Reactor）,仿真结果显示,该算法能很好地使CSTR跟踪给定的温度信号,表明了该控制策略的有效性。     

函数链神经网络的性能改进

函数链网络（Ｆｕｎｃｔｉｏｎａｌ Ｌｉｎｋ Ｎｅｔｗｏｒｋ－ＦＬＮ）通过对向量（或模式）的非线性扩展,将非线性照射特性引入了单层神经网络,采用δ学习规则获得了快速的学习和非线性映射特性。文中在ＦＬＮ基础上,借助凸集优化思想,利用最陡梯度下降技术获得了比ＦＬＮ更高的存储容量和更快速的学习速度。计算机模拟的结果证实了所提的算法性能。     

基于函数链神经网络的管道煤气流量计量系统

在管道煤气计量系统测量中引入了管道煤气相对湿度修正,并对采用湿度传感器转换相对湿度信号,利用函数链神经网络对管道煤气工况温度下所对应的水蒸汽饱和压力进行了拟合,得到了基于函数链神经网络的管道煤气流量计量模型和在线计量系统,从而可以大大简化管道煤气流量计量软件,在流量计设计范围内可以快速准确地实现管道煤气流量实时在线计量。实际应用结果表明:该计量系统测量管道煤气流量误差为±0.7%。     

一种利用函数链神经网络的传感器建模新方法

讨论基于函数链神经网络 (FLNN)的传感器建模新方法 ,其结构简单、使用灵活、建模容易 ,易于实时硬件实现。两个算例说明网络的训练和非线性逼近方法 ,显示出网络的自适应能力、学习能力 ,基于FLNN的传感器模型可同时实现温度补偿和非线性校正。实际上 ,利用这种模型可以跟踪补偿环境改变引起的传感器特性的各种变化 ,在测控系统中具有良好的应用前景。     

基于模糊神经网络的模型参考自适应控制

用模糊神经网络作为控制器,依靠参考模型产生理想的控制系统闭环响应,从而随时得到控制系统的输出误差.用梯度法实时修正模糊控制器的输入和输出隶属度参数,得到一种在线模糊自适应控制的新方法.通过倒立摆的仿真实验表明,该方法是可行的并能适应对象特性的大范围变化.     

改进模糊神经网络控制在伺服系统中的应用

稳定跟踪系统中,被控对象呈现出强耦合、非线性现象多和系统参数多且难以辨识的特点。针对传统的PID难以对其进行精确控制的实际情况,提出了一种新的控制方法。通过在神经网络结构中加入递归层而构造的改进的模糊人工神经网络,可以很好地描述动态系统。采用高斯基函数可以使网络具有很好的泛化能力。仿真试验表明,这种模糊人工神经网络和PID联合起来对一类伺服系统进行多模态控制,可以提高系统的自适应性和鲁棒性,有效提高控制精度,具有很高的应用价值。     

基于BP神经网络的非线性函数拟合

该文介绍了神经网络领域中BP神经网络的特点及其算法原理,对BP网络权值的修正规则进行了推导,并对BP网络存在的问题提出了几点改进,在此基础上对一组非线性函数的采样数据进行拟合。实验结果表明,BP神经网络能保证拟合误差在很小的范围之内,说明了其拟合的有效性。     

基于神经网络的非线性系统预测函数控制

针对离散非线性系统,利用神经网络非线性激励函数的局部线性表示,提出一种可用于非线性过程的神经网络预测函数控制方法并给出了控制律的收敛性分析.该方法将复杂的神经网络非线性预测方程转化成直观而有效的线性形式,同时利用线性预测函数方法求得解析的控制律,避免了复杂的非线性优化求解,仿真结果表明了算法的有效性.     

基于SURF 特征提取和FLANN 搜索的图像匹配算法

针对传统图像匹配算法存在特征信息少和误匹配率高的问题,提出基于SURF 特 征提取和FLANN 搜索的图像匹配算法。通过Hessian 矩阵获取图像局部最值,并使用不同尺寸 特征描述器,同时处理尺度空间多层图像的向量特征,最后采用FLANN 搜索算法进行特征匹 配。试验表明,该算法比传统的图像匹配算法在效果和效率方面都表现得更好。     

一种基于SURF、FLANN和RANSAC算法的图像拼接技术

针对SIFT算法在图像融合中耗时长,维度高的问题,论文设计了一种基于SURF、FLANN和RANSAC三者结合的拼接方法.首先利用SURF算法鲁棒性强、算法复杂度低的优势来进行特征点的检测,凭借FLANN算法可以调整参数来进行精确度的提升的优点来进行特征点的匹配,并与常见的BF算法匹配进行比较;针对其中错误匹配对的存在...     

