工业过程的子空间模型辨识

子空间模型辨识方法(SMI)是一类新兴的直接估计线性状态空间模型的黑箱建模方法,近年来获得了广泛关注.和传统的线性建模方法相比,SMI的优势不仅在于算法本身的简单可靠,也在于它的状态空间表达.本文首先简要介绍了SMI的基本思想以及3种基本算法(N4SID,MOESP,CVA).然后将这类方法应用于一个实际的工业过程建模,同时对3种SMI基本算法和一种传统辨识算法—预测误差方法(PEM)进行了研究对比.     

以"学生为中心"的计算机基础课程改革探索

针对新工科背景下计算机基础课程改革的必要性,提出计算思维导向下的计算机基础课程改革的思想与实践途径,详细阐述"以学生为中心"的课程设计方案,并结合雨课堂/学习通在线工具介绍因材施教教学方法,最后说明教学效果并分析存在的问题.     

多调整因子模糊控制器的进化优化

针对一类具有多调整因子的自调整模糊逻辑控制器，提出了基于进化计算的两种优化策略：传统的带线性量子的优化方法和具有评价机制的非线性量化因子优化法。其中，进化算法采用的是兼顾全局搜索和局部搜索的双种群自适应遗传算法，目标函数为反映全局控制性能的ITAE函数。跟踪实验有鲁棒性实验表明，该方法整体效果好，好稳态性能优，鲁棒性强。     

子空间模型辨识方法综述

作为传统线性系统辨识方法的一个有益补充,子空间模型辨识方法（SMI）近年来获得了广泛关注.这类方法综合了系统理论,线性代数和统计学三方面的思想,其特点是直接由输入输出数据辨识系统的状态空间模型,因而非常适合多变量系统辨识.首先介绍了SMI的基本思想, 然后分析了3种基本算法（N4SID、MOESP和CVA）的异同点、算法实现、统计特性和模型稳定性等方面.随后探讨了其他一些SMI算法,包括连续时间系统SMI算法、频域SMI算法、闭环SMI算法和非线性系统SMI算法.为说明SMI方法的特性,通过一个工厂实际例子研究对比了3种SMI基本算法和一种传统辨识算法——预测误差方法（PEM）.最后阐述了理论方面有待进一步研究的主要问题.     

广义极值分布函数参数估计与设计洪水计算方法分析

广义极值分布是国际上水文频率计算普遍使用的分布线型。为分析广义极值分布推求设计洪 水的适用性,总结了广义极值分布函数分布参数、统计特征参数、线性矩、离均系数等相互关系与计算方 法,并与国内常用皮尔逊Ⅲ型分布在统计参数、设计成果等方面的差异性进行了对比分析。结果表明利 用广义极值分布推求设计洪水具有一定的适用性,但推求校核洪水的合理性仍有待进一步研究。     

嵌入演化策略的双种群遗传算法及其应用

针对标准遗传算法的局限搜索能力差、解的精度低等一些不足,提出了一种嵌入演化策略的双种群遗传算法,即用自适应遗传算法进行种群寻 ,用演化策略优化小种群。将该方法应用于非线性约束优化问题中,结果表明,该算法的局部搜索能力、精度和计算速度较改进前有明显提高。     

模块化神经网络的Bayes子网集结新算法研究

针对模块化神经网络的重要命题——子网动态集成问题，提出一种基于改进的Bayes学习的子网集结新方法．首先从处理复杂问题能力、计算开销、训练误差限等级的合理性、逼近正确率的构造等方面分析了已有方法的不足．既而提出相应策略，其核心在于采用了简洁、相关性小的子网生成方法；同时以误差作为依据提出新的逼近正确率指标以确定子网的动态集结权值．仿真实验对两种改进方法的测试误差进行了比较研究，结果表明了改进方法的有效性．