核热源功率测量系统冷端温度控制策略

基于核热源功率测量系统冷端温度控制需要，建立系统动态特性模型.在开环仿真分析的基础上，分别设计了PID（proportion integration differentiation）控制、模糊控制以及支持向量机(SVMsupport vector machines)智能预测控制3种控制算法，并完成了其仿真研究，验证了测量系统控温的可行性.结果表明:将SVM优秀的非线性函数逼近能力与预测控制相结合来拟合被控非线性系统模型，并通过支持向量机的预测结果进行反馈校正，使系统具有良好的鲁棒性和稳定性，易于工程应用.      

非线性模型预测控制的研究进展

近年来,模型预测控制（Model predictive control,MPC）的理论和技术得到了长足发展,随着线性系统模型预测控制的大量成功应用,基于非线性模型的预测控制简称非线性预测控制（NMPC）引起了广泛关注,并取得了丰富的研究成果。文章基于非线性模型预测控制的基本原理,对目前该领域的热点问题和取得的成果进行了综述,指出了研究不确定系统和时滞系统的非线性模型预测控制对进一步发展预测控制理论和拓宽其应用范围的意义。     

反馈线性化系统的非线性预测滑模控制

 对反馈线性化系统进行非线性预测滑模控制的设计，利用预测滑模的二次型代数指标的最小化来设计滑模控制律，按系统的输出相对度来设计滑动模，二次型指标中包含了控制量的代价函数项，这项是连续可调的，可以避免系统控制输入的饱和现象。证明了非线性预测滑模控制系统具有的鲁棒性，并导出了鲁棒滑模预测控制器。     

全国内地非典型肺炎疫情自回归预报模型

利用时序分析方法研究从2003年4月27日开始卫生部办公厅发布的全国内地新增传染性非典型肺炎疫情报告，建立全国内地非典型肺炎疫情ARMAV预报模型，对模型进行适用性检验后，可以用所建模型对未来疫情进行外延预测。用时序分析方法进行监测、分析及预报，对非典型肺炎的疫情发展和关键影响因素等提供精度较高的预测结果。     

用结构自适应神经网络预测航空发动机性能趋势

 将航空发动机作为复杂非线性系统考虑，运用神经网络超强的非线性映射能力和非线性时间序列分析的相空间重构理论，建立航空发动机性能趋势预测的神经网络模型，同时，针对神经网络的结构设计困难问题，建立了基于遗传算法的结构自适应神经网络预测模型，实现了神经网络结构的优化。最后，利用三组民航飞机发动机的性能数据进行了预测分析，验证了利用结构自适应神经网络对航空发动机性能趋势进行预测的有效性。     

某型发动机滑油颗粒监测试验数据预测分析研究

针对某型发动机滑油颗粒监测试验数据预测分析的需要,主要研究了时间序列模型和灰色模型两种预测模型,并有机结合起来,形成新的灰色时序模型;分别进行预测分析,并比较预测精度。预测结果表明:灰色时序模型预测精度高,具有很好的预测能力,有较高的实用意义。     

非线性预测控制模型方法综述

预测控制(MPC)算法经历了30余年的发展,展现出强大的生命力。近年来,非线性MPC已逐渐成为MPC研究的热点。非线性系统多样性给非线性MPC研究造成了困难,主要体现在模型选取、能量函数求解和非线性算法等诸多方面。非线性MPC以非线性模型为基础,这也是非线性MPC区别于线性MPC的根本因素。论文针对非线性预测模型进行了总结和评述。     

基于测试数据的卡箍非线性等效建模方法

为了快速准确地计算卡箍管路系统的振动响应，提出了基于测试数据的卡箍非线性等效建模方法。对卡箍直管系统进行低幅值激励的模态测试，利用试验数据对有限元模型进行修正，识别卡箍线性刚度、线性阻尼参数。对卡箍直管系统开展不同激励水平下的恒力测试，通过样条插值多项式法将恒力频响函数转换为恒位移、恒速度频响函数，并进一步识别卡箍非线性等效刚度、非线性等效阻尼，建立了考虑卡箍非线性的等效动力学模型。研究表明:该卡箍等效动力学模型的预测频响函数与试验频响函数的最大误差仅为-6.9%，可以有效地反映卡箍实际的刚度、阻尼特性，对解决卡箍管路系统的振动响应分析具有重要的指导意义。      

一类基于神经网络技术的软件故障静态测试方法

对测控软件可靠性增长模型的现状进行了分析,提出了基于神经网络的可靠性增长模型,选用了具有良好泛化能力和强大的非线性逼近能力的 BP 神经网络,对测试软件进行拟合,并对软件故障数进行静态预测和验证,实验表明,该模型具有很高的预测精度和良好的对非线性映射的逼近能力。     

