基于RBF网络的非线性动力系统辨识方法的改进

基于资源分配网络（ＲＡＮ）的增长标准并结合隐单元的修剪 策略,提出了同时具有增长及修剪功能的径向基函数（ＲＢＦ）网络结构学习方案。利用该方案进行了非线性时间序列的建模以及振动系统中的未知非线性力的识别。结果表明：提出的网络结构８学习算法是有效的;ＲＢＦ网络对非线性时间序列具有很高的建模精度 ;振动系统未知非线性力的神经网络识别法是可行的。     

纺纱锭子参数辨识的研究

将纺纱锭子总成看作一个整体，对其油膜卷簧一类支承作物理参数辨识时，可把这样的问题当作结构参数辨识的特征值反问题来处理，结合用动态结构分析的阻抗匹配法进行动力学计算，可以取得更佳效果，该方法避免了复杂转子系统振型测量的困难。     

非线性时间序列相空间重构参数选取方法研究

基于非线性时间序列相空间重构的延迟时间和嵌入维数这两个参数的选取互不相关的观点,提出用互信息法确定时间延迟,用伪邻近点法和平均伪邻近点法相结合的方法确定嵌入维数的新思路。通过对几种典型的混沌动力学系统的数值验证,表明该方案能够确定出相空间重构的有效延迟时间和最佳嵌入维数,能够从时间序列中有效地重构原系统的相空间。     

确定相空间重构嵌入维数的研究

由于相空间重构是船舶机械系统混沌振动识别的重要基础,研究了确定相空间重构嵌入维数的新方法.首先应用相空间局部流形变化最小原理和互信息方法计算重构延迟时间,在此基础上提出无阈值计算嵌入维数方法.在嵌入维数过低的情况下,吸引子被压缩,在低维空间中产生了伪邻点,随着维数的增加,邻近点对之间的距离逐渐增大,伪邻点数逐步减小.研究发现吸引子上邻近点之间距离的变化速度随嵌入维数增加并不是无限增大,而是受一定条件的限制.通过定义指标G对邻近点对的演化行为进行定量刻画,当嵌入维数达到某一特定值时,G曲线趋向于饱和,吸引子结构最为有序,因而所对应的嵌入维数为最小嵌入维数.该方法在计算过程中不需要选择阈值,因而更具有客观性.通过对Lorenz以及Henon系统产生的混沌数据进行分析,证实了该方法的有效性,同时研究了数据长度、噪声以及延迟时间对该方法的影响.     

寻找动力学系统主分岔参数的一种方法

对于多参数系统,为了能很好的研究系统动力学特性随参数的变化,给出了一种寻找动力学系统主分岔参数的方法.通过对特征根进行扰动,来判断对系统动力学特性影响最主要的参数.针对不同的特征根类型给出了不同的算法,并举例进行了验证.该方法能有效地从诸多的系统参数中识别出对系统动力学特性影响比较大的参数.而且按照参数对系统动力特性影响的大小进行排序,同样可识别出主要的开折参数.该方法不仅适用于自治系统,同样适用于非自治系统.     

具有高次项非线性振动系统的分岔与混沌分析

对含有5次项非线性力的振动系统在简谐激励上的动态特性进行了渐近分析,得到了系统的主共振曲线方程;并对系统的分岔和混沌特性进行了数值研究,发现此类非线性振动系统具有倍周期分岔、阵发性分岔、倍周期倒分岔和混沌等复杂的动力学行为。     

励磁系统非线性参数自适应辨识

本文采用一种新的自适应辨识算法，来跟踪励磁系统模型的参数在动态过程中随工况变化的轨迹，辨识励磁系统模型参数。并结合一实际励磁系统分析、推导出了该励磁系统的数学模型，进而给出了新的自适应算法的数学推导，得到了该算法的递推公式。而且在该励磁系统上作了实际论证。实际应用表明该算法具有较好的自适应能力，能较好地体现励磁系统的非线性特性。     

非线性系统未知时变参数的模型算法学习辨识

针对一类非线性系统的未知时变参数,提出了一种模型算法学习辨识方法。该方法主要是利用系统模型估计出了辨识参数的偏差,利用这一参数偏差的估计来修正辨识参数,不断进行迭代。并严格证明了系统经过迭代学习后,辨识器的输出能够完全跟踪参数真值,同时得到了该算法收敛的范数形式充分条件。该方法不仅可以实现非线性系统未知时变参数在有限时间区间上的完全辨识,而且还克服了传统迭代学习辨识器中凭借经验选取学习增益的盲目性,加快了参数辨识器的收敛速度。仿真结果验证了该方法的有效性。     

基于小波变换的系统辨识方法

介绍了一种基于正交小波变换的系统脉冲响应辩法在包括对线性的脉冲响应辩识和非线性系统的脉冲响应辨识,仿真结果证明了该方法的有效性     

非线性转子轴承系统的稳定与分岔分析

转子－轴承系统中油膜力的非线性对系统稳定性有重要影响,本文基于一刚性转子－轴承系统模型,用打靶法求解了系统的同步周期解、亚谐解,利用数值积分方法和Floquet理论,对系统随转速和偏心率等参数变化的各种分岔情况进行了分析研究,给出了轴承油膜力的非线性对转子－轴承系统失稳的部分影响规律,可为大型旋转机械的安全稳定运动提供参考。     

