混沌光学系统之前向神经网络系统辨识研究

本文以布拉格声光双稳混沌系统之系统辨识为例，研究了利用前向神经网络对混沌光学系统进行系统辨识的可能性，其计算机仿真实验结果表明，由ＢＰ算法支持的三层前向神经网络，在一定的精度范围内，确是一良好的混沌光学系统辨识器，因而可用来处理混沌光学时间序列以进行混沌光学系统的动力学重构。     

混沌光学系统之前向神经网络混沌催化混沌系统辨识研究

本文以布拉格声光双稳混沌系统之系统辨识为例，研究了利用前向神经网络对混沌光学系统进行快速系统辨识的可能性，其计算机仿真实验结果表明，由静态ＢＰ算法训练的三层前向神经网络，在混沌催化逄法的支持下可克服ＢＰ算法训练时间沉长的缺点，在较少的训练次数内即已成为一良好的混沌光学系统辨识器，因而可用来高效率地处理混沌光学时间序列在进行混沌光学系统的动力学重构。     

混沌光学系统之前向神经网络混沌催化混沌系统辨识研究

本文以布拉格声光双稳混池系统之系统辨识为例，研究了利用前向神经网络对混沌光学系统进行快速系统辨识的可能性，其计算机仿真实验结果表明，由静态BP算法训练的三层前向种经网络，在混优催化算法的支持下可克服BP算法训练时间沉长的缺点，在较少的训练次数内即已成为一良好的混沌光学系统辨识器，因而可用来高效率地处理混沌光学时间序列以进行混沌光学系统的动力学重构。     

粒子群算法在模糊神经网络系统辨识中的应用

由于模糊算法过于依赖专家知识,参数决定过程中人为主观因素过大且无法进行自学习;而神经网络算法收敛速度较慢,还可能陷入局部最小.本文针对上述这两种算法在实际应用中的缺陷,引入并介绍了一种高效的粒子群算法,在采用Sugeno模糊推理计算模型建立模糊神经网络的基础上,利用粒子群算法收敛快、算法简单和全局寻优的优势,实现模糊神经网络的优化辨识,并进行了仿真实验.     

神经网络辨识研究的现状

阐述了神经网络辩识的基本原理，综述了神经网络辨识的研究进展，对各种不同的辨识方法进行了评述，并指出各自的特点，同时得出神经网络辩识的局限性。     

创发性DNA计算模型及其混沌系统辨识过程

针对非线性信息处理的特点,提出了一种新的ＤＮＡ计算模型。该模型以创发性机制为基础,引入合理的元进化算子,并由混沌动力学系统构造相应的演化过程。所设计的与上述模型相联系的混沌进化算法,属于一种新型的ＤＮＡ算法。从将其应用于Ｈｅｎｏｎ方程辨识的结果来看,所构造的模型和算法是有效的,由于非线性控制系统中混沌现象的存在,它们在自适应控制器的设计和应用中具有重要的科学意义和较为广阔的前景。     

基于参数辨识的混沌同步变结构控制

在变结构控制混沌系统同步的基础上，提出了一种基于参数辨识的自适应混沌同步控制策略。根据李亚普若夫稳定性理论，通过两个系统的变量误差来辩识未知参数。在此基础上，针对变结构控制的3个目标，选择合适的滑动面并设计控制量，使参数不确定的两个混沌系统同步。涌讨对Lorenz系统的理论研究和数值仿真，所得结果证明了该控制策略可以实现参数不确定的、不同初始条件的混沌系统的同步控制。     

非线性辨识、控制与混沌(英文)

综述了非线性辨识、控制的基本方法和非线性混沌特性,并以交流电机为例讨论了处理一类非线性问题的途径,最后阐明了非线性发展方向的观点.     

