具有复合非线性特征不确定系统的自适应反推控制（英文）

针对一类具有复合非线性特征的不确定系统,提出了一种自适应反推多滑模近似变结构控制方案。基于模型分解的方法建立了具有复合非线性特征的执行器模型。论文设计径向基函数神经网络近似系统的未建模项,借鉴Nussbaum增益设计技术解决控制增益未知的问题,使用自适应律估计不确定干扰和神经网络近似误差的上边界。自适应近似变结构控制能够有效削弱控制信号的抖振,同时增强控制器的鲁棒性。基于Lyapunov稳定性理论,证明了整个控制系统的稳定性。该控制方案的主要创新点在于考虑并解决了不确定系统具有复合非线性特征的控制问题。最后,仿真结果证明了控制方案的有效性。     

基于建模误差识别的有限元动态模型物理参数修正

本文提出了一种有限元动力学模型的建模误差识别方法。根据建模误差识别,用灵敏度分析方法,选择建模误差大的子结构的结构参数进行修正,可以大大减小结构参数修正的计算量。本文还研究了不完整测试振型扩充方法和测试振型随机误差对计算结果的影响.     

一类基于神经网络的非线性时延系统的稳定性分析和控制

针对一类有参数摄动和时延的非线性不确定性系统．提出了一种稳定性分析方法。控制方案将鲁棒控制和神经网络控制结合起来．首先由线性矩阵不等式(LMI)设计了参考模型即系统线性部分的鲁棒控制器,然后用神经网络来消除系统建模不确定非线性部分。稳定性分析中综合了参数摄动、时延和神经网络权值．合理地选择Lyapunov函数证明了误差闭环系统的稳定性．     

周边桁架可展开天线网面初始平衡态寻求方法

针对周边桁架可展开天线索网反射面的特点，以结构的几何外形为已知量（设计者给定），给定一组初始预应力为迭代初值，并给模型的各节点施加一个小△的位移量，迭代反算求解出一组预拉力以及与之相应的几何参数，即可确定网面的初始平衡态，并通过ANSYS反算验证。算例表明该法简单实用。     

基于人工神经网络的微重力流动冷凝换热预测

微重力条件下管内流动冷凝换热系数是空间热交换器设计的基础依据,但其实验数据稀缺,故有必要建立精确的预测模型。文中提出了一种基于人工神经网络的微重力下管内流动冷凝换热预测模型。选取误差反向传播（Back propagation, BP）和径向基函数（Radial basis function RBF）两种神经网络,以水力直径、饱和温度、质流密度、干度及与工质热物性有关的参数作为网络输入,冷凝换热系数作为网络输出。结果显示,BP神经网络预测的均方根误差为237、平均绝对百分误差为4.32%;RBF神经网络预测的均方根误差为165、平均绝对百分误差为2.35%。相对于BP神经网络,RBF神经网络精度更高。基于RBF神经网络的微重力下管内流动冷凝换热模型预测值与94%的实验值和数值模拟结果的相对误差在±10%以内。     

基于神经网络动态逆的歼击机自适应跟踪控制

基于神经网络动态逆方法，给出了一种非线性模型参考自适应跟踪控制方案。应用神经网络直接对非线性系统求逆方法解决了逆系统方法的两个“瓶颈”问题，并且克服了传统的控制设计中将过程模型线性化，从而将不可忽视的非线性关系用线性关系代替或者忽略的弊端。对由于建模误差、不确定因素等引起的非线性系统逆误差，通过自组织模糊小脑模型关节控制器(Self—organizing fuzzy cerebellar model articulation controller，SOFCMAC)神经网络在线进行修正。SOFCMAC神经网络扩大了寻优空间，使其能更好地重构系统逆误差，最终实现准确的鲁棒自适应跟踪控制。通过将这种方法用于某型歼击机姿态系统控制的仿真研究，表明了本文方法的有效性和可行性。     

基于Hammerstein模型的非线性气动弹性系统辨识

在非线性气动弹性系统的辨识中,Hammerstein模型常用来辨识系统的非线性部分,而假设其线性部分是已知的。本文以累积相干函数为准则,有效地选择非线性部分的基函数,减少辨识参数的数目;利用条件逆谱法得到系统线性部分的极点,并构造相应的正交基函数;基于Hammerstein模型,建立该非线性系统的参数化模型;用非迭代方法求解模型参数;从而提出了能够同时辨识系统线性和非线性部分的非迭代辨识算法。以俯仰方向含刚度五次非线性的二元翼段为例,验证了该辨识方法的有效性。     

