基于粗糙集神经网络的非线性系统动态参数预测

为建立非线性系统辨识和预测模型,利用粗糙集和人工神经网络方法进行动态参数预测.考虑非线性系统中影响因子之间的高度非线性和不确定性,结合粗糙集和人工神经网络的优点,提出了一种动态参数预测的新方法.该方法充分考虑了学习样本的数据特性,简化了决策规则从而降低了网络拓扑结构规模,计算速度快,容错能力强,误差小,精度高.计算结果表明,该方法用于非线性系统动态参数分析是有效可行的.     

无润滑机构系统考虑摩擦和柔性影响的动态响应神经网络预测

柔性机构的动态响应为高度非线性,摩擦和柔性的影响使机构运动的不确定性增大,机构实时控制的难度较大。应用改进的E lman动态神经网络技术,建立摩擦影响下的无润滑柔性机构非线性运动参数预测模型,对柔性机构的运动参数进行实时辨识和预测。通过对空间站展开机构动态响应的预测实例,证明该方法计算速度较快,精度较高,为实现复杂大系统的实时控制提供了一个有效可行的方法。     

反向传播神经网络在非线性预测中的应用

在相空间重构理论的基础上将神经网络理论引入混沌时间序列预测领域,给出了BP神经网络拟和重构后所得函数关系的具体实现过程,并应用训练后的网络进行预测,经计算机仿真表明该方法是行之有效的,并给出了具体应用实例。     

用于非线性加热炉的神经网络预测控制器

将预测控制的优化思想与神经网络精确描述非线性和不确定性动态过程的特性有机结合,提出了可用于非线性加热炉的直接优化的神经网络预测控制方法,该方法是采用离线训练的神经网络,通过在线反馈校正,分段优化控制量,可使最优预测输出逼近参考轨迹;基于李雅普诺夫方法,讨论了闭环系统的稳定性,得到闭环系统局部渐进稳定的一个充分条件;讨论了加权系数h和λ对系统的影响;仿真结果表明了该方法的有效性、准确性和鲁棒性。     

基于RBF神经网络的谐波驱动机构动态面控制

针对具有多变量和未知非线性的谐波驱动机构,建立其系统数学模型,定义系统误差,并逐步构造虚拟函数,利用RBF神经网络在线逼近谐波驱动机构中的非线性环节,最后建立系统自适应控制规律,设计基于RBF神经网络的动态面控制器。结合Lyapunov稳定性分析方法论证闭环系统的收敛性,通过理论分析并与常规PID的仿真结果进行比较。结果表明,所提出的神经网络动态面控制器实现了对谐波驱动机构的高性能跟踪控制,且具有很好的控制精度,有效地抑制未知非线性外界扰动对系统的影响。     

基于神经网络的非线性系统约束预测控制

利用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基于神经网络模型的约束广义预测控制算法。该算法将非线性搜索转化为只对当前控制增量的约束,避免了非线性优化求解,并不需要很多的计算量。文中给出了仿真结果。     

基于支持向量机的动态测量误差非线性组合预测方法

针对目前动态测量误差序列预测方法的局限性,提出了动态测量误差序列的支持向量机非线性组合预测方法,以进行误差修正,提高动态测量精度.该方法首先利用支持向量机和小波神经网络对动态测量误差序列分别进行预测,然后再运用支持向量机对单项预测结果进行非线性组合.理论分析和预测实例表明:该方法的预测精度明显高于传统的单一预测方法,具有很强的学习与泛化能力,在处理动态测量误差序列的预报问题和提高动态测量精度方面具有很好的应用价值.     

采用神经网络的断路器传动机构磨损预测

针对某大型断路器机构系统磨损试验成本高的特点,通过建立磨损预测模型,对其传动机构危险关节的磨损量进行了预测分析。基于2种典型的预测模型建立方法,采用销盘磨损实验数据,分别建立磨损预测模型。对比分析表明Elman网络模型的预测精度较高,可准确的反映磨损率与接触压力、相对滑动速度和材料硬度之间的规律。考虑运动副间隙的存在,基于非线性弹簧阻尼模型,利用ADAMS软件仿真获得传动机构危险关节的动力学参数。基于Hertz接触理论对动力学参数进行变换,并将其作为预测模型的输入信息,对关节的磨损进行预测计算。通过迭代分析,发现随着断路器开断次数的增加,轴套表面一些特定位置的磨损越来越严重。对比采用固定系数下的Archard模型,表明预测模型计算的结果对磨损失效判定更具参考价值。     

基于神经网络模型预测控制的混沌运动的研究

为了实现混沌运动的控制,应用神经网络模型预测控制的策略.首先通过系统辨识建立要控制的混沌系统的神经网络模型,并设计出神经网络模型预测控制器,然后通过该控制器对混沌运动进行预测控制,使混沌吸引子中的不稳定周期轨道被镇定到不动点.最后借助MATLAB平台进行数字仿真,结果表明该控制方法对混沌控制是有效的.     

