基于BBMNN的多变量非线性软测量建模及应用

基于Boostins思想,提出了一种改进的adaboost算法。在此基础上,提出了一种新的多神经网络构造方法BBMNN。应用于软测量建模,给出了一种新的非线性系统软测量建模方案,并分别针对多变量、非线性典型模型和复杂工业过程,应用实验数据和实际运行数据进行了仿真研究。仿真结果表明,该方案可以较好地解决复杂对象神经网络建模时样本点数量与模型精度之间的矛盾,可同时获得较高的训练精度和预测精度。     

基于有限元和神经网络的杂交建模

针对复杂非线性结构动力学系统提出了一种基于有限元与神经网络相结合的杂交建模方法。依据该方法,首先将系统中的线性结构部分采用有限元建模,非线性或难以机理建模的结构部件采用神经网络描述。其次,再通过力和位移边界联接条件将有限元模型部分和神经网络模型部分结合从而得到整个系统的杂交模型,且杂交模型的物理结构明确,精度较高,网络规模较小。在一非线性隔振系统的杂交建模算例仿真中,用所建杂交模型对正弦及宽带随机激励进行了预测检验分析,结果良好,该杂交建模方法为主体结构为线弹性结构而又包含有强非线性器件的非线性动力学系统提供了一种有效的建模途径。     

基于BP网络的光纤陀螺刻度因子建模研究

针对光纤陀螺(FOG)随温度呈非线性变化的特性,提出了采用BP神经网络对刻度因子的温度误差建模的方法,以减小光纤陀螺输出误差;用BP网络对其建模的结果和传统的建模结果进行了比较,结果表明采用BP神经网络对刻度因子的建模是非常有效的.     

光纤陀螺刻度因子的建模方法

针对低精度光纤陀螺(FOG)刻度因子线性度较差的问题,提出了采用径向基函数(RBF)神经网络对刻度因子进行建模的方法,以减小光纤陀螺输出误差。通过测量数据对 RBF 神经网络进行训练,获得神经网络参数,根据神经网络结构和参数可以得到非线性刻度因子的解析表达式,将其作为刻度因子的模型,来提高 FOG 的精度。同时将 RBF 神经网络对刻度因子进行建模的结果与传统的建模结果进行了比较,验证了采用 RBF 神经网络对低精度刻度因子建模是非常有效的。     

基于神经网络的复杂系统杂交建模研究

利用先验知识和神经网络黑箱建模相结合,对一类复杂滞后非线性系统进行了杂交建模研究.先验知识建模确定滞后系统模型的形式及主体部分,神经网络估计滞后系统恢复力的未确定部分,所建模型不仅能够进行系统响应预测分析,而且能够获得系统的主体结构特征,对结构设计修改具有指导作用.     

基于计算机化学方法的中药膜过程研究

中药膜分离过程是一个非线性系统,其工艺数据具有多变量、非线性、强噪声、自变量相关、非正态分布、非均匀分布等全部或部分特征.为了探索中药复杂体系膜过程优化原理与方法,提出使用神经网络、支持向量机等计算机化学方法建立预测模型,并开发实现集成化的综合分析和预测系统.结果表明,该集成化的综合分析系统较单一分析建模预测精度更高.同时介绍了定量结构-活性/性质相关性(QSAR/QSPR)研究的主要步骤及采用该方法开展的超滤膜对生物碱类等物质的透过/截留及其定量结构关系的研究.     

基于灰色线性回归组合模型的机床热误差建模方法

为了控制机床热误差和提高机床加工精度,考虑到测得的热误差数据同时存在着线性和非线性因素,提出了采用具有处理线性和非线性能力的灰色线性回归组合热误差模型的建模方法.用此方法对某卧式加工中心热误差进行了建模和预测,并引入BP神经网络对热误差模型的残差进行修正,从而获得了比较准确的热误差预测值.与用指数函数来模拟生成数据的灰色模型所获得的预测值进行了比较,证明了灰色线性回归组合及BP神经网络模型在机床热误差补偿建模应用中的优越性.     

非确定因素下汽车半主动悬架的智能控制

以含磁流变阻尼器的1/4 车辆非线性半主动悬架模型为研究对象,在充分考虑该非线性系统未建模动态的基础上提出了具体的神经网络与滑模变结构控制相结合的智能控制策略,有效抑制了悬架系统的振动,使车辆行驶的平顺性与舒适性得以提高.应用神经网络的在线学习能力对非线性动力学模型的不确定部分及外界未知扰动进行了神经网络估计,确定了未知函数的上确界,构造了控制系统的滑模变量并且合理设计神经网络的自适应规律使状态变量快速接近原点.通过稳定性分析证明了此种控制方法是全局渐近收敛的,并且对未建模动态具有强鲁棒性.数值仿真结果验证了该种控制方法的有效性,得到了阻尼器两端控制电压的变化规律.     

机器人系统中操作环境动力学模型研究

研究了机器人操作环境的动力学模型,提出了一种基于径向基函数(RBF)神经网络的机器人系统中环境非线性动力学模型新的建立方法,阐述了其建模机理和算法.结果表明,采用RBF神经网络对机器人系统中的操作环境建模比用BP神经网络有更高的精度,其网络训练速度也大大快于BP神经网络.     