基于自适应模糊系统的空天飞行器非线性预测控制

 针对一类多输入多输出非线性不确定系统,提出了基于自适应模糊系统的非线性预测控制方法。控制器由基于模糊系统的非线性预测控制器和鲁棒自适应控制器两个部分组成。根据系统的跟踪误差在线调整模糊系统的权值,使得模糊系统一致逼近被控对象中的非线性函数,通过泰勒展开设计出基于模糊系统的非线性预测控制律,避免了预测控制在线优化带来的繁重的计算负担。鲁棒自适应控制器则用于减少不确定和模糊逼近误差对系统的影响。所设计的控制器保证了闭环系统的最终一致有界稳定。基于Lyapunov稳定原理,给出了理论证明和分析。最后利用提出的控制方案设计了空天飞行器高超声速飞行姿态的控制系统,仿真结果表明了控制方案的有效性。     

用相关参数实现参数多步预测的神经网络方法

对相关参数预测的非线性时间序列进行分析,提出了用相关参数实现多参数、多步数预测的神经网络方法,建立了神经网络实时预测模型,并对预测参数进行了综合处理,不仅弥补了预测信息的不足,而且能够使故障状态提前得到多次警报,克服了传统预测方法所遇到的困难,提高了预测模型精度     

相关系数平稳序列的估计与识别

本文提出了通过观测序列确定不可直接测得的相关系数平稳序列模型参数的方法,详细讨论了相关系数AR(p),MA(q)和ARMA(p,q)序列状态方程的参数估计,为非平稳序列的滤波、预测和平滑提供了依据。文中还给出了观测系统参数的识别方法,与传统方法相比,本文方法考虑了测量噪声的均值和方差随时间变化情况,具有更高的识别精度。      

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

基于ESN的航空发动机状态组合预测方法

基于回声状态网络(ESN)预测模型,结合小波分析和主元分析,提出一种组合预测方法.首先对含噪非线性时间序列进行小波降噪,并重构时间序列产生训练样本,再将训练样本通过主元分析进行降维处理,降维后的时间序列数据则输入ESN模型进行预测分析.对控制飞机动力输出的动压参数非线性时间序列数据进行了仿真对比实验,结果表明:组合预测方法的5步和单步预测速度累计提高了66.97%,预测的平均平方误差、标准均方根误差和归一化绝对误差也均有较大提高.该方法与传统基于ESN的预测模型相比,能有效地提高预测的效率和精度,是一种有效的非线性时间序列预测方法.      

混沌时间序列预测算法的优度评价

将优度评价方法运用于混沌时间序列预测算法评价中,确定评价算法的指标体系。建立混沌时间序列预测算法关于各评价指标的关联函数来刻画各评价对象的优秀程度并计算关联度。计算出各评价对象的优度值,将其用于对各算法的综合优度的比较。实例证明,该方法直观、实用,可为混沌时间序列预测算法评价提供定量的依据。     

混合神经网络和混沌理论的股票价格预测研究

针对股票时间序列的非线性特点,结合混沌理论和神经网络理论,提出了基于混沌理论的股票价格神经网络预测方法。同时利用重构相空间的嵌入维数确定神经网络的结构,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,在股票时间序列预测中有广泛的实用价值。     

火控系统精度参数的多维AR模型分析

应用多维AR分析方法,解决了影响火控精度及其各影响因素的函数关系;分析了各因素对火控精度的影响,从而为预报火控精度提供了量化的分析基础。分析结果表明,该方法对火控精度数据的处理效果明显,具有一定的可行性。     

管制-飞行状态相依网络演化过程

动态、准确的管制系统运行态势预测是航空运输系统各相关单位开展协同决策的关键基础。基于航空器间的冲突情况、管制员对航空器的管控情况以及管制移交情况构建管制-飞行状态相依网络,探究、分析其演化规律,采用相关性分析和主成分分析证明了所选5项指标的合理性。设置自由飞行和固定航线飞行两种仿真场景,通过计算平均节点度、平均点强等拓扑指标的最大李雅普诺夫指数证明各时间序列均具有混沌特性,选择长短期记忆（LSTM）人工神经网络方法对各时间序列的演化规律进行预测,并与其他预测算法进行对比。仿真结果表明LSTM算法能对管制系统的演化过程进行有效的预测,且预测精度高于贝叶斯算法和支持向量机算法;在自由飞行条件下,5项指标的预测误差绝大部分在20%以内,固定航线飞行的预测效果优于自由飞行。     

基于人工神经网络的预腐蚀铝合金疲劳性能预测

 通过对BP神经网络算法分析和收敛性改进,从获得的预腐蚀和疲劳试验数据中通过训练建立了LY1 2CZ铝合金腐蚀性能和疲劳特性与预腐蚀温度和时间的映射模型,从而可预测铝合金在一定预腐蚀环境谱下的最大腐蚀深度和疲劳特性。神经网络算法采用 BP算法 ,网络结构采用2-4-2形式。结果表明 ,神经网络用于预腐蚀铝合金的腐蚀状况和疲劳性能预测是可行的     

基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。