改进PSO训练的BPNN方法的舰船主尺度建模

利用改进粒子群优化算法训练的BP神经网络(BPNN)对以航母为代表的大型舰船主尺度进行了回归分析.对粒子群优化算法(PSO)的学习因子进行了关于迭代进程的自适应调整,并将改进后的PSO算法对BPNN训练过程进行优化.利用新型BPNN对典型航母主尺度(总长、总宽、设计水线长、设计水线宽、吃水与满载排水量)进行数学建模,与基于传统多项式回归的结果进行对比分析.结果表明经改进PSO训练的BPNN具有更高的输出精度且具有良好的分段光滑特性,这对于大型舰船方案论证与总体设计可起到重要的指导性作用.     

鸡蛋贮藏时间和新鲜度的电子鼻检测

研制一套适合鸡蛋品质的电子鼻系统,对不同贮藏方式和时间的鸡蛋进行检测,并采用主成分分析(PCA)、线性判别函数分析(LDA)和BP神经网络(BPNN)、遗传优化神经网络(GANN)等进行模式识别.结果发现,不同贮藏时间的鸡蛋所对应的电子鼻传感器响应特性不同.PCA和LDA结果表明,两者都可以较好地区分不同贮藏方式和时间的鸡蛋,采用LDA的效果比PCA的效果好;采用BP神经网络和遗传优化神经网络方法,能较好地预测不同贮藏时间的鸡蛋,其中遗传优化神经网络的判断正确率高于标准BP网络;利用二次回归分析(QPSR)建立鸡蛋新鲜度指标的预测模型,模型的预测值和测试值的相关系数大于0.90.     

基于AFSA-BPNN的MRVM模型非线性融合建模

针对化工过程强非线性和多工况的特性,提出了一种基于BP神经网络(BPNN)有效非线性融合多关联向量机(MRVM)的建模方法.首先选择不同的核函数,采用样本数据建立单一RVM子模型;然后利用BPNN的强非线性拟合能力,对各子模型的预测信息进行非线性融合,并采用人工鱼群算法(AFSA)对BPNN的初始权重和阈值进行优化;最终建立MRVM非线性融合模型.将该建模方法应用于甲醇制烯烃生产过程(MTO)乙烯收率预测研究中,研究结果表明:与单一RVM模型和最优加权组合模型相比,基于MRVM的非线性融合模型具有更佳的预测精度.     

基于BPNN在线学习预测模型的扭矩实时跟踪控制

基于大量的台架试验数据,利用反向传播神经网络(BPNN)设计了燃油喷射在线学习预测模型,结合PID反馈完成扭矩跟踪的实时控制。其中,燃油喷射BPNN预测模型采用一种实时的简化离散模型,模型的阈值可以在线学习更新,具有参数自适应性。台架试验表明,相比于固定参数的BPNN模型,提出的阈值在线学习的BPNN模型具有更高的预测精度;提出的可变阈值VTBPNN预测前馈加PID反馈控制器能够满足扭矩跟踪的实时性需求,并且相比于普通可变参数VPPID控制器,在瞬态工况干扰下鲁棒性更强,跟踪误差更小。     

改进PSO-BPNN的电力变压器故障诊断与模式识别

为了优化反向传播网络相关学习参数,提出一种粒子群优化辅助BP神经网络(BPNN)的新方法.以变压器油中气体体积分数百分比构造故障特征,将BP网络的初始权值和阈值进行实数编码,以对应PSO中的粒子,实现BP网络的离线训练与在线分析,对变压器故障模式做出判断.结果表明,该算法更合理地更新了粒子的位置和速度,最优地设置了全局极值,有效克服了粒子的早熟收敛,获得的故障诊断准确率高达91%,并大大提升了BP网络的收敛速度.该算法为此类设计提供了有效的模型参考.     

基于BP神经网络整定的PID控制及其仿真研究

讨论BP神经网络PID控制,利用BP神经网络的自学习能力实现PID控制参数的在线整定,并使用Matlab软件进行仿真研究.仿真结果表明：基于BP神经网络的PID控制器参数调整简单,具有很高的精度和很强的适应性,可以获得满意的控制效果.     

