非线性结构的神经网络LM系统辨识方法

LM算法是梯度下降法与高斯-牛顿法的综合体.它在训练次数和精确度上明显优于共轭梯度法及变学习率的BP算法,适用于非线性系统辨识.模拟结果表明该算法大大地提高了学习速度,节省了训练时间,且辨识效果很好.     

基于多分支BP神经网络的结构系统辨识

结构动力学系统是一个多输入多输出系统,建立能精确体现结构动力特性的辨识模型是实现结构高品质振动控制和关系到控制是否有效的关键。提出一种多分支BP神经网络辨识模型,将影响结构动力反应的结构状态变量和地震动输入分别作为模型的分支输入来进行辨识,提高学习效率及预测精度,并利用训练好的模型预测结构在不同地震波输入下的动力反应,验证模型的泛化能力。数值分析结果表明,用所提出的多分支BP网络模型对结构动力学系统进行动力特性辨识时能达到较高的精度,而且预测精度也很高。     

运用神经网络辨识直燃式溴化锂系统模型

HVAC领域的节能设计和最优化控制一直是目前研究领域的热门话题,尤其由于直燃式溴化锂机组运行中的能耗问题,使得对它的模型研究更显得重要.由于这个系统高度的非线性,耦合性,多变量性,传统的辨识方法不能很好的解决这个问题,所以本文提出采用神经网络方法来辨识这样一种模型系统,并且结合实际的实验数据和厂家提供的性能数据,利用前馈型网络结合BP算法辨识得到了一个可以很好模拟实验的神经网络模型.     

基于模糊神经网络的烟度检测系统的研究

本对全流消光式烟度检测系统中的不确定因素进行校正，归结为模糊规则，并用模糊神经网络来提取这种规则，实现了烟度检测系统的误差校正。仿真分析表明，模糊神经网络应用于烟度的检测是可行的。     

基于BP神经网络的压电智能结构振动系统辨识

针对神经网络在压电智能结构振动控制中的关键问题之一——系统模型的神经网络辨识,用引入时延的多层前馈BP神经网络串一并联型结构对表面粘贴压电片的柔性悬臂梁进行非线性动态系统模型辨识。考虑压电片对梁的质量和刚度矩阵的影响和实验提取数据的繁琐问题,用有限元分析软件ANSYS对智能梁进行模态和瞬态响应分析,利用获取的系统动力响应时间序列对神经网络进行离线训练,通过MATLAB神经网络工具箱对算例进行仿真显示。     

基于前向神经网络的时变非线性结构系统辨识快速递推最小二乘法

针对基于前向神经网络的普通递推最小二乘估计存在着自适应跟踪慢和精度低的问题，提出了一种可对非线性时变系统进行快速辨识的新方法，因该方法有类似递推最小二乘算法的形式，称其为基于前向神经网络的快速递推最小二乘算法。该算法对传统的递推最小二乘算法的递推方式进行了改变，以更好的跟踪非线性时变系统的动态特性。针对典型的系统辨识仿真算例，通过与现有常用方法的比较研究显示了这种算法具有计算简单、收敛速度快和辨识精度高的良好性能。最后将方法用于一个三自由度时变非线性振动系统，结果同样验证了方法的良好特性。     

模糊聚类分析在模糊神经网络结构优化中的应用

研究了模糊聚类分析在多变量模糊神经网络的结构确定中的应用,在传统的模糊C－均值算法的基础上,给出了一个衡量聚类有效性的函数和确定模糊指数的启发式方法,并给出了应用该算法的具体的模糊神经网络模型。     

动态系统的神经网络辨识方法

本文根据人工神经网络的系统辨识理论，充分发挥神经网络的强大学习功能和记忆联想功能，建立了结构动力系统的计算机仿真模型，并对非线性动态系统和水工结构振动系统进行计算机仿真，仿真结果与实际值具有良好的一致性，这充分说明人工神经网络在结构工程领域的应用价值和深远意义。     

基于模糊神经网络技术的定量秤研究

以传送带、料门给料的动态称重过程为对象,提出了一种新型动态定量称重控制方法。该方法从过程对象的实际出发,基于多元复合控制思想,称重策略采取分段控制并引入模糊神经网络控制技术,调节量采取给料门和传送带两个自由度协调。研究结果表明:该方法能够比较理想地解决动态定量称重过程中速度与准确度的矛盾。动态称重设定值为1000g时,该装置定量误差为±0 5%,称重速度<8s 次。     

