基于单神经元控制器的板材成型柔性制造系统

根据液压原理和系统结构建立液压机工作阶段的数学模型,根据该模型非线性和时变性的特点,设计适用于板材成型液压机恒速控制的单神经元自适应PID控制器,以克服定参数PID难以适应模型参数变化的缺点,实现速度的精确控制。     

On stability delay bounds of simple input-delayed linear and non-linear systems: Computational results

This paper deals with the problem of delay size stability analysis of single input-delayed linear and nonlinear systems. Conventional reduction, reduction linked by sliding mode, and linear memoryless control approaches are used for simple input-delayed systems to obtain the stability conditions. Several first order examples are investigated systematically to demonstrate the capabilities and limitations of the advanced stability analysis techniques including Lyapunov-Krasovskii functionals, Newton-Leibniz formula, and a newly addressed Lagrange mean value theorem. Numerical comparative results show the usefulness and effectiveness of the advanced delay size analysis techniques proposed in this paper.     

基于C8051F340的温控仪表设计

针对一类温控对象的特点,采用改进型单神经元PID算法,设计一种以C8051F340为核心的温度控制仪表。得到了在仿真环境下的的测试数据和图形,经实验证实该温控仪表对加热炉等温控对象具有很好的控制效果。     

一种量子神经网络模型及改进学习算法

提出一种量子BP网络模型及改进学习算法,该BP网络模型首先基于量子学中一位相移门和两位受控非门的通用性,构造出一种量子神经元,然后由该量子神经元构造隐含层,采用梯度下降法进行学习。输出层采用传统神经元构造,采用基于改进的带动量自适应学习率梯度下降法学习。在UCI两个数据集上采用该模型及算法,实验结果表明该方法比传统的BP网络具有较好的收敛速度和正确率。     

New delay-dependent criterion for the stability of recurrent neural networks with time-varying delay

This paper is concerned with the global asymptotic stability of a class of recurrent neural networks with interval time-varying delay. By constructing a suitable Lyapunov functional, a new criterion is established to ensure the global asymptotic stability of the concerned neural networks, which can be expressed in the form of linear matrix inequality and independent of the size of derivative of time varying delay. Two numerical examples show the effectiveness of the obtained results. Supported by the National Natural Science Foundation of China (Grant Nos. 60534010, 60728307, 60774048, 60774093), the Program for Cheung Kong Scholars and Innovative Research Groups of China (Grant No. 60521003) and the National High-Tech Research & Development Program of China (Grant No. 2006AA04Z183), China Postdoctoral Sciencer Foundation (Grant No. 20080431150), and the Specialized Research Fund for the Doctoral Program of Higher Education of China (Grant No. 200801451096)     

模拟退火算法在神经网络中的实现

神经网络是用于模拟人的大脑组织结构的一种网络结构。在很多技术领域存在着大量的组合优化问题．这些问题随着规模的增大,求解的时闻和空间呈指数级增长,当规模达到一定程度,在时间上,求解就变得没有可行性可言,而神经网络是近似求解的一种很好的解决方法。神经网络的实现方法有多种,例如模拟退火算法、BP算法和遗传算法,等等,其中,模拟退火算法是一种计算精度比较高、收敛速度较快的算法。     

网络如何智能化

在智能网络的搭建之中,运营商的角色将重新变得不可替代,因为虽然网络接入不再重要,但中央处理服务器的提供和感觉神经元与运动神经元的布设将至关重要,并且最容易由运营商来完成。     

嵌入式GPS／GIS系统设计的几个关键问题及解决方法

提出嵌入式GPS/GIS系统设计中的几个关键技术问题并给出解决方案。对GPS数据质量采用神经元辨识的方法进行控制;对大数据量底图数据采用一种新的地图综合方法建立多级显示机制,节省内存,提高图形显示效率;建立基于la-bel的空间算子实现方式,完成采集图斑的现场变更,减少内业数据处理的工作量。实际应用表明,这些方法能够满足嵌入式GPS/GIS系统应用于土地调查业务的需要,提高了调查效率。     

基于Backstepping的非一致轨迹迭代学习控制研究

针对一类在有限时间区间上可重复运行的高阶混合参数化非线性系统,利用改进Backstepping方法,将参数重组技巧和分段积分机制相结合,提出了一种混合自适应迭代学习控制算法。该算法由参数的微分-差分型自适应律和学习控制律组成,可以处理目标轨线迭代可变的跟踪问题。通过构造Lyapunov-like泛函使得跟踪误差的平方在一个有限时间区间上的积分收敛于零,同时保证所有信号均在有限时间区间内有界。仿真结果说明了所提算法的有效性。     

一类非线性参数化系统自适应重复学习控制

针对一类高阶非线性参数化系统, 利用分段积分机制, 提出了一种新的自适应重复学习控制方法. 该方法结合反馈线性化, 可以处理参数在一个未知紧集内周期性快时变的非线性系统, 通过引进微分-差分混合型参数自适应律, 设计了一种自适应控制策略, 使广义跟踪误差在误差平方范数意义下渐近收敛于零, 通过构造Lyapunov泛函, 给出闭环系统收敛的一个充分条件. 实例仿真结果说明了该方法的可行性.