一类非线性动态系统的自适应模糊小波神经网络控制

对未知非线性动态系统研究基于模糊小波神经网络的自适应跟踪问题,首先构建一个模糊小波神经网络用于逼近未知的非线性函数的模型,然后根据李亚普诺夫稳定性理论建立自适应率,在线调整的模型参数包括小波网络的权重、小波的伸缩量、偏移量和模糊集合隶属函数的相关参数。提出了一种自适应模糊小波神经网络的滑模控制策略,保证系统的跟踪误差和对外界干扰的抑制被衰减到期望的程度。证明了闭环系统的半全局收敛性和鲁棒性,对倒立摆系统的仿真试验证明了所提控制方法的有效性。     

非线性系统中基于多传感器的多分辨估计方法

本文将多分辨分析的思想与传统的Ｋａｌｍａｎ滤波相结合，研究了非线性系统中基于多传感器对状态的多分辨估计方法，得到了多分辨估计新方法（称为ＭＲ－Ｅｓｔｉｍａｔｉｏｎ，简记为ＭＲＥ）。     

一类非线性振动自适应控制的神经网络方法

针对一类非线性振动系统，本文详细阐述了非线性振动自适应控制的神经网络方法。首先提出一类非线性系统的控制模型与自适应控制策略；然后介绍了神经网络控制器的模型，进而导出了基于神经网络的振动自适应控制算法，数字仿真结果表明了这种方法的有效性。     

具有矩阵的小波包

本文推广了Ｃｏｉｆｍａｎ与Ｍｅｙｅｒ引入的正交小波包及崔锦泰与李淳引入的非正交小波包。给出了相应的分解与再构造算法。本文引入的具有矩阵的小波包使Ｌ＾２（Ｒ）的分解更具有灵活性。     

基于小波神经网络的温度传感器非线性补偿研究

针对热敏电阻温度传感器应用中存在的非线性问题,提出了应用小波神经网络实现其非线性补偿的方法,介绍了非线性补偿的原理,完整的推导了小波神经网络训练过程。实验结果表明,该方法补偿精度高,优于BP神经网络。     

非线性振动系统神经网络自适应控制方法研究

将人工神经网络理论引入振动控制工程领域，并将现代控制理论中的状态反馈理论与人工神经网络理论相结合，提出了一种基于ＢＰ网络的自适应控制方法。给出了该方法的学习算法和网络参数选择原则，分析了它在建模和控制方面所具有的优点，并就典型的非线性振动ＶａｎＤｅｌＰｏｌ和Ｄｕｆｉｎｇ方程进行了辨识和控制，仿真结果表明该方法对于非线性振动系统具有较强的辨识和控制能力。     

非线性模型中M-估计的Bootstrap逼近

讨论了非线性模型中回归系数向量基于M-估计的Bootstrap逼近,并在一定的条件下证明了Bootstrap逼近成立。     

旋转机械故障诊断的多小波分析法

本文选择 Daubechies、Coiflets、Symlets、Biorthogonal等多小波 ,对叠加有白噪声的典型旋转机械故障信号进行多分辨分析、比较 ,给出了不同分辨率下的离散近似 ,结果表明多小波比单一小波较容易而准确地获得故障特征信息     

每层3个节点的神经网络对连续函数的逼近

主要研究了多层前馈人工神经网络对Rd上连续函数的逼近,证得每层3个节点的n(n+d-1/d-1)层前馈人工神经网络可以按任意给定的精度逼近任一总次数为n的d元代数多项式,并给出d=1时的实例验证.此外,由Weierstrass定理,所构造的前馈人工神经网络可以按任意给定的精度逼近连续函数.最后,将该结论推广到多维输出的情形.     