遗传算法和BP算法相结合进行图像匹配

将神经网络理论应用于图像匹配 ,提出采用遗传学习算法进行全局寻优、利用BP算法进行精确训练、优化BP(backpropagation)神经网络权重学习和训练的神经网络图像匹配算法 .实验表明该算法的收敛性能及学习速度优于传统的BP神经网络图像匹配算法及其他同类改进算法 ,具有寻优的全局性和精确性 .     

基于遗传算法优化神经网络的定位算法

为了减小非视距(Non Line of Sight,NLOS)误差对移动台定位精度的影响,提出一种基于遗传优化后向传播(Back Propagation,BP)神经网络的无线定位算法。先利用遗传算法优化BP神经网络的初始权值,再利用优化后的GA-BP神经网络修正到达时间差(Time Difference Of Arrival,TDOA)测量值,最后使用Chan氏算法确定移动台的位置,以避免由于神经网络初始权值的随机性所带来的网络震荡,克服网络容易陷入局部解的问题。仿真结果表明,新算法能够实现移动台的静态定位,并且性能优于传统BP神经网络与最小二乘(Least Square,LS)算法。     

复杂样本分类系统的FAGABPNN法

针对复杂样本的模式分类问题,提出了有效的因子分析法(FA)、遗传算法(GA)和BP神经网络(BPNN)相结合的FAGABPNN分类方法,基本思想是:首先利用因子分析法对输入样本降维,然后利用遗传算法和BP神经网络相结合的方法对系统进行建模.仿真结果表明,该系统为给复杂样本的分类提供了一条有效的途径.     

基于电性参数和GA-BP神经网络的砂岩孔渗预测

以地表岩性复杂的四川盆地为采样区,基于神经网络可解决电性参数与储层物性参数之间非 线性映射问题的优势性能,讨论低孔低渗致密储层的砂岩孔渗预测方法。 以密度、电阻率和极化率 等电性参数作为网络模型的输入参数,利用遗传算法(GA)对 BP 神经网络(BPNN)的权值和阈值进 行优化,进而建立并训练 GA-BP 神经网络模型。 与传统的多元回归法相比,GA-BP 神经网络模型 的孔渗预测实验结果更优。     

质量控制界限及其优化

以x- R控制图为例,针对现行质量控制中以x-±3σ作为控制图控制界限的方法,通过分析控制图控制界限(Kσ)与两类错误(α和β)发生的概率及损失费用,提出了最优控制界限的观点。建立了两类错误损失费用的数学模型,给出了主要研究过程和最优控制界限(K)的算式。并通过实例对其优化结果和现行"x-±3σ"法的结果进行了比较和分析,说明了本文提出的方法的优化性。在此基础上,对其结果的一般性和优化性做了近一步的讨论和推广。     

控制力矩受限的卫星姿态有限时间鲁棒控制算法

为了解决在卫星姿态控制问题中经典滑模控制器所存在的收敛速度慢、指数收敛的缺陷,同时为增强控制器对外部干扰与系统不确定性的鲁棒性,提出了一种对系统模型具有鲁棒性的快速收敛有限时间控制算法.针对传统滑模面角速度下降过快导致的收敛速率慢的缺陷,基于Lyapunov方法设计了一种具有三段式结构的有限时间滑模面,提升收敛速率并保证稳态精度,同时利用欧拉轴的特性消除有限时间控制中的奇异性问题;通过引入符号函数项,解决系统转动惯量的不确定性与外部干扰力矩问题;通过放缩控制律中的比例项解决控制力矩受限的问题;通过Lyapunov函数证明本文提出的控制律的有限时间稳定性,同时给出系统收敛的时间估计.理论分析与仿真结果均表明,提出的控制算法能够在大幅提升收敛速率的同时保证稳态精度.同时也表明了提升系统性态的关键是规划姿态角速度,即通过合理设计滑模面与期望角速度曲线可以实现提升系统收敛速率与鲁棒性的目的.     

