基于自适应小波正交基神经网络的参数辨识

提出了一种基于小波正交基神经网络的非线性在线辨识方法.小波变换具有良好的收敛速度和逼近精度,神经网络具有强大的非线性映射能力、自学习、自适应等优势,采用正交基小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数和神经网络的优点;制导航弹数字仿真结果表明, 该方法对含噪声数据进行处理效果好,能很好地满足非线性在线辨识的需求.     

一种基于神经网络的阶跃响应辨识方法

提出了一种基于神经网络的参数辨识方法,该方法与传统的参数辨识方法有着本质的不同。它充分地利用了神经网络对任意非线性函数的逼近能力,并将其与传统的基于阶跃响应的辨识方法结合起来。对方法的原理及其相关的神经网络算法做了具体的阐述并给出了仿真实例,结果表明方法是可行的,并可由此看出,神经网络用于工程实际的广阔前景。     

基于变结构神经网络的L1自适应控制

针对传统模型参考自适应控制存在的鲁棒性问题和神经网络结构庞大因而计算量膨胀的问题,提出了一种变结构神经网络L1自适应控制方法,其中变结构神经网络用于在线辨识系统存在的未知非线性函数,该网络通过对节点进行唤醒与催眠以动态调节结构,以最少的节点数进行有效的逼近,降低计算复杂度;L1自适应控制用于网络权值学习与系统非线性补偿,反馈回路中设有一个低通滤波器,只要满足L1增益条件,就能确保系统的输入输出信号的瞬态响应和稳态跟踪性能与一个期望的线性时不变系统的响应保持一致。通过对四旋翼飞行器进行仿真,验证了该方法的有效性。     

基于神经网络的泵机组运行模糊控制

泵机组的运行过程具有不确定性、非线性、强耦合性等特点，为满足其控制需要，文中提出了一种以模糊神经网络控制器为基础的控制系统，该系统充分利用神经网络的自学习及非线性逼近能力，又具有模糊逻辑推理能力，能对泵站泵机组运行的主要过程进行辨识并施以智能控制。     

Volterra级数模型的非线性压缩测量辨识算法

针对非线性系统的辨识问题,提出了非线性压缩测量辨识算法,且推导出了一种符合压缩感知测量准则的测量模型。相比递归最小二乘法,该方法极大地减少了所需的测量数,使得高阶Volterra级数辨识成为可能。此外,还分析了实际应用中的各项因素对辨识准确性的影响,如信号稀疏度、测量噪声、测量矩阵形式等。     

NORX算法中非线性组件的移位参数选取准则研究

NORX算法是进入凯撒竞赛第三轮的15个认证加密候选算法之一,该算法的唯一非线性组件由异或、与和移位操作组成。从非线性逼近和循环分析两个密码学性质研究移位参数的选取准则,证明了可变移位函数的非线性逼近概率为三值函数,并得到了移位参数取1时具有最佳的非线性逼近性质;给出了可变移位函数的循环概率表达式,并证明了对于任意非零的移位参数其最大循环概率均相同。由上述分析结果可知,NORX算法中非线性组件的移位参数取1时达到了最佳的非线性逼近和循环性质。该结果可应用于NORX算法的安全性分析中,同时也能为设计类似算法提供理论指导。     

三种RBF网络函数逼近性能对比及应用研究

非线性函数逼近问题是神经网络数据处理的具体应用之一,在相同误差指标和目标参数的情况下,以具体的非线性函数为例,仿真对比了径向基神经网络(Radical Basis Function,RBF)、模糊RBF和基于遗传算法的模糊RBF网络的逼近性能。结果表明,3种RBF网络结构都能够较好的逼近目标函数,但模糊RBF与GA-RBF网络结构较基本RBF网络结构而言能够更早达到较小的逼近误差范围。在此基础上,仿真验证了模糊GA-RBF网络应用于间接型自校正控制的有效性。     

电液伺服系统的模糊神经网络自适应控制

针对电液伺服控制系统中存在的非线性影响,常规PID控制难以取得良好的控制效果,采用模糊神经网络自适应控制,通过BP算法改变模糊隶属函数的形状及模糊规则的中心值,实验结果表明该方法能有效地跟踪电液位置伺服系统。     

自适应模糊神经网络推理系统在电缆故障定点检测中的应用

电缆故障定点检测中存在着噪音复杂多变、信噪比较低的问题.自适应模糊神经网络推理系统(ANFIS),具有非线性映射和自学习能力,能够用于噪音信号的非线性建模,可以很好地解决故障定点检测中噪音的不确定性问题.建立了基于ANFIS的自适应滤波系统模型,讨论了ANFIS中隶属函数类型、数目的寻优以及参考函数的确定方法,设计了以ANFIS对消器为模型的滤波系统的硬件和软件.用该滤波系统对实际电缆故障信号进行了处理,结果表明了滤波系统的有效性.     