基于FLANN改进的KNN医疗分类算法

本文通过研究KNN（K-最近邻）算法在疾病预测领域的使用与分析,总结出KNN的2点不足,针对不足进行相应改进并提出F_KNN（循环最近邻搜索）算法：1）针对KNN计算量大、效率低下的缺点,本文采用FLANN（快速最近邻搜索）循环搜索与待测样本距离最近的点,记录若干个最近邻点作为最近邻点子集,利用此子集取代全集对待测样本进行计算,可以降低计算量,极大地提高了KNN算法效率;2）针对KNN难以对高维数据集分类的缺点,本文采用AHP（层次分析法）对样本的特征属性进行相关性研究,使用合适的参数分配权重,提高了KNN算法准确率。本文采用一组脑中风数据集对优化后的算法进行实验,实验结果表明,F_KNN准确率达96.2%。与传统KNN相比,F_KNN提高了分类性能且极大地提高了算法效率。在处理高维且较大的数据集时,F_KNN算法优势明显,具有较好的应用前景。     

基于模糊规则的多模型控制方法在AUV航向控制中的应用

本文研究了基于模糊切换规则的多模型控制方法,通过模糊切换实现了多控制器集的平滑切换,各局部控制器可以采用常规或智能控制规律设计。并在环境干扰条件下,以航向控制为例,对AUV进行航向跟踪,对比基于单一模型下设计的控制器：仿真结果验证了该控制方法具有很好的控制性能和鲁棒性。     

开关电源模糊控制PID的设计和MATLAB仿真研究

本文提出了一种开关电源模糊控制PID的的设计和MATLAB仿真方法。仿真结果表明:具有模糊控制的PID动态响应快、超调量小、负载变化引起输出电压的变化小。     

基于响应函数的模糊控制策略研究

常规P ID控制器对复杂系统而言控制效果往往不是很好,而模糊逻辑无需精确数学模型和离线训练学习。这两种控制方法相结合,就可扬长避短,实现低成本、易维护的在线自适应控制。为此,论文针对非线性系统特点,深入探讨基于模糊逻辑和常规P ID的控制策略。通过实验室仿真实验,分析比较这些控制方法的定值跟踪性能和干扰抑制性能优劣。并以此为基础,建立了一种新的PID型模糊控制策略。通过偏差响应函数,实现了自适应调节相互并联的模糊PID和常规P ID控制回路输出的目的。仿真实验结果表明,该P ID型模糊控制策略定值跟踪性能和干扰抑制性能都得到了保证,取得了较好的控制效果。     

一种基于LS-SVM构造FLANN的热电偶非线性校正方法*

提出一种基于最小二乘支持向量机（LS-SVM）构造函数链接型神经网络（FLANN）的方法,并根据正反馈原理将该FLANN应用於热电偶传感器非线性校正.讨论LS-SVM构造FLANN的基本原理和具体算法,给出了非线性补偿器的数学模型.与常规BP迭代算法构造的FLANN比较,该方法构造的FLANN补偿器具有如下优点：①利用LS-SVM将迭代逼近问题转化为直接求解多元线性方程,因此具有更快的速度;②整个训练过程中有且仅有一个全局极值点,确定了所构造FLANN补偿器的唯一性,提高了补偿精度.最后以Pt-Rh30-Pt-Rh6热电偶（B型）为例进行非线性校正实验,结果验证了上述结论.     

基于非线性模糊滑膜控制算法的多缸液压设备同步控制研究

为满足液压设备多缸同步操作的控制需求,提出一种非线性模糊滑膜控制算法研究。以多缸液压设备的控制特性为基础建模,并获取模型的切换函数；借助液压缸与负载力平衡方程,完成多级液压缸的换级处理,再联合液压设备同步速度计算结果,确定节流缓冲控制条件,实现对设备的同步控制。利用AMESim软件设计仿真实验,得到加速度、速度、位移差三项指标数值,结果显示非线性模糊滑膜控制算法能够更好第控制多缸液压设备的同步操作需求。     

一种基于LS-SVM构造FLANN的热电偶非线性校正方法*

提出一种基于最小二乘支持向量机(LS-SVM)构造函数链接型神经网络(FLANN)的方法,并根据正反馈原理将该FLANN应用於热电偶传感器非线性校正.讨论LS-SVM构造FLANN的基本原理和具体算法,给出了非线性补偿器的数学模型.与常规BP迭代算法构造的FLANN比较,该方法构造的FLANN补偿器具有如下优点:①利用LS-SVM将迭代逼近问题转化为直接求解多元线性方程,因此具有更快的速度;②整个训练过程中有且仅有一个全局极值点,确定了所构造FLANN补偿器的唯一性,提高了补偿精度.最后以Pt-Rh30-Pt-Rh6热电偶(B型)为例进行非线性校正实验,结果验证了上述结论.