神经网络在某交流伺服系统建模中的应用

针对某交流伺服系统的模型辨识问题,提出了基于遗传算法优化的BP神经网络的辨识方法.BP神经网络在非线性系统的辨识中已得到了广泛的使用,但是其存在易陷入局部极小值和对网络结构初值要求高等缺点.根据遗传算法具有全局寻优的特点,先用遗传算法优化得到神经网络权值和阈值的初值,再由BP算法进行局部寻优.辨识结果表明,该算法辨识精度高、收敛速度快.     

基于遗传算法的导弹结构模态参数识别

系统地研究了基于遗传算法的线性结构系统模态参数识别方法.遗传算法对广义动力学系统的辨识已经得到了充分研究,但在结构系统参数辨识方面的研究还不多,使用浮点数编码方案,利用频响函数数据,给出了结构系统模态参数识别步骤.由于遗传算法的全局寻优特性,该算法具有极强的抗噪声能力,即使对噪声严重污染的数据依然能够很好的辨识出待辨识的参数.通过一个两自由度的弹簧质量块系统进行了仿真分析,最后将方法用于一个实际的导弹结构的实验数据分析.     

遗传算法在非线性回归模型辨识中的应用

对遗传算法在非线性回归模型辨识中的应用进行了探讨,切削温度回归模型辨识的实例表明,该方法是有效的.     

非最小相位系统的遗传优化辨识算法

本文基于遗传算法提出了一个非最小相位系统辨识的新算法。用ＡＲＭＡ模型描述系统的传递函数。在最小误差准则下用遗传算法估计其ＡＲＭＡ模型参数。从而实现对其系统的辨识。这个方法不需要系统的估计初值,同时在低信噪比情况下也能获得较好的效果。     

基于多种群遗传算法的战术导弹气动力参数辨识

传统的基于牛顿-拉夫逊迭代算法和递推极大似然法的战术导弹气动力参数辨识缺点是对初值比较敏感,其求解结果趋向于局部最优解和计算比较复杂.遗传算法具有较好的全局寻优特性,简单易行,是值得大力推广应用的一种新的有效算法.     

基于遗传算法的大型降落伞气动力参数辨识

建立了降落伞回收系统的六自由度动力学及运动模型,针对大型降落伞可观测数据少的特点,设计遗传算法辨识其气动力参数,利用仿真验证了辨识方法的可行性和辨识模型的正确性。结合空投试验录像分析数据,辨识了某型号飞船所采用大型环帆伞的气动力参数,并利用辨识结果对其稳定性进行分析,其结论可作为回收系统设计的理论参考依据。     

面向控制模型的时域建模方法研究

研究了“面向控制”模型的建模的理论和方法,提出了建模的实用计算方法。这个方法的特点是建模在时域进行,并以遗传算法作为计算工具,具体实现了“面向控制”模型的建模。仿真结果表明,真实模型完全处于辨识出模型集中,此辨识算法鲁棒性好     

基于线对线突然短路的同步电机瞬态参数辨识

准确地辨识同步电机参数,是分析电力系统运行和控制系统设计的前提.利用最小二乘或卡尔曼滤波等方法辨识电机三相同时突然短路试验数据,是传统电机参数辨识的主要方式.受同步电机三相同时突然短路的可操作性和电机参数模型的强非线性等因素的影响,电机瞬态参数难以准确测量.利用改进的小波变换和人工神经元网络辨识参数的新方法,结合容易实现的同步电机线对线突然短路试验,辨识得到了三相同步电机的瞬态参数,有效提高了电机参数的辨识精度.仿真试验表明,该方法是有效的.     

直流衰减静测法局部辨识同步电机参数研究

研究了用于局部辨识同步电机参数的直流衰减静测法,介绍了直流衰减静测法的试验过程和局部辨识的概念,建立了三相同步电机静态直流衰减试验的数学模型,利用最小二乘法实现了参数的辨识,最后以某参数已知的具体电机为例,局部辨识了该电机的d轴参数.     

粒子群算法的弹道参数辨识方法

提出一种基于粒子群算法的航空武器气动参数辨识算法,该算法采用粒子群算法计算航空武器气动参数分段函数的分段边界点马赫数值,在此基础上采用实数编码遗传算法计算分段函数的多项式系数.采用该算法进行某型炸弹阻力系数辨识计算,计算结果表明:该算法可行,且计算的阻力系数精度高.计算结果已成功应用于某型航电火控系统的设计中.     