非线性系统的参数空间边界辨识与系统结构故障检测

本文利用矩形窗最小二乘估计构造了非线性系统的参数空间边界辨识方法。参数边界辨识方法的分析表明，利用该方法辨识的参数值是样本状态邻域中非线性系统切空间的参数上下界，基于这种参数边界辨识方法，建立了一种系统结构突变故障检测器。并对二阶非线性系统进行的数字仿真得到了有效的边界参数估计和良好的故障检测结果。     

基于相空间重构和最小二乘支持向量机的滑坡预测

针对滑坡位移时间序列的非线性特性,引入基于相空间重构和最小二乘支持向量机（LSSVM）的预测法.利用Cao氏方法确定嵌入维数,根据互信息法计算最佳延迟时间;然后在相空间中,利用最小二乘支持向量机（LSSVM）建立预测模型.试验结果表明,模型具有较高的精度,是科学可行的.     

内共振平方非线性系统的非线性模态及其分岔

利用多足度方法研究了一类1：2内共振平方非线性系统的非线性模态的近似解及其分叉特性．研究表明，此类系统除存在非耦合模态外还存在耦合模态，且后者有分岔现象，这可导致非线性模态的数目合超过系统的自由度数．耦合非线性模态的分叉既与调谐参数有关又与模态振幅有关，但与非耦合弹簧的非线性刚度无关．     

股票市场相空间重构嵌入维与时滞的确定

现有方法在计算嵌入维m与时滞τ时都需要对m或τ等参数范围作合理的假定,而对于股票市场等复杂系统很难准确预知其有关非线性特征.针对这个问题,在C-C方法的基础上,首先讨论了m与τ等参数对关联积分的影响,然后利用τw=(m-1)τ为常数这一特性,通过对m进行迭代得到更优的嵌入维m与时滞τ,从而为进一步分析与预测股票市场提供了必要条件.     

相空间重构神经网络模型在我国人口增长预测中的应用

人口系统是一个非常复杂的非线性系统,人口增长是十分重要的人口变化因子,对人口增长的准确预测能为社会经济可持续发展计划的制定提供重要依据.借鉴相空间重构和神经网络,建立了预测我国人口增长的相空间重构神经网络模型.模型运用相空间重构,可挖掘人口增长时间序列更为丰富的信息,利用神经网络建模可较好地解决非线性问题,使预测更符合实际.以我国1950—2002年人口增长数据为例,验证了该模型具有较高的拟和和预报精度,为我国人口增长预测问题提供一种新的解决办法.     

相空间重构中最优滞时的确定

针对混沌理论的相空间重构技术中,自相关函数法和互信息函数法在确定延迟时间时存在的不足,提出了根据不同嵌套维下的混沌吸引子所包含的信息量Shannon熵随延迟时间τ的变化情况,来确定不同嵌套维下重构混沌吸引子的最优滞时,这种方法把物理问题转化为纯几何问题。     

非线性系统的参数识别的小波方法

将小波理论应用于非线性系统的参数的识别中.首先将系统的微分方程投影到由Daubechies尺度函数张成的子空间中去,然后利用Daubechies小波的性质将系统微分方程转变为由未知参数构成的一个超越代数方程组,从而最终将系统参数识别问题转变为代数方程组的求解问题.     

房屋空间的改造

介绍了空间改造的意义,阐述了空间改造在设计施工方面的做法及要求,尤其是对目前常见几种结构形式房屋的改造提出了具体的设计方法,并结合房地产的现状,论述了做好房屋的空间改造将对房地产的营销起到积极促进作用.     

基于高阶关联矩阵方法的混沌系统参数辨识

为了减小系统非线性和噪声对参数辨识效果的影响,采用缺失变量的高阶关联矩阵方法（HOCC）,以处于混沌状态的蔡氏电路为研究对象,分别对模拟蔡氏电路以及存在噪声的单个实验蔡氏电路和耦合实验蔡氏电路进行动力学参数辨识.研究结果表明,该方法在蔡氏电路电感电流未知情况下进行参数辨识是有效的,同时对噪声具有很好的鲁棒性.所得的参数辨识结果和电路标定参数的相对差距均能在20%的范围之内.该研究结果可以为蔡氏电路中器件参数测量提供参考依据,并能进一步应用到其他网络结构参数辨识实验中.     

基于相空间优化近邻点的跳频预测方法研究

提出了一种基于混沌相空间重构理论的优化近邻点局部线性化跳频预测方法。根据相点的总体分布情况以及预测点与周围相点的加权距离确定近邻点，同时剔除“伪近邻点”，进而确定跳频预测方程。实验结果表明：该方法精度高且稳健，性能显著优于一般的预测方法。