基于递归神经网络的大滞后非线性系统预测控制

针对带有大滞后的非线性系统，提出了在迭代多步预测的基础上，将系统多步预测输出值进行线性化，在多步预测目标函数下实现系统控制的方法。采用适合于动态系统实时控制的扩展Elman网络，利用训练速度快的阻尼最小二乘法学习网络权值。仿真实验表明了该方法的有效性。     

弹性体非线性振动系统参数辨识的一种时域法

提出了对弹性体非线性振动系统参数辨识与预测的一种时域模型法。它可视为时间序列分析中的 AR模型法在非线性领域内的一种推广。该方法首先将非线性振动系统中的非线性恢复力和非线性阻尼力用某一函数级数(例如幂级数 )表示 ,然后 ,先用线性模型来逼近原系统 ,应用线性系统辨识方法确定系统阶次 ,再确定系统中非线性恢复力、阻尼力的结构 ,建立非线性模型并辨识各项参数 ,最后进行预测。算例表明 ,用该方法建立的模型能够较好地反映系统的非线性特性 ,并能提高模型预测的准确性。     

基于动态阈值神经网络模型的Flow Shop排序研究

根据神经元的动作特征,提出了一种基于动态阈值的神经网络模型,用于求解Flow Shop排序问题,研究表明,这种模型能简化网络运行的中间过程,修正二值输出函数的性能,模型复杂性的降低使收敛速度和有效性得到了较好的改善,模型具有的模拟退火效果使系统跳出局部最优而收敛于全局最优的可能性增大。     

层合板复合材料连杆机构非线性动态分析模型

以层合板复合材料连杆机构为研究实例,考虑层合板构件大变形导致的非线性因素影响,用拉格朗日方法建立此类机构的弹性动力学模型,得到机构的非线性有限元动态方程。所建模型体现了非线性因素对机构动态性能的影响,为提高层合板复合材料机构动力学模型的精度,以改善机构的设计和动态性能,提供了一定理论依据;并为进一步研究该类机构的内共振、主共振,以及各种组合共振、多重共振等非线性振动特性打下了基础。     

轧辊磨损及其预报

在对轧制摩擦特点进行分析的基础上，论述了轧辊磨损形成机理，分析了各种工作辊磨损预报模型。提出了今后工作辊磨研究工作的建议。     

6-TPS并联机构非线性PID自适应控制

为了对并联机构实施闭环控制,设计了6自由度动平台的位形检测装置,并以动平台的位形误差及其微分、积分构造系统被控制量。针对并联机构普遍存在难以准确表示的非线性因素的问题,提出预估校正法,分析这些因素对机构性能的影响,确定它们可能的形式,从而将它们处理成具有可变参数的因素。利用动平台的位形误差和可变参数的预估误差构造李雅普诺夫函数,以机构系统满足稳定性条件为准则,导出可变参数的预估值和机构输入的自适应控制律,使系统具有自动调节结构参数的能力和渐近稳定的动态性能。     

基于人工神经网络的焊条性能预报系统隐含层结构讨论

研究了基于电焊条化学成分与熔敷金属抗拉强度的关系;讨论了网络隐含层神经元个数对预报结果的影响及其变化规律。     

柔性机构运动参数动态可靠性分析方法研究

研究目的是提出柔性机构运动参数动态可靠性分析方法,给出了柔性机构运动参数动态可靠性分析的广义模型.将驱动力（矩）、摩擦和阻尼力（矩）等作为随机变量,应用蒙特卡罗方法,取得动态参数样本,再利用人工神经网络方法,根据抽取的样本对网络进行训练,统计网络输出的动态参数分布,得到机构动态可靠度.空间站柔性展开机构动态可靠度计算实例表明该方法减少了计算时间.     

地铁车辆连挂冲击非线性动力学模型

在考虑车钩缓冲器非线性刚度和阻尼、车辆轮轨之间摩擦力的情况下,建立编组列车连挂冲击的非线性模型。根据试验结果,确定了缓冲器的非线性刚度和阻尼,并将数值仿真结果与试验结果进行比较,证明了模型的正确性。使用数值仿真方法,分别研究六车编组、二车编组列车的连挂冲击特性。研究结果表明,车辆连挂碰撞时,冲击分界面处的缓冲器的冲击力、压缩行程最大;不同数量的车辆编组碰撞冲击时,最大冲击力不但存在差异,而且,缓冲器的压缩行程、吸收的能量也不相同;距离冲击分界面较远的车辆之间,可以配置容量较小的缓冲器。     

基于动态阈值神经网络模型的多功能机床Flow Shop排序研究

在生产作用排序中若能充分利用机床功能多样性这一特点,就可有效地缩短零件的总加工时间,提高机床利用率,并使加工系统更具动态应变能力,但机床功能的曾多也使使用排序问题的求解更加复杂和困难,为了降低求解模型的复杂性,这里提出了一种基于动态阈值的神经网络模型与动态调度规则相结合的方法,有于求解面向多功能机床的Flow Shop排序问题。数值实验结果表明了文中方法的有效性。