基于径向基函数神经网络的自由曲面重构

根据径向基函数神经网络（RBFNN）具有很强的非线性逼近能力的优点，本文采用RBF网络模型进行自由曲面重构，建立了适应于曲面重构的径向基函数网络模型，讨论了基函数对重构曲面连续性的影响，并与多自由曲面重构，建立了适应于曲面重构的径向基函数风络模型，讨论了基函数对重构曲面连续性的影响，并与多层感知器神经网络的性能进行对比。理论分析和仿真实验结果表明：常用的几种径向基函数重构的曲面都具有很好的连续性，径向基函数网络用于曲面重构，不论是在拟合精度，还是网络的训练速度都明显优于多层感知器网络，具有一定的实用价值。     

基于小波神经网络的航空发动机建模研究

提出将多个多输入单输出小波神经网络(WNN)组合构造多输入多输出(MIMO)的WNN来逼近MIMO非线性动态系统的快速而简单的实现方法，并采用高效率的初始化方法缩短了训练时间。采用某型航空发动机在飞行包线内均匀分布的工作点参数来训练，建立了全包线适用的动态小波神经网络航空发动机模型，用交叉验证的方法检验表明在全包线内有较高的精度及泛化能力。与反传算法神经网络(BPNN)、径向基函数神经网络(RBFNN)建立的动态模型在精度及泛化能力等方面做比较，结果表明WNN建立的模型训练精度高而且泛化能力强。     

一种方形盒坯料快速设计方法

针对冲压件坯料设计存在的难题,本文以方形盒冲压件为对象,提出一种结合径向基函数神经网络(RBFNN)和有限元反向法(IA)的快速坯料设计方法。利用神经网络高度的非线性映射能力,建立方形盒零件几何形状和坯料轮廓尺寸的映射模型。利用有限元反向法为RBFNN提供训练样本,同时采用基于变形路径的坯料优化方法改进了训练样本的精度,提高了RBFNN模型对的坯料外形的预测能力。实验证明采用RBFNN-IA方法可以实现方形盒坯料的快速设计,而且可以提高坯料的预测精度。     

Damage Identification of General Overhead Travelling Crane Structure Based on Model Updating by Sensitivity

A model based damage identification was proposed by facilitating parameter sensitivity analysis and applied to a general overhead travelling crane.As updating reference data,experimental modal frequency was obtained by operational modal analysis(OMA)under ambient excitation.One dimensional damage function was defined to identify the damage by bending stiffness.The results showed that the model updating method could locate the damage and quantitatively describe the structure.The average error of eigenvalues between updated model analysis and the experimental results was less than 4% which proved the accuracy reliable.The comparison of finite element analysis and the test results of the deflection under the capacity load further verified the feasibility of this method.     

基于响应面方法的多目标有限元模型修正技术研究

研究基于响应面方法的多目标模型修正技术,并以一个实际结构为例进行修正。论述了该技术的主要步骤及其中参数选择、试验设计、响应面拟合、多目标优化和确认准则等关键技术的理论基础。设计结构并进行相关模态试验,用仿真软件MSC.Nastran建立该结构的有限元模型,然后基于该技术对模型进行修正。比较并分析试验结果与修正后仿真结果,通过两者前四阶频率与振型的比较,证明了该技术的有效性和合理性。     

基于频响函数数据的飞行器结构有限元模型修正及软件开发

有限元模型修正技术已成为实际工程结构精确建模的重要手段,围绕结构有限元模型修正这一主题,对基于频响函数的结构有限元模型修正算法及其与现有大型商用有限元分析软件的接口问题进行了研究,改进了算法中的矩阵病态问题,并利用MSC软件的二次开发功能,基于某飞行器组合舱段结构的频响函数试验数据,对该修正算法的进行了程序编制,运用PCL语言编写了操作界面,DMAP和C语言编写算法过程,在MSC.Patran软件中形成模型修正模块。计算出的修正前后固有频率和频响函数结果与试验数据进行对比,得到了较好的效果。     

