非线性系统的在线鲁棒故障检测

提出了一种具有建模不确定性的非线性系统在线故障检测方法。故障被假定为状态变量和输入变量的函数，该系统仅是输入、输出可测量的。一种基于RBF神经网络的在线非线性估计器用来跟踪系统中的出现的故障，该估计器对有建模不确定性的非线性系统的故障检测具备良好的鲁棒性。文中所提出的方法的收敛性在理论上进行了较详细证明。仿真实例说明了该故障检测方法的有效性和实用性。     

基于自适应模糊输出观测器的非线性系统鲁棒故障检测

针对一般非线性系统的故障检测，从工程应用的角度提出了一种基于自适应模糊输出观测器的非线性系统鲁棒故障检测方法。该方法以自适应模糊系统构造未知非线性模型的输出观测器，在充分考虑外加噪声干扰和系统误差的情况下，通过对一般反向传播学习算法进行改进，提出采用鲁棒反向传播学习算法调整观测器参数以辩识系统输出，再结合阈值故障检测策略检测系统故障。为保证算法具有较快的收敛速度，本文给出了根据模糊规则确定算法初始参数的选择方法并证明了算法的收敛性。仿真结果表明，对一般非线性系统故障检测，该方法具有有效性和实时性，以及对噪声干扰和系统误差的鲁棒性。     

小波神经网络在板形板厚控制系统中的应用

带材轧制是一个复杂的非线性过程,针对板形和板厚控制相互耦合等特点,本文提出了一种基于小波神经网络的自适应控制新算法。文中系统由两个小波神经网络组成,分别实现综合系统的模型辨识和控制。由于小波变换的紧支性及神经网络的非线性映射能力,模型辨识能准确地辨识板形板厚系统的动态特性,控制器能产生较为复杂的控制规律。仿真结果证明,该板形和板厚控制系统具有良好的自适应跟随和抗扰性能,其控制效果优于传统的解耦PID控制。     

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。     

Model1000水下机器人容错控制

针对复杂海洋环境中水下机器人的可靠性问题,将在线学习的RCMAC递归小脑神经网络应用于水下机器人时变、非线性故障的辨识和容错控制中。在OUTLAND的ROV水下机器人Model1000上设置各种传感器和推进器故障进行水下故障辨识和容错控制实验,实验结果证明了RCMAC网络在水下机器人故障辨识和容错控制中的有效性。     

基于RBF神经网络的非线性观察器设计

提出了一种新的非线性观察器设计方法。与一般方法采用神经网络逼近整个非线性系统不同，该方法用RBF神经网络逼近系统的非线性项，故提高了状态估计的精度。基于李亚普诺夫方法，证明了状态估计误差渐近稳定且渐近收敛到零。仿真结果表明，所提出的非线性观察器设计方法具有良好的性能。在故障检测、状态估计等领域具有广泛的应用前景。     

基于神经网络的直升机自动倾斜器轴承故障诊断方法

为了进一步提高直升机的安全性，利用BP神经网络和RBF神经网络对直升机自动倾斜器轴承进行故障诊断。完成了直升机自动倾斜器轴承故障植入试验，获取了自动倾斜器轴承的故障振动数据，并进行了振动数据的特征信号提取。采用振动数据特征信号的多参数融合作为神经网络的输入，对自动倾斜器轴承故障进行诊断，获得了较高的故障诊断率。采用基于神经网络的故障诊断方法，自动倾斜器轴承各类故障的最高故障诊断率均大于89%。     

基于小波变换的余度敏感器结构故障诊断方法

对于导航系统中余度敏感器结构的故障诊断，本文讨论了基于小波变换的直接比较测量的诊断方法。根据小波变换的时频特性和信号边沿检测的原理，采用小波db5对敏感器的输出信号直接进行六层分解，并在相应分解层上进行重构，根据重构的信号对余度敏感器结构进行故障检测，定位和隔离，仿真结果表明，这种方法不仅可以检测出故障，故障的类型和故障发生的时间，而且灵敏度高，对噪声具有较好的鲁棒性，为余度敏感器结构的故障诊断提出了一种有实用价值的方法。     

