多指抓取力的线性组合计算

为提高力优化算法的实时性,提出一种新的计算抓取力初值的方法.首先离线计算一组单位外力对应的抓取力作为线性组合的基础向量,然后将任意外力分解为单位力的线性组合,对基础抓取力按同样规律组合,得到满足约束的抓取力初值.算例仿真分析结果表明,该方法的计算速度比拉格朗日对偶法、单值优化法更快,且减少了力优化算法的收敛步数目.在带摩擦点接触抓取模型中,应用该方法为多指抓取的力优化算法求取初值,有利于提高力优化算法的实时性.     

基于神经网络的自学习模糊控制

将神经网络与模糊控制相结合，提出了一种基于神经网络实现自学习模糊控制的方法，并给出了神经网络训练、控制器离线自学习、控制器在线自学习的相应算法，利用该方法，可以实现控制器的离线自学习和在线自学习，从而在控制对象发生变化时，通过控制器自学习改善系统的控制性能，仿真结果表明了该方法的有效性。     

非线性模型的最小最大绝对残差估计

非线性模型的计算，首先对参数赋予初始值，最重要的是保证计算收敛，最小二乘法给残差以等权，对初值敏感，最小最大绝对残差方法能保证最大绝对残差下降，这是非线性模型参数估计计算收敛的重要原因，算例表明最小二乘法比最小最大绝对残差方法对初值敏感。     

关于两自由度无阻尼系统的谐迫振动和动力吸振器

用待定系数法给出了一般初值条件下无阻尼两自由度振系对筒谐激励的响应，并用坐标变换法证明在一般初值条件下动力吸振器不能完全消除主要系统的振动。     

求解电力系统Bogdanov-Takens分岔的改进直接法

电力系统中往往采用延拓法搜索Bogdanov-Takens分岔点,计算量较大;传统直接法由于特征向量规范具有不确定性,导致算法对初值要求较高。针对以上问题,提出了改进直接法。利用特征向量及其转置的自约束特点,改进拓展方程组中特征向量约束条件。使得改进直接法能够在初值的较大范围内收敛,改善了算法的有效性。通过电力系统模型仿真验证该方法的正确性。     

分析化学中迭代回归法的提出及验证

根据分析化学中多次标准加入法所得非线性方程组的特点，首次提出迭代回归法这一新计算方法。验算了三组实验数据，证实该法可行，并且有数学原理简单、程序易编及初值选择宽等优点。     

一种新的白光干涉谱数据处理方法

为了克服用极值法从白光干涉谱数据求解光程差存在的抗噪声能力差的缺点，提出了一种基于均方差最小意义下新的处理方法.该方法假定当光程差某个估计值与实际值最接近时，对应的干涉谱的均方差最小.首先对干涉谱测量值进行归一化处理，消除低频光强变化的影响，并用极值法求得光程差的初值，然后求归一化的干涉谱与基于初值的理想干涉谱之间的均方差，通过逼近法获得均方差最小时对应的估计值.数值仿真和实验结果表明，利用该方法处理白光干涉谱数据得到的光程差，不仅比极值法具有更高的数据精度，而且有效地提高了抗干扰能力.     

分析化学中迭代回归法的提出及验证

根据分析化学中多次标准加入法所得非线性方程组的特点，首次提出了迭代回归法这一新计算方法，验算了三组实验数据，证实该法可行，并且有数学原理简单，程序易编及初值选择宽等优点。     

基于初值修正的灰色预测模型的改进及其应用

对CM（1，1）建模的预测精度进行了分析，表明初值的选取对模型的预测精度有着重要影响，进而提出了可以提高预测精度的修正初值的方法．实证分析结果表明通过初值修正能够提高预测模型的预测精度．     

基于神经网络的离线调优控制的研究

提出了一种快速收敛Ｂ－Ｐ网学习算法，并将其用于离线调优控制。详细讨论了神经网络调化模型的实现原理和过程，并对Ｄ３０５丙烯精馏塔进行了仿真调优控制，仿真结果表明了本方法的有效性。     

同步电机参数辨识方法的评述

评述了国内学者近年来提出的同步电机瞬态参数在线，离线测量新方法。给出了每类方法中的时域法和频域法的数学模型，结合试验证评论每类方法的条件，数据处理技术及精度，描述了该领域的发展新动态。该方法尚未列入国家标准，也非国际电工委员会的标准方法，但大都已在工业试验中得到应用。     