两种非线性自适应滤波方法及其在建模中的应用

本文研究了基于Ｖｏｌｔｅｒｒａ级数模型和双线性模型的两种非线性自适应滤波，这两种滤波分别基于Ｖｏｌｔｅｒｒａ核和双线性递归差分方程，具有类似于ＦＩＲ和ＩＩＲ的结构。我们以Ｗｉｅｎｅｒ模型为代表，讨论了应用这两种自适应滤波进行非线性系统建模的问题，并考虑了ＭＳＥ和广义ＭＳＥ准则，分析了各种算法的复杂性，文中给出了一组仿真实例。     

基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用

针对空调温度控制的大惯性、大滞后、非线性等特点,提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强,所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且,模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则,从而进行客观准确的控制。与普通模糊控制方法相比较,仿真试验说明系统设计的有效性。     

基于自适应小波特征提取一体化神经网络的空调电机振动噪声识别

正确识别空凋电机的噪声类型是改善其噪声效果的重要前提，采用一种集特征提取与识别于一体的神经网络来解决这种识别问题。此网络利用Mexican hat小波作为母小波，同时将基于小波变换的特征提取过程融人为神经网络的一部分，网络学习时可针对输入信号对小波尺度和平移参数进行自适应调整，以实现对信号特征信息的充分获取。给出了此网络的学习算法。利用这一网络对空调电机的三种噪声信号即电磁噪声、不平衡噪声、轴承噪声信号进行了学习和识别，结果表明，学习后的网络以很高的可靠性准确地识别出了电机的不同噪声类型。     

基于小波神经网络的图像表述

小波神经网络有机地融合了小波分析的时频特性和神经网络自适应优点。本文将小波神经网络应用于图像表述，提出相应的图像表述算法。分别采用两种小波函数作为网络激励函数，以验证图像表述效果。实验结果表明，小波神经网络能够有效地表述图像，其算法具有较强的鲁棒性。     

基于小波神经网络的凝汽器故障诊断

引入小波变换优化神经网络,建立了凝汽器故障征兆参数集,利用小波神经网自适应能力强、收敛速度快、精度高的特点对凝汽器故障进行诊断。应用结果表明,该方法能够有效地对凝汽器故障进行准确诊断。     

基于小波分析和模糊神经网络的齿轮故障诊断研究

建立齿轮故障信号采集模拟试验台,结合小波分析特征提取方法和模糊神经网络对齿轮故障进行了诊断,通过实验仿真,取得了很好的诊断结果。相比于传统的BP神经网络诊断方法,无论在诊断速度还是诊断精度上,模糊神经网络更具有优势。     

Importance of Adaptive Photometric Augmentation for Different Convolutional Neural Network

Existing segmentation and augmentation techniques on convolutional neural network (CNN) has produced remarkable progress in object detection. However, the nominal accuracy and performance might be downturned with the photometric variation of images that are directly ignored in the training process, along with the context of the individual CNN algorithm. In this paper, we investigate the effect of a photometric variation like brightness and sharpness on different CNN. We observe that random augmentation of images weakens the performance unless the augmentation combines the weak limits of photometric variation. Our approach has been justified by the experimental result obtained from the PASCAL VOC 2007 dataset, with object detection CNN algorithms such as YOLOv3 (You Only Look Once), Faster R-CNN (Region-based CNN), and SSD (Single Shot Multibox Detector). Each CNN model shows performance loss for varying sharpness and brightness, ranging between −80% to 80%. It was further shown that compared to random augmentation, the augmented dataset with weak photometric changes delivered high performance, but the photometric augmentation range differs for each model. Concurrently, we discuss some research questions that benefit the direction of the study. The results prove the importance of adaptive augmentation for individual CNN model, subjecting towards the robustness of object detection.     

基于分形和子波变换自适应控制混沌

在自适应控制混沌方法的基础上结合子波分析、分形理论，提出了一种自适应控制受迫Ｄｕｆｉｎｇ振子的混沌运动的方法。克服了需要预先知道系统的具体动力学模型及需要设计一个参考模型等缺陷。从实验中即可测得系统的某个输出量，引入外力控制混沌运动。数值分析表明在适当的控制信号下，混沌运动得到了很好的控制。