一种新型径向基函数神经网络在模型辨识方面的应用

采用改进的径向基函数（MRBF）神经网络，利用实测到的发动机飞行试验数据作为学习样本，建立了发动机的辨识模型，并利用这种方法对不同飞行高度发动机的参数进行了辨识。研究结果表明：这种方法具有训练时间短、学习速度快、辨识精度高、实时性好等优点，并可用于在线辨识。     

基于神经网络的盾构液压推进系统的参数辨识

为了提高盾构液压推进系统速度控制的精度,减小建立数学模型与实际系统之间的偏差,提出基于时延神经网络和系统参数上下界值的动态系统参数辨识方法。在建立盾构液压推进系统速度控制模型的基础上,利用神经网络在待辨识参数的范围内对系统的不定参数进行辨识,搜索出更逼近实际盾构推进系统的一组参数,满足对系统输入实际信号时能够准确地得到实际系统的输出。利用盾构模拟实验台的另一组采样数据对系统辨识结果进行验证,结果表明：该辨识方法得到的模型能够逼近真实的物理系统。     

基于优化RBF神经网络挤出机温度压力系统辨识

为了精确在线辨识橡胶复合挤出机控制过程中主要干扰变量与内部耦合关系,更好地实现对挤出机温度压力耦合系统的精准控制,采用RBF神经网络进行系统辨识研究,同时结合PSO算法引入GA算法中编码、杂交、交叉、变异等概念,设计了混合型PSO算法进一步优化RBF神经网络,完成对温度压力耦合系统的精准在线辨识.借助MATLAB软件进...     

基于神经网络的加工过程模型辨识

介绍了神经网络动态建模方法,以车削加工过程为例,用一个带单隐层的反向传播网络对非线性的加工过程进行了辨识研究,并将神经网络模型的跟踪响应与参数模型的跟踪响应作了对比分析。仿真结果表明,神经网络是建立非线性加工过程模型的一种有效方法。     

基于BP神经网络摆式列车倾摆控制系统的辨识

针对摆式列车倾摆控制系统的特点，把人工神经网络的基本原理应用于摆式列车倾摆控制系统，在倾摆控制系统的神经辨识网络中应用BP算法对系统进行辨识，通过学习对系统进行建模。仿真结果表明：所采用的辨识网络能够对倾摆控制系统的动态特性进行有效的辨识，可以解决倾摆控制系统中的非线性问题。     

基于GA-BP神经网络的气压伺服系统辨识研究

气压伺服系统控制器的优化设计依赖于准确的系统模型.针对系统的非线性问题,研究采用神经网络进行系统辨识的原理和结构;考虑传统BP算法存在局部收敛、学习速度慢的问题,采用遗传算法对神经网络的初值和权值进行优化,并采用LM算法进行网络学习,最终建立系统的神经网络辨识模型.通过仿真对比神经网络辨识结果与传统线性模型辨识结果,结...     

气动比例位置系统的辨识及仿真研究

针对气动比例位置系统的非线性特点，本文提出采用BP网络和RBF网络对系统进行辨识，同时进行了辨识的仿真研究，结果表明神经网络用于系统辨识是可行的和有效的。     

基于BP神经网络的液压伺服阀的模型辨识

针对铁马工程中液压振动台在实际应用时不能达到预期控制效果的问题,利用神经网络具有逼近任意非线性映射的能力,使用BP神经网络对液压振动台中的核心设备液压伺服阀进行模型辨识.仿真结果表明这种方法能有效地对液压伺服阀进行辨识,辨识出的模型为设计合理的控制方法提供了理论依据.     