基于核函数的间接测量系统模型设计

介绍了核函数的基本理论和方法,提出了基于核函数主成份分析(KPCA)的间接测量模型构建方法,并与神经网络方法进行了比较,数值仿真实例证明了该方法在非线性测量模型的建模性能上的改进。     

基于BP神经网络的压电智能结构振动系统辨识

针对神经网络在压电智能结构振动控制中的关键问题之一——系统模型的神经网络辨识,用引入时延的多层前馈BP神经网络串一并联型结构对表面粘贴压电片的柔性悬臂梁进行非线性动态系统模型辨识。考虑压电片对梁的质量和刚度矩阵的影响和实验提取数据的繁琐问题,用有限元分析软件ANSYS对智能梁进行模态和瞬态响应分析,利用获取的系统动力响应时间序列对神经网络进行离线训练,通过MATLAB神经网络工具箱对算例进行仿真显示。     

未知非线性系统的神经网络建模与控制仿真研究

针对一类未知非线性系统的建模与控制问题，采用基于神经网络的多步预测控制算法进行了仿真研究，仿真对象选取控制工程界常用的单摆试验装置．该算法的实现步骤为：获取系统开环试验数据；辨识神经网络正向动态模型；设计非线性优化控制律．仿真研究结果表明，所提出的建模与控制方法是有效的．     

基于神经网络的噪声品质评价方法

提出一种基于人工神经网络（ANN）的噪声品质评价方法。该方法相比较目前的其它声质量评价方法，具有非线性的特点。通过神经网络的训练对非线性的声质量主观评价过程进行逼近。文中利用Matlab的神经网络工具箱对汽车车内采集到的噪声信号进行评价分析，并与实测结果进行对照分析，说明该方法对于汽车车内噪声品质评价是有效的。     

企业过程建模体系的研究

企业过程建模作为一项支持企业过程集成与优化的共性技术，是对企业系统中与企业过程有关的特性加以抽象表达的工具和方法。首先对企业建模和过程建模进行了探讨，在此基础上，提出了一种企业过程建模体系框架（EPMF），并从四个维对EPMF进行了详细的讨论。最后对EPMF进行了简要的总结。     

1000 MW煤电机组调峰中汽温控制策略研究

在燃煤机组快速调峰、调频的响应过程中,将汽温快速地控制在合理的范围区间是自动控制领域面临的难点之一。由于汽温具有大惯性、大延迟特性,采用常规的串级控制器往往达不到较好的控制效果。同时依赖模型精度的预测控制与神经网络等高级算法,受汽温控制对象非线性、测量不确定性以及时变特性的影响,限制了其在实际控制中的应用。为此,提出了一种基于串级与局部Smith预估的混合控制模型,通过参数辨识获得局部Smith预估的精确模型,构建了混合结构的汽温控制策略,并于某1 000 MW超超临界锅炉减温水系统中进行应用,结果表明：该方法高效、易用、稳定,可有效地改善汽温控制性能,达到良好的控制效果。     

采用磁流变阻尼器的汽车悬架系统的杂交建模

利用线性回归方法,对磁流变阻尼器阻尼力与速度、加速度间的函数关系作了线性与非线性的区分,采用神经网络对非线性部分进行建模,并结合线性部分构建了磁流变阻尼器的模型。在此基础上,融合汽车悬架的先验知识模型,建立了采用磁流变阻尼器的4自由度1/2车辆半主动悬架系统的杂交模型。最后利用SANTANA 2000型轿车的参数进行仿真,并与基于磁流变阻尼器非线性滞回模型的建模方法作了比较,结果表明:杂交建模方式结构简单、计算量小、模型准确、便于进行系统主要动力学特性的分析。     

基于神经网络的真空冷冻干燥过程建模研究

本文将人工神经网络系统理论应用于真空冷冻干燥过程的建模研究，文中介绍了建空冷冻干燥过程建模神经网络的结构，学习方法和建模方法，通过计算机进行网络实现与模拟。结果表明，神经网络方法对真空冷冻干燥过程进行建模可行的具有实用价值。     

三坐标测量机的热变形和神经网络误差补偿

研究了三坐标测量机独特的热变形,指出环境温度不是标准的２０℃时是主要误差影响因素,提出热变形误差和非线性和机器结构有关。描述了采用神经网络建模和补偿热变形误差的过程和方法,并给出了测量机综合补偿热误差的方法。     

基于递归神经网络的传感器非线性动态建模

根据动态校准实验结果建立传感器的动态数学模型,以研究传感器的动态性能,是动态测试的一个重要内容。讨论了递归神经网络模型在传感器动态建模中的应用,给出了递归神经网络模型的结构及相应的训练算法。由于其反馈特征,使得递归神经网络模型能获取系统的动态响应。该方法特别适用于传感器非线性动态建模,而且避免了传感器模型阶次的选择的困难。试验结果表明,应用递归神经网络对传感器进行动态建模是一种行之有效的方法。     

基于改进Preisach模型的音圈电机复杂迟滞建模

针对音圈电机在高频响、高速、高加速度运动时存在的一种特殊复杂迟滞特性,提出一种改进的Preisach迟滞与RBF神经网络相结合的动态迟滞混合模型。采用逐次逼近的思想,第一级通过构造一个改进型Preisach模型,引入非单调信息,使其输出具有非单调迟滞特性。第二级采用动态RBF神经网络对第一级输出的相位和幅值进行补偿,实现对音圈电机实际输出的高精度逼近。基于实测数据的仿真实验结果表明,所提模型对一般迟滞和非单调复杂迟滞的建模都是有效的。与动态神经网络建模相比,具有更高的模型精度。