混沌光学系统自适应控制研究

本文提出一种用于混沌光学系统控制自适应控制技术。此自适应控制技术以受控混沌光学系统与其动力学模型的输出差值作为反馈控制函数的宗量。由反馈控制函数的输出对混沌光学的系统控制参数进行调整以达到控制目的。由于该技术可消除外界因素导致的系统控制参数漂移现象对系统运转的影响，故特别适合于需要混沌光学系统运转稳定在某一具体动力学状态情形下的控制。本文将此技术应用于控制布拉格声光双稳系统的计算机仿真实验中，成功     

一类不确定分数阶混沌系统自适应同步与参数辨识

针对一个参数不确定的分数阶混沌系统,首先给出不同相平面上的混沌吸引子图,然后基于分数阶系统稳定性理论,设计了一种自适应同步控制方法,不仅能够实现该系统的混沌同步,同时能够完成响应系统的参数辨识,并根据Lyapunov稳定性理论给予严格证明,最后通过数值仿真,验证了该方法的有效性和正确性.     

三神经元CNN自治系统中周期与混沌行为的研究

细胞神经网络（ＣｅｌｌｕｌａｒＮｅｕｒａｌＮｅｔｗｏｒｋｓ）自从１９８８年由Ｌ．Ｏ．Ｃｈｕａ等首先提出后，已有了很大的进展，并在很多领域得到应用。本文仅针对ＣＮＮ基础理论中稳定性问题，研究了一个含有三神经元ＣＮＮ自治系统的非线性的力学性质，用计算机模拟的方法，揭示了此系统中存在着各种周期及混沌现象．     

基于高阶关联矩阵方法的混沌系统参数辨识

为了减小系统非线性和噪声对参数辨识效果的影响,采用缺失变量的高阶关联矩阵方法（HOCC）,以处于混沌状态的蔡氏电路为研究对象,分别对模拟蔡氏电路以及存在噪声的单个实验蔡氏电路和耦合实验蔡氏电路进行动力学参数辨识.研究结果表明,该方法在蔡氏电路电感电流未知情况下进行参数辨识是有效的,同时对噪声具有很好的鲁棒性.所得的参数辨识结果和电路标定参数的相对差距均能在20%的范围之内.该研究结果可以为蔡氏电路中器件参数测量提供参考依据,并能进一步应用到其他网络结构参数辨识实验中.     

基于神经网络内模的非线性控制系统

从某类可以被多层BP神经网络建模的非线性系统出发，给出一种控制方法，PID控制器和IMC控制相结合，仿真结果表明BP网络用作IMC控制器扔效性，此类方法比传统的控制器有更快更好的跟踪性能。     

基于神经网络的滞变结构在线识别

提出了一种适用于滞变结构的神经网络在线识别方法。通过对非线性滞变模型的适当变换，采用Adaline模型和LMS学习机制来实现对该模型的在线识别。数值模拟结果表明了该方法的有效性和实用性。     

基于BP神经网络对时滞系统的模型参数辨识仿真

主要研究了基于BP神经网络对时滞系统的参数辨识,分析了两种辨识结构和两种建模方法,对系统被控对象的建模采用了神经网络正模型,辨识结构为串-并联型.考虑加强BP网络的泛化能力,用随机数据去训练网络,然后得到训练后的权值,给一个阶跃信号,利用交叉两点法,从而得到时滞系统的特征参数.通过仿真,基于BP网络对时滞系统的参数辨识是有效的.     

分解递推辨识算法的研究

提出了线性系统的分解递推辨识算法,并应用连带常微分方程的方法分析了算法的收敛性。仿真结果表明;该算法具有较快的收敛速度和较好的数值稳定。     

一类积分—微分系统的辨识方法研究

本文研究了用于描述非定常气动力和气动弹性现象的一类积分-微分方程的辨识问题。文中讨论了积分-微分方程辨识的直接法和函数逼近法,给出了积分-微分方程可以用微分方程近似描述的条件。最后应用本文结果考虑了弹性飞行器的气动参数辨识问题,仿真计算验证了文中的研究结果。     

带滞环元件的ARMA模型辨识

本文考虑一类特定非线性系统的辨识问题,这类系统可以用一个ARMA模型和一个与之串联的滞环元件来表达.我们提出一种最小二乘加非线寻优的方法来辨识此类系统中ARMA模型的参数和滞环元件的参数,并给出了若干辨识计算实例.算例表明了所提方法的可行性.     

具混沌性状的符号动力系统模2映射

本文利用模运算，定义了符合动力系统模２映射，并证明该映射具混沌性状。