基于逐步回归法的潜艇高空磁场仿真

应用目前磁场换算中较多使用的磁荷模拟法对潜艇高空磁场进行了仿真,为了尽量减少磁荷的位置及大小受人为经验的影响,且提高换算精度,采用逐步回归法对各模拟磁荷的磁矩进行筛选,最后对潜艇高空磁场进行了计算机仿真.仿真结果表明,该方法精度比较高,而且模型的稳定性好,对实际防空中磁探具有重要的意义.     

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.     

一种有效的常规雷达目标识别方法

基于小波变换和进化网络提出一种有效的常规雷达目标识别方法。即首先利用 Mallat算法对雷达目标一维距离像进行特征提取和压缩 ,然后在进化规划的基础上提出一种混合进化算法来优化设计由多层前向网络构成的分类器。实验结果表明 ,整个目标识别系统的结构简单 ,同时具有较好的推广能力     

基于AdaBoost-SVM的P2P流量识别方法

针对传统的P2P流量识别技术存在识别率低和误判率高的缺点,将机器学习中Ada Boost算法的良好分类能力和SVM的泛化能力结合起来,提出一种基于Ada Boost-SVM组合算法的P2P网络流量识别模型,将SVM作为Ada Boost的基分类器,运用最小近邻法计算支持向量与训练集的样本间的距离实现分类进行P2P流量识别。最后,以4种P2P流量数据为研究对象在MATLAB上进行仿真,仿真结果表明,提出的Ada Boost-SVM的组合算法在P2P网络流量的分类性能和分类准确率上都优于单纯的Ada Boost和SVM,组合算法的P2P流量平均识别率高达98.7%,远高于Ada Boost和SVM的识别率。     

基于前景理论和证据推理的混合型多属性决策方法

针对属性权重完全未知的混合型多属性决策问题,提出一种基于前景理论和证据推理的决策方法。通过直觉模糊数对精确数、区间数和语言变量3种混合型属性的决策信息进行统一,根据前景理论对决策信息进行转化;提出基于直觉模糊熵与相似度的属性可靠性评估方法,结合属性重要度确定属性权重;采用证据推理算法集结属性信息,得到方案的综合前景值,并以此进行方案排序。算例分析结果表明,所提方法具有较强的区分能力,能够有效降低决策结果的不确定性,对混合型多属性决策问题具有较好的适用性。     

金属橡胶／橡胶复合叠层耗能器试验建模研究

采用电液伺服材料试验机的位移加载方式，对金属橡胶／橡胶复合叠层耗能器进行动态试验研究，结果表明：耗能器的恢复力同时受频率和振幅的影响具有非线性迟滞特性。在此基础上，结合理论分析建立耗能器的动力学模型，提出一种参数分离识别法，辨识出模型中的未知参数。将辨识结果与试验曲线进行对比，结果表明，所建模型可靠，且参数识别精度能够满足工程应用的要求。     

基于Elman神经网络的NSG水位特性辨识方法研究

针对核动力蒸汽发生器在瞬态、启动和低功率下的“收缩”与“膨胀”现象引起的逆动力学效应使核动力蒸汽发生器水位特性难以辨识的问题,提出了基于Elman神经网络的NSG水位特性辨识的新方法.采用串-并联型辨识结构,以保证辨识的收敛性和稳定性.网络训练采用Levenberg-Marququardt BP学习算法.仿真结果表明,所提出的方法能够正确地辨识核动力蒸汽发生器的水位特性,且具有较高的辨识精度.     

高炮射击提前点的解法研究

针对高炮射击解提前点方法进行的研究,在图解法的基础上,运用解方程的思想,提出了精度更高的“系数调整法”、“图解逼近法”和“一元四次方程法”。较好地解决对匀速运动目标命中问题的求解,“图解逼近法”具有单方向收敛的优点。“一元四次方程法”可直接用消元法求解,不需循环。解法与迭代法比较,具有计算精度高、速度快,计算步骤、时间固定,在火控系统计算和修正等方面有重要的实用价值。     

确定冲击载荷识别频段方法探讨

冲击载荷识别中,识别频段的确定直接影响识别精度,根据目前确定信号频段的4种方法,通过分析比较,提出了依实际情况,经载荷频段预估、试识别、平滑处理,而后用载荷频谱函数下降20db确定载荷频段的方法,并通过实例,进一步说明了该方法的可行性。     

基于单脉冲探测的轨线导航AGV测速方法研究

运用MC9S12DG128B单片机的增强型定时器模块,设计了自主车速度检测方法——单脉冲测速法。该方法克服了测速实时性与准确性相矛盾的缺陷,提高了自主车测速系统的鲁棒性。实验结果证明,该测速机制是成功的。