改进的混合遗传算法及其在模糊系统辩识中的应用

对遗传算法进行浮点数码，融和，设计了一些优良的遗传操作，形成浮点数编码的遗传算法（Float-encoding Genetic Algorithun,FGA).FGA与梯度下降法相结合组成混合遗传算法（Combined Gendtic Algoritm,CGA)，一个函优化实例说明了该算法的有效性。混合遗传算法应用到模糊系统的辩识问题时体出了良好的性能。     

参数辩识的线性规划法及其快速实现

本文在最小绝对误差和准则下。给出了辩识线性回归模型参数的线性规划方法。並根据线性单纯形表格的特点对线性规划的算法做了极其有效的改进。整个迭代过程中。无需计算单纯形表格,而是通过两个矩阵的相乘积来进行最优性判断,因而能节省大量的存储空间。通过最小二乘法选择线性规划迭代法的初始基点,使得迭代次数大为减少、计算速度大大提高。大量的应用实例表明,本文给出的算法十分有效、速度的改进相当可观。     

病态线性系统的一种仿真算法

本文介绍用增广矩阵法将病态（stiff)线性系统的非齐次方程转换为齐次方程，利用状态转移矩阵代替积分求解，从而避免了系统仿真系统中由于数值积分形成的积累误差对仿真结果的影响，并给出工程仿真设计的实例。     

通信信道信号畸变的一种参数辩识方法

本文提出了一种信道在传输信号时使信号发生畸变的参数辩识方法,即ＭＡ模型方法。对于信道的畸变特征只需少量的几个参数就能描述,针对一般信号的非高斯分布特点,提出了用三阶累积量来估计模型参数的方法,即使在高斯色噪声的情况下,它也能有效地估计模型参数。计算简单,有效。     

一种改进的遗传算法及其在系统辩识中的应用

提出一种基于遗传算法的大惯性系统辩识方法。该方法将动态补偿和遗传算法相结合,实现了系统的参数辩识。为避免遗传早熟而进入局部最优,对交换和变异操作进行了改进,提出一种防止近亲繁殖的交换策略,在不明显增加基因操作计算量的前提下,有效地避免了基因缺失。仿真结果表明,该方法对过阻尼系统的辩识是有效的。     

一种含控制滞后的Wiener模型的辩识方法

研究了含控制滞后Ｗｉｅｎｅｒ模型的辨识。在一定条件下，这一模型满足一组回归函数。利用Ｆｏｕｒｉｅｒ 级数部分和可以求得回归函数在若干点上的估计。     

二维线性系统特征结构配置的两种新算法

本文提出了二维线性系统特征结构配置的两种新算法,并给出了状态反馈矩阵存在的充分条件。     

采用神经网络辩识风洞流场马赫数

本文在研究FL26Y风洞流场特性的基础上，压用神经网络技术，研究马赫数在线辨识问题，为高精度风洞流场马赫数控制，提供技术支持：首先介绍神经网络马赫数辨识原理，然后介绍神经网络拓扑结构的设计，并构造神经网络的马赫数辨识模型(NN1)。最后通过软件实现及仿真，研究动态数据优化、软件滤波以及动量系数对网络学习性能的影响。     

从系统框图描述求传递函数的两个算法

针对线性多变量和单变量系统的控制系统计算机辅助设计，给出从复杂控制系统框图求传递函数的两个算法，对解的存在性进行了讨论，并给出计算实例。该算法适用于对复杂系统稳定性、抗摄动性能等方面的分析和计算。     

基于动态递归神经网络的木材干燥模型辩识

木材干燥是一个复杂的非线性系统，因此利用传统的系统辨识方法难以建立其准确的模型。本文利用动态递归神经网络的特点，提出了基于动态递归神经网络的木材干燥模型辨识方法，仿真结果表明，利用动态递归神经网络所建立的模型是有效的。     

最小二乘法集合成员辩识

该文研究集合成员辩识方法,并利用最小二乘法（LSmethod）进行集合成员辩识。这个方法的特点是辩识在时域进行,先利用最小二乘法作为计算工具,辩识出实际系统的标称模型,然后求出可行参数集。本方法计算量小,可行参数集比文献[3]的要小。     

基于模糊RBF网络的伺服系统辩识及控制

结合模糊控制和神经网络控制各自的优点，采用模糊RBF网络进行伺服系统辩识和控制，仿真结果表明，所采用的方法具有很好的辩识能力和控制精度，并具有较高的鲁棒性。     

PMSM控制系统参数辩识的建模与仿真

在永磁同步电机参数优化问题的研究中,永磁同步电机因优越的性能广泛应用于伺服控制领域中.针对永磁同步电机参数随着工作环境的变化具有很强的非线性和时变性,传统的方法很难建立参数的准确数学模型,导致控制精度低.为准确辩识永磁同步电动机的参数,提高控制的精度,提出一种Popov理论的磁同步电机参数辩识方法.根据永磁同步电机的电磁特性建立模型,在Popov稳定理论基础上,推导出自适应参数辩识方法,最后利用Matlab/Simulink平台建立永磁同步电动机参数的自适应辨识仿真模型.仿真结果表明,方法能快速、准确地辩识出电机参数,具有较好的鲁棒性,能够提高控制系统的精度.     

神经网络训练的一种随机方法

本文提出了一种基于Alopex算法的多层前向网络的快速随机学习算法并用其对非线性过程进行辨识，仿真结果表明本文提出的方法是有效可行的。     

病态线性系统的一种仿真法

本文介绍用增广矩阵法将病态（stiff)线性系统的非齐次方程转换为齐次方程，利用状态转移矩阵代替积分求解，从而避免了系统仿真系统中由于数值积分形成的积累误差对仿真结果的影响，并给出工程仿真设计的实例。     

一种新的前向神经网络自适应学习算法

针对时变和／或非线性输入的前向神经网络提出了一种感知自适应算法。其本质是迫使输出的实际值和期望值之间的误差满足一个渐近稳定的差分方程，而不是用后向传播方法使误差函数极小化。通过适当排列扩张输入可以避免算法的奇异性。     

基于SVM的传感器动态模型辩识方法

提出了一种传感器动态模型辩识新方法,给出了相应的辩识过程及学习算法.该方法采用支持向量机模型,与常规模型辩识方法比较,其优点是明显的.其采用了结构风险最小化准则,在最小化样本误差的同时减小模型泛化误差的上界,提高了模型的泛化能力;而且将学习算法转换为求解二次规划问题,使得整个模型参数辩识过程中有且仅有一个全局极值点,确定了结果的唯一性.最后,仿真和实际试验结果均表明应用支持向量机对传感器动态模型进行辩识有效.     

故障辩识的空间反馈最优调节方法

提出空间反馈最优调节方法,利用映射空间关系对混沌振子的相变进行自治而快速辨识,以尽早而准确地捕捉表征转子碰摩早期的特征信号,进而实现对转子碰摩故障进行早期检测.仿真和数值实验均表明,基于空间反馈最优调节方法可以在150周实现对振动信号进行可靠控制,是一种具有实际应用价值的故障预测方法.