基于FPGA的神经网络在非线性实时系统辨识中的应用

针对动态系统的辨识问题,设计一种采用现场可编程门阵列(FPGA)实现输出反馈递归模糊神经网络进行非线性动态系统辨识的方法。输出反馈递归模糊神经网络能够实现非线性动态系统的高精度快速辨识,但神经网络复杂的并行结构需要较长的运算时间,限制了它在实时控制和在线系统辨识中的应用。由于FPGA具有并行运算能力,使它在神经网络实现上具有本质的优势。因此,利用NI公司的高性能FPGA板卡以及LabVIEW图形化编程定义FPGA芯片上的逻辑功能,实现具有动态反向传播算法的输出反馈递归模糊神经网络以及舵机位置伺服系统的在线辨识。实验结果表明：基于FPGA的神经网络实现系统辨识周期在毫秒范围内,为非线性实时系统辨识的应用提供了一条新途径。     

基于BP神经网络压电泵输入输出系统的辨识

以一种橡胶阀双腔体并联泵为例,在输入110V正弦交流信号时,测得该压电薄膜泵的输出流量及出口压力的值。在实验数据的基础上,应用BP神经网络建立了压电泵输入输出系统的映射关系,并利用Matlab/Simulink提供的模块搭建了压电泵的模型。结果表明,通过BP神经网络得到的输出特性值具有较高的精度,能客观地反映压电泵输出特性随输入频率的变化关系。     

基于观测器和神经网络的液压系统故障诊断方法研究

针对液压系统特点,提出基于观测器和神经网络的故障诊断方法.该方法的原理是基于观测器实现故障的判断,利用经观测器输出训练的神经网络实现故障定位.相对于故障树和专家系统等方法,该方法的优点是诊断速度更快、不需要大样本.仿真结果证明该方法有效.     

电液位置伺服系统神经网络辨识的实验研究

针对电液伺服系统非线性建模问题,研究了电液位置伺服系统神经网络辨识模型的基本结构。分析伺服系统动态模型的输入、输出关系,依据遗传算法优化神经网络权值和阈值,建立神经网络辨识模型的基本结构。利用xPC技术建立阀控缸实时电液伺服实验台,以实验台的阶跃输出信号作为改进BP神经网络系统辨识信号,以实验台正弦输出信号作为验证信号。结果表明:该神经网络辨识模型的基本结构可达到较高的辨识精度,其可信性得以验证,适用于非线性系统模型辨识。     

非线性对象快速神经网络辨识方法

本文使用改进的神经网络模型结构与算法来辨识未知非线性系统，具有辨识精度高，速度快的特点。该方法简单有效，为设计非线性对象控制器提供了一条思路，从而摆脱了用线性模型近似被控对象的粗略做法。算法中，学习率采用随误差变化率而改变的做法减小了学习率选取的盲目性，加速了网络训练过程。     

一种作业车间调度问题的Hopfield神经网络优化方法

结合Hopfield神经网络结构和作业车间调度问题(JSSP)的约束特点,给出了适合于Hopfield神经网络求解的作业车间调度问题的矩阵表达数学模型。借用神经网络中能量函数的概念和含义确定网络的连接权,并将模拟退火算法应用于Hopfield神经网络求解,避免了系统输出陷入局部极值。将优化作业车间调度方案问题转换成求解网络系统的平衡点,即吸引子,该网络不仅能输出可行最优解,且优化速度快、实时性强。并通过计算机仿真表明了该方法的有效性。     

基于神经网络的空间可展天线展开过程智能控制研究

从多柔体力学的角度建立了环形桁架可展天线的展开动力学方程,针对系统展开过程的非线性与时变性,基于神经网络设计出了一种具有预测与实时优化功能的过程控制系统,为可展天线展开过程速度控制提供了一种智能控制方法。仿直结果表明,该智能控制系统解决了空间可展天线展开过程的复杂多变量非线性时变控制问题,并且具有良好的控制精度、自适应性、稳定性和鲁棒性。     

基于概率神经网络的液压管路泄漏故障程度识别

针对复杂环境下飞机的液压管路系统在故障诊断时存在的各种问题,提出一种基于概率神经网络的液压管路系统泄漏故障的诊断方法。在飞机液压管路系统中主要产生的故障是由于管路系统的振动导致的管路破裂、泄漏等。对飞机液压管进行建模,分析其工作状态下不同液压泄漏故障程度时的固有频率,选取前5阶固有频率作为故障诊断的特征值;构建PNN概率神经网络诊断模型,利用测试样本进行故障诊断实验。结果表明,该方法对液压管路故障具有较高识别率。该研究为液压管路系统的故障诊断提供了参考。