基于径向基神经网络的速度滤波器

在实车采集的试验数据当中,速度信号对于分析车辆的整车性能、换档过程以及通过数据处理进一步求取加速度,冲击度等指标有着非常重要的作用.但是由于试验当中各种随机噪声的存在,因此必须在研究分析之前先对速度信号进行滤波.径向基神经网络能够任意逼近非线性函数的特性,给速度滤波提供了崭新的方法.利用径向基神经网络可实现自适应滤波,并应用于速度信号的去噪.仿真结果表明,该方法具有良好的非线性噪声抑制能力.     

基于混沌遗传算法的柔性机械手滑模控制器优化设计

针对柔性机械手动力学方程的非最小相位特点,本文提出一种柔性机械手的终端滑模控制方法,将关节电机转角和柔性模态变量的线性组合定义为柔性机械手系统的输出.通过输入输出线性化,将系统分解为输入输出子系统和零动态子系统.设计终端滑模控制策略,使输入输出子系统在有限时间收敛到零;利用混沌遗传算法优化控制器的设计参数,使零动态了系统在甲衡点附近渐近稳定,从而保证整个系统的渐近稳定.本文提出的方法设计过程简单,易于实现.仿真结果证明了设计的有效性.     

基于支持向量机的参数自整定PID非线性系统控制

对非线性系统提出了一种基于支持向量机的自整定PID控制新方法.用支持向量机辨识系统的非线性关系,并对之进行线性化,提取出瞬时线性模型,采用最小方差的准则获取PID控制器的最优参数.为改善控制器的性能,提出了一些改进措施,包括使用一阶滤波器、控制器参数更新标准及惩罚系数的调整等.通过对典型非线性系统的仿真,验证了该方法的有效性和可行性.     

检验门限协整模型中的线性协整

考虑门限协整回归模型中线性的检验问题.在原假设为线性协整的条件下,构造TSupLM(supremumLagrange multiplier)统计量,并给出了极限分布.Monte Carlo实验研究了SupLM检验的有限样本性能,结果表明SupLM检验不受回归误差的序列相关性影响,也不受广义的自回归条件异方差GARCH(generalized autoregressiveconditional heteroskedastic)的影响.应用SupLM检验方法检测美国国库券收益率之间的关系,结果表明不同到期时间的国库券收益率之间存在门限协整关系.     

一类双输入非线性系统的二维平面形状合同控制器设计

针对一般控制系统,利用微分几何中的曲线理论提出了形状变量、被控形状轨迹曲线和形状合同控制等概念.然后,针对一类具有双输入及二维形状变最的非线性系统,利用相对曲率概念和曲线论基本定理设计了三维平面形状合同控制器,这种形状合同控制器能够保证系统的被控形状轨迹曲线与参考轨迹曲线具有完全相同的形状.最后的仿真说明了所采用方法的有效性.     

基于广义回归神经网络的传感器非线性误差校正

介绍了径向基函数网络的函数逼近原理和方法,提出了一种基于广义回归神经网络(GRNN)的传感器非线性误差校正方法。通过Matlab的Network Toolbox(神经网络工具箱),GRNN训练程序实现了输出特性曲线逼近。仿真分析表明:GRNN能够很好地满足传感器非线性拟合的要求,网络结构简单,收敛速度快。     

电容式MEMS器件模态频率的电学测试方法研究

针对电容式MEMS器件,提出了一种基于调制解调原理的模态频率测试方法,详细介绍了该测试方法的测试原理和测试系统的组成。利用Ansys对某插齿式微加速度计进行了模态仿真分析,分析得到的模态频率为3 941 Hz,利用该测试方法对该微加速度计进行模态频率测试,得到的测试结果为3 440Hz。仿真与测试得到的结果接近,验证了该测试方法的有效性,产生偏差的主要原因可能是制造过程中的加工误差。     

针对环状流形数据的非线性降维

近年来出现了多种新型的非线性降维方法,且在一些应用中体现出良好的效果.然而,当面对球体、柱体等环状流形产生的非线性流形数据时,这些方法往往会失效.针对这一问题,提出了针对环状流形数据的环结构检测算法与非线性降维方法.理论上,基于目前极受关注的Isomap降维方法的运行原理,给出了一个判断环状流形的充要条件;算法上利用所得的判断定理,制订了基于数据的环状流形检测算法:最后基于所找到的环结构,利用极坐标展开的思想设计了针对环状流形数据的非线性降维策略.针对一系列典型环状流形数据集的仿真实验结果表明,与其他流形学习降维方法相比,该方法对环状流形数据进行降维具有显著优势.     

基于物理的人体空中运动仿真

根据给定的处于关键时刻的人体关键姿态,运用优化方法生成满足牛顿力学的人体运动是人体运动仿真研究的重要问题.由于牛顿力学的强非线性和数值优化方法只能找到局部最优解,将牛顿力学约束直接作为约束条件的优化模型在实践中的收敛性不好.通过将牛顿力学约束转化为目标函数,同时增加对关键时刻的优化,提高了模型的收敛性,使其不依赖于被仿真运动的类型、人体质量参数和关键时刻准确程度等因素.仿真出来的人体运动尽可能地满足了牛顿力学.通过仿真7类复杂的蹦床运动验证了新模型的有效性,同时还将该模型用于人体受力分析和体育运动的新动作设计.     

控制增益符号未知的MIMO时滞系统自适应控制

针对一类带有死区模型并具有未知函数控制增益的不确定MIMO非线性时滞系统,基于滑模控制原理和Nussbaum函数的性质,提出了一种稳定的自适应神经网络控制方案.该方案放宽了对函数控制增益上界为未知常数的假设,并通过使用Lyapunov-Krasovskii泛函抵消了因未知时变时滞带来的系统不确定性.理论分析证明,闭环系统是半全局一致终结有界.仿真结果表明了该方法的有效性.