基于联想记忆神经网络的控制方法

提出了一种新型联想记忆神经网络结构和学习算法,通过反馈通道将网络输出反馈至输入层,并在通道中引入联想记忆因子,提高了X寸非线性系统的辨识能力,能够简单有效的建立起电阻炉的数学模型。采用具有逆辨识结构的神经网络控制方法对电阻炉进行实际控制,逆控制器的参数通过神经网络逆辨识模型得到,神经网络采用3层2—8—1结构形式。与常规PID控制相比较表明,此方法对大滞后非线性系统具有良好的控制效果和较强的抗干扰能力。     

时滞系统神经网络辨识方法研究

提出基于神经网络的时滞非线性系统的辨识方法,通过一种带有时滞的神经网络进行在线辨识,神经网络的权值矩阵在线自适应调整,并通过Lyapunov-Krasovskii方法验证了算法的收敛性,表明辨识算法可以对任意的非线性时滞系统进行有效辨识。     

一类基于模糊辨识器的非线性动态系统辨识

针对模糊辨识器的参数优化,提出了将改进的遗传算法（ＭＧＡ）应用于模糊辨识器的离线学习,并在此基础上采用ＢＰ算法对其参数在线调整,实现了非线性动态系统模糊辨识。解决了输入仅为一维语言变量时,模糊辨识器的实现问题。仿真结果证实了该方法的有效性。     

基于粗糙集的T-S模糊神经网络在回转窑烧结过程中的应用

基于粗糙集理论的知识约简方法和T-S模糊神经网络的非线性映射理论,针对回转窑烧结过程被控对象复杂、各参数之间相互耦合及难以建立精确数学模型的特点,提出一种RS-FNN智能控制策略。采用基于一种新的聚类有效性准则函数的模糊C均值聚类算法对连续属性进行离散化;然后利用粗糙集理论由历史数据样本提取约简规则集,对应的T-S模型具有反映数据特征的良好拓扑结构;最后T-S模型参数由梯度下降混合最小二乘法进行精调。该方法应用于铁矿氧化球团回转窑生产过程控制取得了良好效果,增强了系统容错及抗干扰的能力。     

基于模糊c均值聚类的社团结构探测新方法

通过对社团结构定义的研究,提出了一种基于模糊c均值聚类算法的网络社团探测新方法.利用网络节点间的最短路径长度、Person相关系数方法及平方法构造了节点间的相关度等价矩阵,从而将社团发现问题转换成节点的聚类问题.在此基础上,应用模糊c均值聚类算法以及网络划分形式对应的模块度来确定最优的社团结构,最后利用Zachary空手道俱乐部网络和Dolphin网络这两个经典模型验证了该算法的可行性.     

非线性系统的复合正交神经网络自适应控制

提出非线性系统的复合正交神经网络自适应控制方法.在非线性系统控制中,这种网络自适应控制不需要辨识系统模型与Jacobian矩阵信息,网络学习算法与被控对象模型无关.仿真结果表明,复合正交神经网络实现的非线性系统控制具有较强的自适应控制能力,证明了控制系统具有良好的跟踪控制性能,为解决非线性系统的控制问题提供了一种方法.     

确定线性多变量系统结构参数的递推辅助变量算法

本文研究了多变量系统中确定结构参数的递推辅助变量方法。文中采用的模型是输入输出差分方程的一种规范形式。根据Ahmed的结构辨识算法,文中给出了一个改进的算法,此算法是递推形式的,因而大大减少了计算量。     

电弧炉电极系统双模控制策略研究及应用

针对交流电弧炉电极控制系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,采用基于最近邻聚类方法的径向基函数(RBF)神经网络快速学习算法,通过实时在线辨识,建立电弧炉电极系统的精确逆模型并用于控制,实现了将具有强耦合特性的多变量输入/输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与比例微分(P/D)控制相结合的双模控制策略。应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性。     