基于模型预测的卫星编队队形机动控制

针对卫星编队队形机动控制推导了一种利用相对平均轨道根数为反馈量的模型预测控制算法。当面质比不同的主从卫星在近地轨道上编队飞行时,大气阻力摄动和J2项摄动是影响编队队形的两个最主要的因素,故先推导了一组包含大气阻力摄动和J2项摄动利用相对平均轨道根数描述的相对动力学方程,然后采用了一种新的基于模型预测的控制算法并讨论了该控制算法在编队飞行队形机动控制中的一些应用问题。该控制算法是一种在线滚动优化控制算法,即使存在各种较大的干扰力和模型的不确定性仍能取得良好的控制效果,且能够较好地解决存在状态约束、控制输入约束等各种约束控制问题。仿真结果表明,该控制算法接近于燃料最优,且能够在各种摄动下把队形机动控制在要求的精度范围内。     

网络化控制系统鲁棒动态矩阵控制

针对前向通道和反馈通道都存在不确定有界长时延的网络控制系统,研究动态矩阵控制(DMC)算法的设计和算法鲁棒稳定性分析问题.首先基于一类线性离散系统的状态空间模型,通过缓冲技术把不确定的有界网络长时延转化为其确定的时延上界,导出当系统通信信道上存在大于一个采样周期的有界随机网络诱导时延时DMC策略的设计方法;其次,利用李雅普诺夫稳定性理论和线性矩阵不等式方法分析该网络化DMC算法的鲁棒稳定性,并将鲁棒稳定性问题转化为求解一类LMI解问题,得到网络化DMC算法鲁棒稳定的充分条件.最后,通过一个对倒立摆模型的仿真实验验证了结论的有效性.     

模糊控制用于位置控制系统

为避免模糊控制理论较复杂的数学概念给工程技术人员带来的困难，本文从模糊控制的一般概念直接进入控制表的编排和调试，并结合实例给出实际系统中的参数。     

基于位置控制的液压操纵负荷系统

从理论上分析了基于位置控制的液压操纵负荷系统的力感模拟原理,阐明了力感模拟效果的影响因素为位置控制回路的带宽、综合刚度及操纵力引起的位置扰动。在理论分析的基础上,借助计算机仿真方法,阐述了根据模拟对象的特性和仿真精度确定位置控制回路的带宽和综合刚度的方法,并提出了设计原则。指出位置控制回路的带宽应等于10倍仿真模型的转折频率,在满足二自由度系统模拟单自由度系统的模拟精度要求下,综合刚度应取3～10倍的液压弹簧刚度。通过时域和频域的计算机仿真证明了本文设计方法的可行性,仿真结果也证明了理论分析的结果是正确的。     

基于鲁棒控制理论的卫星姿态控制

对于三轴角动量飞轮式卫星的姿态控制提出了一种鲁棒控制设计方法.针对挠性卫星中存在的未建模动态以及参数不确定性问题,基于H∞控制理论对姿态控制器进行了设计,通过选取合适的加权函数将姿态控制问题转化为标准H∞控制问题,进而获得所需控制器.并与PID控制器进行了仿真实验对比,仿真结果表明,对于系统中存在的干扰和参数不确定性,H∞控制具有良好的鲁棒稳定性与动态性能.     

鲁棒参数控制方法的谨慎控制律研究

针对实施鲁棒参数控制的过程模型中存在的观测不确定性和模型不确定性,提出了一种谨慎控制律的设计方法.通过概率统计计算,将噪声因素观测误差和回归模型系数估计误差引入控制模型,明确考虑在误差对系统影响的情况下如何对过程参数进行控制.谨慎控制律会根据误差大小确定参数的在线调节幅度,使系统性能在不确定性环境中表现得更一致和健壮.拓展了谨慎控制理论的应用范围,改善了鲁棒参数控制方法在过程存在不确定因素情况下的性能.实例分析表明,上述方法是有效且实用的.     

考虑控制输入受限的卫星姿态控制

研究了刚体卫星在控制输入受限时的姿态调节控制问题.设计了基于饱和函数的非线性控制器,在控制输入受限的同时,也是角速度受限的.通过李亚普诺夫方法证明了闭环系统零平衡点的全局渐近稳定性,保证了姿态和角速度都是渐近趋于零的.所提出的控制方案是模型独立的,不依赖于卫星的转动惯量.仿真结果表明,在控制输入受限情况下,用所设计的控制方案实现姿态控制是可行的、有效的.