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。     

基于神经网络的空间桁架结构建模研究

空间桁架结构的振动主动控制目前已成为振动控制领域研究的热点，为了研究空间桁架的主动控制方法，首先必须建立其准确的模型。神经网络固有的学习能力使其在模型辨识中得到广泛应用，针对空间桁架结构的非线性动态特性，本文采用了修正的Elman递归网络进行了模型辨识，结果表明，带有自反馈增益修正的Elman网络能很好地反映桁架结构的真实情况，适用于非线性动态系统的模型辨识。     

神经网络自适应控制在攻击直升机中的应用

研究了神经网络自适应控制在直升机飞行控制系统中的应用。首先将直升机姿态角系统划分为快慢回路 ,并分别采用动态逆方法进行设计 ;针对动态逆方法的优点和不足 ,提出了小波神经网络自适应逆控制方案 ,把BP小波神经网络和基于李亚普诺夫稳定的小波神经网络分别应用于直升机飞行控制系统中 ;最后对典型机动飞行进行了仿真 ,说明小波神经网络方法应用的正确性和有效性。仿真结果证明 ,本文采用的小波神经网络自适应控制方法效果好 ,具有工程应用价值     

具有人工神经网络的目标数据分类

根据人工神经网络自适应共振模型的基本原理，针对空中交通管制系统中辨识空中飞行目标运动轨迹这一实际问题的具体需求，提出了基于多重置条件的空中目标分类方法。在自适应共振模型中的重置条件判别方法中，该方法不同于目标矢量的相似度判别方法，而是采用比较目标矢量夹角及模值的大小来决定其自适应共振模型中的重置触发条件的新方法。仿真结果表明，该方法能很好地解决空中目标的分类问题。     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

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。     

基于径向基函数神经网络的模型跟随自修复控制

提出一种基于径向基函数神经网络的模型跟随非线性自修复控制方法。该方法可不必精确已知故障的位置及程度,即可重构控制律使系统在故障情况下的输出精确跟踪期望参考模型的输出,并采用神经网络控制器以补偿邦联引起的非线性因素的影响。     

适用于全包线的航空发动机BP网络模型的动态辨识

为克服传统的发动机动态模糊辨识中存在的辨识精度低，辨识模型应用范围窄等不足，把对非线性系统具有高度逼近能力的神经网络应用于航空发动机动态特性的辨识，从而为发动机动态辨识开辟更为广阔的道路，采用均方差归一法的处理方法和BP算法的改进算法－输出端动量BP地，以某型发动机在飞行包线内某一飞行条件下的数据作为学习样本，辨识了发同的神经网络模型，在全包线范围内对该模型进行检验，结果表明，所得的发动机动态模型在全包线内都有很高的逼近精度，而且对噪声有很强的抑制能力。     

基于径向基神经网络的有限元模型修正研究

设计参数型有限元模型修正属于结构动力学反问题，其理论基础是将结构的特征量视为设计参数的函数。然后依据特征量对设计参数的一阶导数信息进行迭代求解。本文提出了一种基于径向基神经网络的有限元模型修正方法，把模型修正归结为正问题进行研究。首先将特征量视为自变量．设计参数视为因变量，以径向基神经网络逼近两者之间的非线性映射关系，然后利用神经网络的泛化特性直接求解设计参数的目标值。不但无需迭代求解，而且避开了反问题所面临的复杂的非线性优化计算。GARTEUR飞机模型仿真研究的结果表明．修正后设计参数误差在2％以内，模态频率误差在1％以内。     

神经网络在直升机概念设计中的应用

运用人工神经网络算法得到了单旋翼布局直升机的总体参数和部件重量估算方法,为直升机方案论证初期提供了一个快速有效的决策手段.对神经网络应用了多种训练算法,并与传统回归公式进行比较,可以发现采用BR训练算法的神经网络具有比传统回归方法更好的非线性表达能力,同时又表现出比LM,SCG等常规训练算法更好的范化能力,对训练样本和检验样本都有较高的估算精度,适用于型号设计初期的参数估算.     

神经网络集成的分布式入侵检测方法

分布式入侵检测系统需具有分布式检测功能及部件增量更新能力.文中提出了一种基于神经网络集成的分布式入侵检测方法,采用单个Agent检测与多个Agent协同检测的两级集成算法实现分布式入侵检测;在发现新的入侵时,Agent上的神经网络集成采用基于资源分配网的增量学习算法进行更新.实验结果表明,该算法能有效检测各种攻击,并且具有对未知攻击的增量学习能力.