基于ARM与多模型实现的试运线列车超速防护系统

针对试运线列车运行的安全性与停车准确度的要求,提出一种基于ARM与多模型实现的列车超速防护系统。通过车载设备传感器采样时间序列数据,并将其进行小波去噪,从而得到基于傅里叶模型的目标跟踪运行曲线。设计以模糊神经网络为动态预测模型的速度控制器,利用预测控制的滚动优化与误差矫正特性增加速度控制器在不同运行环境下的鲁棒性。为加快模糊神经网络的训练速度,将改进型粒子群模糊聚类算法的聚类结果作为模糊神经网络的前件规则构建参数。以中车试运线数据为例对其进行仿真,并通过基于曲线面积误差的评价指标对全局速度下的停车精确度进行分析。仿真结果表明:所提出的以傅里叶模型作为目标函数实现的基于模糊网络的预测控制策略具有明显的优势。     

一种基于最大模糊熵的高斯聚类算法

介绍了一种新的模糊聚类方法，定义了模糊熵，提出了基于最大模糊熵的模糊聚类的方法，得到了一种新的聚类算法——GCM算法。该算法的物理意义清晰，有明确的数学含义，相对于传统的FCM聚类算法，其聚类效果更好。     

研究生教育信息化风险评价

在对研究生教育信息化的风险因素进行深入分析的基础上,构建了研究生教育信息化风险评价指标体系.依据评价指标模糊性的特点,将模糊数学与神经网络结合,建立了基于模糊神经网络的风险评价模型.选取12所高校作为实例说明了模糊神经网络评价模型在研究生教育信息化风险评价中的适用性.研究结果表明,该模型具有很好的适用性,网络训练完善后,可广泛应用于研究生教育信息化风险的评价.     

大变形梁的模糊神经网络建模与预测

本文运用模糊神经网络原理．采用学习结合型FNN方法，针对两种不同材料梁的大变形进行了网络建模和预测的数值仿真．仿真结果表明，网落模型所具有的输入输出特性与所对应的实际力学系统的实验测量十分吻合实现了高精度预测．     

基于LMI的T—S模糊时滞系统控制器设计

利用模糊T—S模型对一类非线性时滞系统进行建模,在此基础上,设计出了模糊时滞系统的保成本控制器,并利用Lyapunov—Razumikhin引理和线性矩阵不等式证明了系统渐近稳定的充分条件,通过求解一系列线性矩阵不等式,得到了反馈增益矩阵。     

企业文化定量评价方法的研究

针对目前评价企业文化的方法在定量分析方面的不足,应用模糊数学理论建立了一个企业文化模糊综合评价模型与一个企业文化模糊认识模型,并结合实例加以说明,为企业家决策提供科学依据。     

企业人力资源危机的识别与评估研究

本文从企业人力资源危机的现状出发,首先探讨了人力资源危机识别与评估的现实意义,然后利用危机症状辨识矩阵对企业人力资源危机形成的原因进行了识别,接着运用模糊综合评估法进行了危机评估,并建立了现象-因子和危机演变模型。     

企业核心竞争力识别方法

识别核心竞争力是培植、运用核心竞争力的前提。核心竞争力具有特定的内涵、特征、外延,且这些因素之间在逻辑上具有密切的相互联系。识别企业核心竞争力的方法主要有三种,即价值链识别法、技能图识别法和模糊综合评价法。     

复杂枝状管网内不稳定流动数学模型的广义解

考虑复杂枝状管网系统內不稳定流动,建立起压力分布的偏微分方程组的初边值问题的数学模型,利用线性算子半群方法得到了问题解存在唯一的结论,并利用算子级数法得到了问題的广义解。     

采用模糊逻辑的移动机器人轨迹跟踪

针对差动轮驱动的移动机器人动力学的高度非线性和运动环境的不确定性,提出了基于模糊逻辑的移动机器人路径跟踪控制方法。该方法通过合理选择模糊控制器的参数和优化规则库,使其输出合适的线速度和角速度,从而控制移动机器人准确地跟踪预规划的路径。提出了两轮差动式移动机器人的动力学模型,使得该模糊控制器对不同几何参数的差动式机器人具有普遍的适应性。在实际场地试验和亚太机器人大赛中验证该方法的有效性。