浅谈危害辩识与风险控制在安全管理中发挥的作用

文章从人的需求上分析了安全是人们最基本的要求.危害辨识与风险控制是一种能激发大家主动参与安全管理的模式,将对企业确保安全生产的健康发挥出积极的推动作用.     

电弧冶炼炉的随机干扰辨识与校正

详细分析了电弧冶炼炉控制系统中的几种主要随机干扰,进行了模糊聚类辨识,并建立模糊关系矩阵,在此基础上进行了电弧冶炼炉的模糊控制设计和自校正设计。     

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。     

基于小波变换方法的高层建筑模态参数辨识

针对高层建筑抗震、抗风、健康监测及损伤诊断等研究中结构模态参数辨识问题,利用随机减量技术从环境激励下的高层建筑振动响应数据中提取自由衰减信号,根据自由衰减信号小波变换结果可以有效地辨识高层建筑固有频率和粘性阻尼系数。通过仿真结果与理论值比较,证实了该方法的有效性和精确性。该方法成功地运用于大连市某高层楼房的固有频率和粘性阻尼系数的辨识,为该高层楼房健康监测提供了重要的参考依据。     

利用在轨航天器扰动响应辨识其动力学参数的研究

从结构模态参数的可识别性出发,结合时域频域参数识别技术和数字处理技术,开发出航天器动力学特征参数在轨辨识系统,系统包括硬件和软件。在此基础上设计了模拟在轨航天器的试验验证系统,以检验辨识算法和设计软件的可靠性以及航天器在轨辨识的实时性,该试验系统包括一个对称的双梁结构,利用对称结构的弱耦合可得到多个密集模态。试验和模拟数字考核结果表明系统辨识算法可靠,精度可以到达设计要求。     

基于改进算法递归神经网络的研究

动态递归神经网络具有递归单元及记忆功能，使其在系统辨识和控制中有独特的作用．针对BP算法的不足，提出了一种递推预报误差(RPE)学习算法．对一个非线性系统进行了解识，其仿真结果表明，改进的RPE算法优于BP算法．     

最小二乘辨识算法在故障检测中的应用研究

针对铝电解生产过程故障发生的特点，提出用辨识及参数估计理论进行故障诊断预报的方法。通过仿真研究，确定了遗传因子和初始条件的最佳值，实现了故障诊断和预报。     

基于MATLAB神经网络的NNSYSID和NNCTRL工具箱

0　引言神经网络目前已经成为辨识和控制非线性系统的一种大众化工具 ,它的实现方法最常用的是软件仿真 ,MATLAB神经网络工具箱就是其中的优秀代表[1] ,广泛地应用于多种场合。不过这些工具箱都是一般意义上的工具箱 ,缺少系统辨识和控制设计用的针对性很强的工具箱。本文介绍的NNSYSID和NNCTRL工具箱就是新近开发的专门针对系统辨识和控制用的工具箱[2～ 4 ] 。NNSYSID工具箱是基于神经网络的系统辨识工具箱 ,它可以帮助辨识非线性动态系统参数 ,并且具有大量的基于神经网络的非线性模型结构 ,以及有效的学习算法和验证模型结构…     

基于遗传编程的非单调非线性系统辨识

采用遗传编程方法解决非单调非线性系统的辨识问题。在对象的结构和参数未知的情况下，先进行参数恒定下的辨识．再进行在运行期间非线性环节参数发生变化的系统辨识。试验结果表明：都能比较迅速地得出非线性部分直观的、近似的数学表达式。提出了今后进一步完善的几点设想。     

基于动态递归模糊神经网络的动态系统辨识

模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制，但是传统的模糊神经网络是一种静态映射，不适用于动态系统的辨识，而现实工程中的控制对象反映的是系统的动态行为．为了提高动态系统的辨识精度，提出了一种新型的动态递归模糊神经网络，并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法．仿真结果表明：由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据，对动态系统的辨识，特别是对具有纯时间延迟动态系统的辨识，较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果．同时，确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度．