一类非线性系统的自适应模糊反推近似滑模控制

针对一类含有未知非线性函数项和外界干扰的不确定纯反馈非线性系统,提出了一种自适应模糊反推近似滑模变结构控制方法。采用中值定理和隐函数定理使未知非仿射输入函数拥有显式的控制输入,利用模糊系统逼近未知非线性函数,动态面控制技术解决了反推设计中出现的"微分爆炸"问题。所提出的自适应近似滑模控制方案削弱了传统滑模控制中的抖振现象。从理论上证明了所设计的控制器能够保证闭环系统所有信号半全局一致终结有界。仿真算例验证了算法的有效性。     

模糊时滞系统控制器依赖于状态时滞的H∞控制

针对一类非线性时滞系统，研究了该系统基于T—S模糊模型的H∞控制器设计问题。采用线性矩阵不等式LMI的方法，设计一个依赖于状态时滞的模糊控制器，得到了系统存在模糊控制器的充分条件，此充分条件等价于一类线性矩阵不等式的可解性，最后通过仿真说明了控制器的有效性。     

非线性短时延网络控制系统的容错控制器设计

针对一类存在短时延的非线性网络控制系统,提出了一种基于观测器的传感器失效完整性控制方法。首先利用模糊T-S模型对系统进行模糊建模,在此基础上,提出模糊控制器与模糊观测器的协同设计方法,然后应用李亚普诺夫函数法和线性矩阵不等式（LMI）法,给出了闭环模糊系统在传感器故障时具有完整性的充分条件。数值仿真算例表明,该方法是可行和有效的。     

一类非线性时滞系统的时滞相关稳定性分析

针对一类非线性时变时滞系统,基于T-S模糊模型,采用自由权矩阵的方法,研究了该系统的稳定性问题。设计了一个与系统状态变量的导数有关的模糊控制器,推导出该控制器使闭环系统渐近稳定的充分条件,该条件等价于一类线性矩阵不等式（LMI）的可解性,并以仿真算例证明了控制器的有效性。     

Recursive weighted least squares estimation algorithm based on minimum model error principle

Kalman filter is commonly used in data filtering and parameters estimation of nonlinear system,such as projectile's trajectory estimation and control.While there is a drawback that the prior error covariance matrix and filter parameters are difficult to be determined,which may result in filtering divergence.As to the problem that the accuracy of state estimation for nonlinear ballistic model strongly depends on its mathematical model,we improve the weighted least squares method(WLSM)with minimum model error principle.Invariant embedding method is adopted to solve the cost function including the model error.With the knowledge of measurement data and measurement error covariance matrix,we use gradient descent algorithm to determine the weighting matrix of model error.The uncertainty and linearization error of model are recursively estimated by the proposed method,thus achieving an online filtering estimation of the observations.Simulation results indicate that the proposed recursive esti-mation algorithm is insensitive to initial conditions and of good robustness.     

粒子滤波在误差配准中的应用

系统偏差严重影响了多部雷达航迹的互联和目标状态的融合,因此如何解决误差配准成为一个关键问题。因为系统偏差和雷达的量测之间是一种非线性关系,所以无法直接使用Kal-man等线性滤波直接进行系统偏差的估计。为解决这一问题,利用非线性的粒子滤波器(PF),对目标状态和系统偏差的估计进行了探讨,为了对比其性能,设计了一种扩展Kalman滤波算法。仿真结果表明PF在误差配准中的应用是可行的,性能高于扩展Kalman滤波。     

一类三维混沌系统的T—S模糊控制

针对一类三维混沌系统,在用T—S模糊模型重构该系统的基础上,利用反馈控制思想和并行分布补偿（PDC）技术,基于Lyapunov理论为该系统设计了状态反馈控制器．利用线性矩阵不等式（LMI）可求出模糊控制器的参数,实现以衰减率a全局渐近稳定．对该系统的一个重要特例—ADVP系统的仿真结果验证了该控制方法的有效性．     

一类多目标模糊系数线性规划问题

讨论了一类所有系数均为模糊数的多目标线性规划问题 .通过对模糊数的比较 ,将模糊多目标线性规划模型转化为清晰的多目标模型 ,并应用一种基于线性隶属函数的模糊规划算法求其协调解 .最后给出了一个数值例子 .     

电驱动车辆反馈线性化自适应滑模滑移率控制

针对驱动和制动工况下电驱动汽车的滑移率控制这一强非线性和不确定性控制问题,提出了一种基于反馈线性化的自适应滑模控制(ASMC)方法。针对车辆驱动、制动工况下的车轮滑移率进行了动力学分析,建立了统一的状态方程。充分利用系统已知模型和参数,采用线性化反馈消除非线性变化的控制量增益系数的影响,通过对反馈项增益参数的自适应调整,适应附着路面不确定参数变化的控制要求,克服系统控制中存在的主要非线性和不确定性部分,对于系统难以建模描述部分,视为扰动,利用滑模控制抑制系统该部分的不确定性因素,同时保证系统响应的快速性,并对算法进行了Lyapunov稳定性分析。最后,以某型电动汽车为对象进行了仿真分析,结果表明采用ASMC控制系统动态响应快、精度高、抗扰能力强,对路面参数变化具有较强的鲁棒性,同时输出控制量抖振小。     

基于线性化模型的船舶航迹滑模控制器的设计

针对船舶航迹非线性被控对象中的非线性环节,论述了如何通过两种线性化手段即局部线性化方法和模糊线性化方法,对船舶航迹控制的数学模型进行近似线性化。将两种方法的仿真结果进行比较,并在此基础上提出一种简明实用的滑模控制方案。结果表明,此方法是成功可行的,其控制规律对系统工作条件的变化具有较好的鲁棒性。     

基于模糊推理的雷达辐射源识别方法

辐射源数据往往不完整或不确定,因此应用模糊推理实现了辐射源和目标平台的识别.将辐射源特征转换为由模糊集及隶属度函数表征的参数,再通过与数据库中的辐射源数据进行模糊匹配来判断辐射源的类型,实现了雷达辐射源的被动识别方法.进一步通过识别出目标平台上所装备的雷达辐射源的参数值,利用模糊推理,推断出目标平台的类型.试验结果表明:模糊推理的算法是切实可行的,在对模拟数据加入的噪声不超过一定限制的情况下,对于数据库已有的目标能够达到较高的目标识别率.