隐层小波元神经网络的非线性跟踪特性

基于Hilbert 空间中Lebesgue 划分的特点,运用算子理论中变换的连续性和相对紧集的拓扑结构研究了小波神经网络的跟踪特性，利用作为隐层激励函数的小波函数的紧支撑和可积性，从代数分析的角度证明了只要隐层激活函数的小波函数满足相应的性质，那么小波神经网络就能以任意的精度跟踪紧集上的连续非线性函数．仿真实例表明了小波神经网络对非线性函数来说是一致跟踪器．     

基于多重结构神经网络的歼击机结构故障检测

提出了一种基于多重结构神经网络的故障检测方法。针对以歼击机为代表的非线性系统中存在的突发结构故障，构造了一个多重结构神经网络，在输入层对残差信号进行二进离散小波变换，提取其在多尺度下的细节系数作为故障特征向量，并将其输入到神经网络分类器进行相应的模式分类，之后再利用下一级的故障度辨识神经网络对故障的大小进行辨识。仿真结果表明，本文方法为歼击机组合结构故障的检测提供了有效的方法和途径。     

采样系统动态误差系数的数字计算

本文提出了两种新的计算采样系统动态误差系数的递推算法,详细证明了这两种算法的结论。利用本文给出的方法计算采样系统的动态误差系数,不仅结果精确,而且计算量小,便于上机。本文给出了两种算法的计算机程序框图,並就结果与直接求导方法进行了对比。     

基于模型降阶的随机最优输出反馈阵设计

本文研究了线性离散随机系统的模型降阶和最优输出反馈矩阵的设计问题。文中提出的设计方法不需要对原系统进行Andersen-Moore的迭代运算,而直接利用求得的降阶模型解出近似的最优输出反馈阵。文中举例说明设计方法的应用并进行了计算机仿真,结果是令人满意的。     

一类基于神经网络非线性观测器的鲁棒故障检测

针对一类仿射非线性动态系统,提出了一种基 于神经网络非线性观测器的鲁棒故障检测与隔离的新方法．该方法采用神经网络逼近观测器 系统中的非线性项,提高了状态估计的精度,并从理论上证明了状态估计误差稳定且渐近收 敛到零;另一方面引入神经网络分类器进行故障的模式识别,通过在神经网络输入端加入噪 声项来进行训练,提高神经网络的泛化逼近能力,从而保证对被监测系统的建模误差和外部 扰动具有良好的鲁棒性．最后,利用本文方法针对某型歼击机结构故障进行仿真验证,仿真 结果表明本文方法是有效的．     

一种多故障检测滤波器设计的新方法

提出了一种适用于多种故障类型的检测滤波器设计方法。基于故障输出空间进行故障检测,避免了必须采用多个检测滤波器对不同的故障进行检测,从而使故障检测的实时性得到改善。仿真结果表明,文中提出的检测滤波器性能良好,满足工作要求。     

灰关联分析在歼击机操纵面故障识别中的应用

为了提高歼击机操纵面的故障识别能力,探讨了基于关联分析的故障识别理论.首先介绍了运用灰色关联度分析法进行故障识别的原理、步骤和方法,描述了识别的具体实现过程,并根据歼击机操纵面的常见故障,运用灰色关联识别方法进行分析,最后用某歼击机的实例比较了该方法与神经网络方法的识别结果.方法分析与仿真结果表明,将灰色关联度分析法引入操纵面故障识别中是可行的,并具有简单、计算量小、识别结果可靠等特点.     

基于模糊模型的时滞不确定系统的模糊H∞鲁棒反馈控制

讨论了一类具有状态和控制时滞的不确定非线性系统的模糊H∞状态反馈控制问题.采用具有时滞的不确定Takagi-Sugeno(T-S)模糊模型对非线性系统进行建模,提出了一套基于LMI的模糊鲁棒控制器的系统设计方法,给出了模糊H∞状态反馈控制器存在的充分条件,以保证闭环模糊系统渐近稳定并满足从干扰输入到控制输出的H∞范数界约束.示例仿真表明了该方法的有效性.     

不确定离散时滞系统的鲁棒容错控制器设计

研究了具有参数不确定性的离散时滞系统的鲁棒容错控制问题,针对执行器故障和传感器故障分别给出了使闭环系统仍能保证渐近稳定的充分条件,控制器的设计可以通过求解线性矩阵不等式(LMI)方法得到.设计实例及仿真结果验证了该方法的有效性.     

一类非线性系统的自组织模糊CMAC神经网络自适应重构跟踪控制

提出了一种非线性系统的自组织模糊CMAC(SOFCMAC)神经网络自适应重构跟踪控制方法,首先通过构造增广系统,设计出线性渐近跟踪控制器,然后采用SOFCMAC神经网络在线重构系统的非线性特性,以消除非线性特性引起的系统误差,可保证非线性系统闭环稳定并使系统输出跟踪期望输出.仿真算例证明了SOFCMAC神经网络自适应重构跟踪控制系统的稳定性.