基于小波神经网络的多模型故障检测

提出了一种利用小波神经网络辨识非线性系统多模型故障的方法。证明了状态估计误差渐近收敛到零，同时证明了如果激活函数满足持续激励条件，辨识器参数将趋于理想辨识器参数。分析了多模型辨识结构，并将小波神经网络作为辨识器应用于多模型故障检测。给出了小波神经网络进行非线性系统逼近的实例，用小波神经网络辨识器对多故障模型检测进行了仿真，证明了此方法的正确性和可行性。     

各向异性层合阻尼结构的BP集成神经网络模型设计

本文以各向异性层合阻尼结构为研究对象,设计一种基于BP集成神经网络的智能分析模型。该模型中的集成神经网络由两个子系统神经网络并联融合而成,学习算法主要采用Sigmoid函数。同时,该模型设计针对各向异性层合阻尼结构参数的扰动性问题综合采用结构模式归类、学习算法的改进、小波分析方法予以处理。计算结果表明:该BP集成神经网络模型,较好地解决了各向异性层合阻尼结构参数的扰动性问题,并能有效量化结构参数的变化影响。     

凸轮弹性连杆复合机构的动力学修改

本文以胶印机递纸机构为研究对象，该机构为一两自由度凸轮连杆复合机构。在建立该机构运动弹性动力学（ＫＥＤ）有限元分析模型和现场袂测固有频率的基础上，提出了一种利用实 固有频率数据修正复合机构有限元动力模型的方法。其基本思想是利用机构各个运动位置上的固有频率实测值与有限元模型的计算值之间的加权误差建立目标函数，然后利用优化方法使目标函数极小化，从而求出有限元模型参数的修正值。计算结果表明该方法是简便有     

导弹发射车模型组合结构动力学试验与分析

本文通过对导弹发射车组合结构的动特性分析，试图探索一套针对大型复杂结构的组合结构动力学试验与分析技术。即以部件有限元动态分析和部件试验模态为基础进行部件试验／分析联合建模，在得到相对精确的部件数学模型后，以实用完备模态空间技术进行自由界面组合结构动特性分析。本文以导弹发射车组合结构为应用实例，验证了所提方法的正确性和有效性。     

利用试验数据的结构动力学数学模型修正统一方法

近20年来提出了一系列利用试验数据的结构动力学数学模型修正方法，用统一的观点来考查和比较各种不同的模型修正方法显得十分重要。本文提出一种统一方法，将数学模型修正表述为推广的最小二乘或贝叶斯系统识别问题，可通过优化方法求解。其中残差定义为由数学模型计算的动态参量和相应测试量、或其组合量之差。选择不同的残差量，如特征值、特征向量、特征方程、正交性条件、系统输入（力）、输出（响应）、频率响应等，可导出各种设计参数型数学模型修正方法。最后对由统一方法导出的各种数学模型修正算法进行了分析、比较和讨论。用统一方法推导的各种方法不仅涵盖了现有的主要设计参数型模型修正方法，而且还演绎出一些新的算法。     

基于PCA-RBF神经网络的浮选过程软测量建模

以浮选过程为研究对象,提出基于主元分析与RBF神经网络相结合的经济技术指标软测量模型,该模型依据工艺机理和经验知识对过程变量进行初选,采用主元分析方法对高维输入向量进行降维化简和辅助变量选择;采用新型混合递推算法对RBF神经网络参数进行优化。该算法包括修正网络中心的自适应聚类的简化型次胜者受罚竞争学习算法和修正网络权值的带遗忘因子的递推最小二乘算法。混合学习算法提高了网络参数辨识的收敛速度。仿真结果表明,软测量模型能很好地实现浮选过程经济技术指标的全局预测。     

基于BP神经网络的冰形特征参数预测

机翼结冰影响了飞机飞行的气动特性,严重时将会引起事故,对冰形特征参数进行预测对翼型气动特性研究以及后续防除冰措施具有重要的意义。本文利用BP神经网络,建立翼型冰形特征参数预测模型,并采用k折交叉验证进行网络结构选择,以气象与飞行条件作为输入,结冰极限、冰角高度和角度等冰形特征参数作为输出。结果表明:预测的冰形特征参数（除下冰角高度外）与数值结果相对误差低于5%,证明该方法具有较好的预测效果。