罚函数乘子的初值选取和多步长问题

由于较大规模非线性问题本身的复杂性，罚函数乘子的初值选取是罚函数乘子法的一个非常重要的问题，另一个非常重要的问题就是步长选取。通过分析罚函数的基本作用和较大规模非线性系统各变量梯度之间的关系，提出了罚函数乘子初值选取时应考虑的问题和多步长处理方法。     

电力绝缘子检测方法及其应用现状

针对电力绝缘子出现断裂、发热以及强度、阻值降低等故障,利用瓷壁耐压及陡波等试验方法,在不同试验条件下对各种用途的绝缘子进行出厂检测,保证了绝缘子的出厂质量,利用离线检测和在线检测方法,实现了运行中绝缘子故障检测的要求。离线检测方法以红外检测和紫外检测方法为发展方向,在线检测方法以泄露电流和脉冲电流法为主流检测方法。出厂前和运行中的离线、在线的检测方法对故障绝缘子有良好的检测效果,为研究绝缘子检测奠定了基础。     

基于神经网络的机械故障诊断系统

给出了自适应神经网络学习模型及自适应神经网络的诊断过程，探讨了动量系数和学习率自适应调整的神经网络算法，进一步给出了动量系数和学习率的调整方法，并将其作为机械故障的特征识别方法．由此建立了基于神经网络的旋转机械故障智能诊断系统，给出了诊断系统的训练学习方式和工作方式．两种学习系统的训练方式，可作为旋转机械在线或离线故障诊断分析的重要方法．     

线性偏微分方程问题的微分算子解

用微分算子法给出了线性扩散方程和波动方程的通解及初值以及边值相关问题的算子解，特别是对非齐次方程和非齐次边界问题处理尤其简捷适用．同时．此法也很好地克服了行波法、分离变量法与积分变换法等方法计算的繁锁，成为一种简便易记计算十分简单的解决问题的方法．     

一种三层前向网络参数的解析计算方法

介绍了用解析法计算三层前向网络参数的方法，给出了一个三层前向网络准确记忆给定样本所需隐层节点个数的充分条件，也可用解析法计算的参数作为ＢＰ等算法的训练初值，仿真结果说明这种方法是有效的。     

基于神经网络的离线调优控制的研究

提出了一种快速收敛Ｂ－Ｐ网学习算法，并将其用于离线调优控制。详细讨论了神经网络调优模型的实现原理和过程，并对Ｄ３０５丙烯精馏塔进行了仿真调优控制，仿真结果表明了本方法的有效性。     

一般分布下的自学习滤波方法

针对Ｋａｌｍａｎ滤波存在的储多难点，在一般分布下的二阶近似最小方差估计的基础上，本文首次提出了正态严平稳假设下的自学习自适应Ｋａｌｍａｎ滤波，并相应研究了分布蜜度的离线异步自学习估计方法，文中又利用了Ｂａｙｅｓ公式得到了非线性校正项的三阶联合中心矩和四阶中心矩的自学习估计方法，并据此提出了一般分布下的自学习自适应滤波的基本公式。本文对上述理论的收敛性进行了严格证明，并指出了待研究的若干问题。     

一种基于TOA的UWB直接-Taylor复合定位算法

通过比较直接算法和Chan算法的优缺点，针对Chan算法作为Taylor初值算法运算比较复杂的问题，分析了基于TOA到达时间的UWB（超宽带）定位算法，即直接一Taylor复合定位算法，将直接算法作为Taylor序列展开法的初值算法，并根据初值判断定位基站是否为视距（LOS）传播及修正基站到定位体的距离测量值，有利于Taylor序列展开法的收敛。仿真表明该算法定位性能优越，在非视距传播（NLOS）的影响下有效地提高定位精度，定位误差达到厘米级，计算速度也有较大的提高。     

一种神经网络自校正控制器

多层前向网络具有内在的非线性通过能力、在线自学习和较强的鲁律性及容错能力．可用于动态系统的在线或离线辨识．本文在研究一类基于参数在线估计的自校正控制器的基础上，比较了常用的参数估计方法－最小二系法与种经网络用于系统辨识的优缺点，偿试利用多层前向网络替代最小二乘法来进行一类受扰不确定系统的在线受耗参量估计，并将神经网络的辨识模型直接用于系统在线控制．最后给出了一个仿真实例，计算结果说明上述方法是可行的．