基于小波神经网络的时间序列预报方法及应用

传统的时间序列预测模型在处理具有非线性特性或非平稳时间序列问题,特别是对有人参与的主动系统、社会经济系统的预测上,无法取得满意的预测效果.寻求处理这类系统的方法是人们一直努力的方向.这里以小波理论为基础,重点研究了小波网络在非线性时间序列中的建模预测方法,利用深圳综合指数数据,建立了股票指数预测模型.该模型克服了传统的时间序列预测模型仅局限于线性系统的情况,避免了BP神经网络模型固有的缺陷.仿真结果表明,该方法比神经网络预测方法的预测精度高,可以很好地应用于某些非线性时间序列的预测中.     

非线性动态系统相关性推断方法与应用

给出的基于分数维数的推断方法，用于推断两列观测数据是否来自于同一非线性动态系统，以解决非线性经济预测中的变量选择问题；随后对利用ＢＤＳ检验推断非线性可预测性的方法进行了讨论．在一个决策支持系统中，用该方法对国际有色金属市场价格趋势非线性特征进行统计推断与辅助建模，取得了较好效果．     

制粉系统球磨机的神经网络预测控制

通过对制粉系统球磨机这一非线性被控对象建立神经网络预测模型,提出了基于神经网络预测控制器的非线性预测控制方法。为了克服大多数非线性系统预测控制在线计算量大的问题,在预测控制性能指标约束下,采用非线性优化求解技术,得到当前工作点的最优预测控制量,用来训练神经网络预测控制器,最终实现非线性系统的神经网络直接预测控制。新的方法大大减少了在线计算量,仿真试验结果证实了所提方法的有效性。     

一种基于神经网络的自适应预测控制方法

强非线性系统预测控制问题当前仍有许多难点需要解决,而神经网络由于具有非线性逼近能力、自学习、容错性等特点,使它在自动控制理论中得到了广泛的应用.针对非线性系统,提出了一种基于神经网络的自适应预测控制方案,该方案结构简单,易于实现.对于一些难于用传统方法控制的复杂非线性对象提供了一种有效的方法.对非线性定常及时变对象,利用仿真表明了该控制策略的有效性.最后讨论了神经网络控制器发展方向与亟待解决的问题.     

一种双线性系统的预测函数控制算法

预测控制是以计算机为手段基于模型预测进行控制的方法，但是以往的预测控制算法通常是集中在线性渐进稳定对象，对非线性系统的研究工作较少。针对实际工业过程中广泛存在的双线性系统，通过对其每一滚动优化点进行线性化处理后，设计了一种简便高效的、可与线性系统媲美的预测函数控制算法，核算法具有解析形式，从而避免了一般非线性子优的繁琐计算。利用Matlab软件份真表明该非线性预测函数控制方法是一种计算简单、抑制干扰能力强、跟踪性能好、误差较小的有效的控制方法。     

旋转机械振动序列预测

分析了旋转机械振动系统的非线性现象,从混沌理论出发,给出振动序列预测的思想方法。研究了神经网络用于非线性预测的理论基础,并利用其进行相空间重构。建立了旋转机械振动预测的非线性模型,并在模拟转子实验台上进行了实际验证,取得了满意的效果。提出了一种实用的确定嵌入维数的方法。     

基于拟牛顿法多层前向网络的预测控制

通过应用具有二阶线性收敛速度的拟牛顿法于多层前向网络,以作为非线性预测控制中的预测模型,疆非线性优化方法,实现对于一般意义非线性系统的预测控制。仿真表明文中算法大大提高了网络学习收敛速度,使非线性预测控制算法的实时性能有很大改观。     

基于非线性模型预测控制的飞机全电刹车控制

针对飞机全电刹车系统的非线性和不确定性,分析了全电刹车系统工作原理,建立了系统数学模型并提出了一种基于准无限时域非线性模型预测控制的飞机全电刹车控制算法;该方法通过实时预测、滚动优化以及反馈校正的策略完成对非线性对象的高效控制,且在满足一定设计规则的前提下具有渐近稳定性;仿真结果表明,与传统的模糊PID控制方法相比,该方法能够控制全电刹车系统获得更稳定和优化的滑移率,从而提供更好的刹车性能。     

基于神经网络的广义预测控制综述

概括叙述了广义预测控制的发展现状,对具有误差校正的预测控制方法进行了概括,介绍了与神经网络相结合的非线性系统的预测控制方法,并在此基础上讨论了神经网络非线性预测控制中存在的问题及进一步研究的方向。     

基于LAR和在线LS-SVR的非线性时间序列故障预报

针对非线性系统的故障预报,设计了一种在线最小二乘支持向量回归机(LS-SVR)算法,提出了一种基于在线LS-SVR和线性AR(LAR)混合预测的故障预报新方法.用LAR对非线性系统进行局部线性建模,用LS-SVR在线补偿局部线性模型的建模误差,实现了非线性时间序列的一步预测,并推广到N步预测.基于已知的正常时间序列数据,直接对当前N步预测值进行异常估计,实现故障预报,提高了实时性.同时方法的误检率和漏检率还可人为调整,对不同对象具有普遍性.仿真实验证明了方法的有效性.