基于神经网络的悬臂梁在线辨识与振动主动控制

针对压电悬臂梁结构进行了基于神经网络在线辨识的振动主动控制研究。设计了基于NARMA-L2神经网络模型的在线辨识器和振动主动控制器,分析了神经网络各层的输入输出结构,建立了神经网络权值和阈值调整公式。在此基础之上,进行了外扰激励为单频和扫频信号时系统的在线辨识和振动主动控制实验,结果表明：该控制系统对悬臂梁的振动响应有较好的抑制作用和较强的鲁棒性。     

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。     

基于神经网络的离散变结构控制系统

系统研究了基于神经网络的离散变结构控制系统设计方法，提出了几种具体设计方案．神经网络的引入可以使滑模（变结构）控制具备学习与自适应能力，使控制信号得以柔化，从而能够减轻或避免困扰常规滑模控制器的抖振现象，改善控制效果．     

基于神经网络的结构振动最优控制

对建筑结构振动最优控制进行了研究,针对离散Ｒｉｃｃａｔｉ方程的计算复杂、求解速度慢等特点,本文设计了一种其于ＢＰ神经网络和ＬＱＲ控制理论的算法,它避免了重复对Ｒｉｃｃａｔｉ方程的求解,能快捷、有效地对结构振动实施最优控制,便于实际工程的应用。     

基于CMAC的模糊神经网络方法

结合模糊神经网络和小脑模糊连接控制CMAC理论，提出训练时间短，精度高的CMAC模糊神经网络方法，给出了网络结构，算法，并通过一个维修经费预测实例讲述了这种算法。     

基于小波神经网络的蒸汽发生器水位辨识与控制仿真

提出一种基于小波神经网络的控制方法，对蒸汽发生器水位进行控制仿真．该方法利用小波神经网络作为控制系统的辨识器和控制器来构成控制系统．小波神经网络辨识器能更准确逼近非线性对象。小波神经网络控制器能自适应产生最佳的控制规律．仿真结果表明，该方案具有响应快、超调量小、较强抑制干扰能力等良好性能．     

基于有限元和系统辨识的智能结构主动控制

探讨了一种压电智能结构的设计方法,包括动力学建模、控制器设计和闭环系统有限元仿真。首先采用有限元方法计算滤过白噪声激励下压电智能结构的响应,以此响应作为系统辨识方法的输入,采用基于观测器/K a lm an滤波器的系统辨识方法(O bserver/K a lm an filter iden tification,OK ID)得到系统的M arkov参数,亦即单位脉冲响应的采样值,然后采用特征系统实现算法(E igensystem R ea lization A lgorithm,ERA)得到系统的最小实现,基于此模型采用LQG优化算法设计鲁棒控制器,并将反馈控制引入有限元模型进行闭环系统仿真,根据仿真结果评价设计方案。此方法克服了有限元模型无法直接用于控制器设计的缺点,通过将反馈控制引入有限元模型,可用有限元方法研究控制器的性能,也适用于设计其它复杂智能结构。     

基于B样条函数的模糊神经网络

通过研究Ｂ样条函数在模糊系统和神经网络系统中的应用，探讨了通过Ｂ样条函数，结合模糊系统和神经网络的各自特点，构造模糊神经网络的方法，并提出了具体的网络模型以及相应的学习方法。     

递归模糊神经网络同步机变结构控制(Ⅰ)

根据裹包机的驱动系统控制精度较差的问题,提出采用应用递归模糊神经网络变结构控制线性同步电动机伺服系统,经过仿真,结果表明,该控制系统克服了上述缺点.     

旋转机械振动故障诊断的一种模糊神经网络方法研究

介绍了一种基于多层感知器的模糊神经网络分类器，并针对其在旋转机械故障诊断中的应用，研究了网络构造过程中输入和输出模糊化的问题。文中利用振动频谱特征就旋转机械中几种典型的故障模式，采用模糊神经网络方法作了识别，且将其与传统的ＢＰ网络及模糊诊断方法进行了比较。研究结果表明：将模糊神经网络方法应用于旋转机械工况识别是有效的，它在处理分类边界模糊的数据时比传统的ＢＰ网络和模糊诊断方法具有更大的优越性。     

基于模糊神经网络的机载设备智能故障诊断系统

针对某型飞机机载设备故障多,且具有模糊性、复杂性的特点,本文将模糊逻辑和神经网络相结合,采用模糊隶属函数来描述这些故障的程度,建立了模糊神经网络故障诊断模型.采用图形化编程技术,开发了一种故障诊断推理流程图,方便了用户的开发.该系统依据专家知识和测试数据,可将故障隔离到内场可更换单元(SRU)或某个功能电路.实践证明该诊断系统是有效的,具有推广应用价值.