动态神经网络的模型检验

讨论了利用仅含一个隐层的前馈多层神经网络来辨识离散时间非线性动态系统时的模型检验问题。从估计理论出发，加上实际应用的考虑，提出了一种检验神经网络模型适用性的综合误差指标（ＳＥＩ）准则，并利用学习速度快、收敛性能好的递推预测误差（ＲＰＥ）学习算法，对两个例子进行了仿真计算。结果表明：综合误差指标准则可用来检验非线性动态系统的神经网络模型。与相关检验法相比，综合误差指标准则具有计算简单、使用方便等优点。最后，指出了今后的研究方向。     

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。     

非线性系统的动态神经网络自适应辨识

提出了用双层动态神经网络在线辨识非线性动态系统的方法。神经网络的权重在线学习,不需要离线训练。在无逼近误差和扰动的理想情况下,所提出的在线算法能保证辨识误差趋于零,基函数持续激励条件能保证权重趋于零。在非理想情况下,权重调整律采用ｅ修正权重算法,它是ＢＰ算法的推广,不需要基函数的持续激励条件。基于李雅普诺夫稳定性理论保证了自适应辨识系统的稳定性。仿真算例说明了所提出的动态神经网络自适应辨识的有效性     

结构系统可靠性理论与模拟算法

本文系统阐述了非线性结构系统可靠性理论的主体框架和模拟算法，重点分析了全局分枝－约界法、快速概率积分法、响应面法、随机有限元法和Ｍｏｎｔｅ Ｃａｒｌｏ模拟法的主要优缺点及其对强非线性问题和存在失效演化历程的复杂结构系统可靠性分析和评估问题的适应能力。在此基础上，本文对当前研究工作中存在的一些共同性问题进行了剖析，对将智能化方法引入非线性结构系统可靠性工程领域的方式和可行性进行了探讨。     

涡扇发动机的一类大包线系统建模

基于涡扇发动机部件级模型,研究了具有非线性和时变特性的涡扇发动机非线性变参数系统建模问题.通过系统辨识的方法,以高压转子转速为调度变量,得到典型工作点的多项式非线性系统.在此基础上,借鉴增益调度思想,将高度和马赫数拟合成系统的时变参数,利用回归算法,建立大包线慢车以上非线性变参数(Nonlinear parameter...     

一种自学习Fuzzy控制器

为了提高Ｐｕｚｚｙ控制器的性能，适当调整Ｆｕｚｚｙ控制规则是很重要的。本文利用参考Ｆｕｚｚｙ集的概念给出了一种便于规则调整的Ｆｕｚｚｙ控制算法。由于这种算法避免了输入和输出数值域上的离散化，所以具有较强的灵活性。为了估计Ｆｕｚｚｙ控制器的性能，本文利用了参考模型。通过参考模型与被控对象输出的偏差来实时调整Ｆｕｚｚｙ控制规则，构成了自学习Ｆｕｚｚｙ控制器。仿真结果表明，自学习性能是令人满意的。     

非线性系统的神经网络控制器设计

神经网络是解决非线性系统控制问题的一种新颖而有效的方法。文中主要讨论了神经网络在非线性控制中的应用,针对一个典型的非线性系统,采用不同的神经网络控制结构,设计了不同的控制器,并进行了数字仿真。比较了它们的优缺点。作者的研究对神经网络在控制领域当中的应用具有一定的理论指导作用。     

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。     

磁流变弹性体隔振器的非线性滞回动力学模型

根据磁流变弹性体隔振器的试验数据,利用Bouc-Wen模型,建立磁流变弹性体隔振器的非线性动力学模型。通过遗传算法对Bouc-Wen模型进行参 数识别,验证了模型精度。同时提出了改进的Bingham模型,并对磁流变弹性体隔振器进行动力学建模和参数识别。比较了Bouc-Wen模型与改进的Bingham模型的优缺点。     

一类MIMO状态可观测非线性系统的激励辨识

研究一类多输入多输出(MIMO)状态可观测非线性系统的激励辨识问题,输入激励信号采用高斯白噪声,均匀采样获得输出状态数据;根据Girsanov定理获得系统参数的渐近无偏估计;数值仿真试验说明了该方法的有效性并发现多变量耦合辨识中的噪噪比(NNR)现象;最后给出该系统的分步激励辨识算法。     

基于T-S模糊模型和迭代学习观测器的飞行系统故障容错控制

针对执行器失效的一类飞行控制系统,提出基于迭代学习观测器的模糊容错控制律,利用Takagi-Sugeno(T-S)模糊模型对非线性系统进行描述、建模和控制.一旦系统发生故障,迭代学习观测器在估计系统状态的同时估计执行器的卡死值,然后利用估计的状态和故障信息构成反馈模糊控制律进行调节,以实现故障系统对参考系统的状态跟踪.给出了系统能进行容错控制的参数匹配条件,并利用Lyapunov理论详细分析了系统的稳定性以及闭环系统信号的有界性,某歼击机的仿真实例证明了本文方法的有效性.     

模糊关系数据库的一种广义模型

提出了模糊关系数据库的一种广义数据模型ＧＦＲＤＭ,它是一般模糊关系数据模型的推广,可用来描述现实世界较为普遍的模糊对象。已提出的各种模糊关系数据模型在某种条件下可看作为本模型的特例。文中引入了广义模糊关系的概念,讨论了广义模糊关系代数的操作：广义模糊并、广义模糊交、广义模糊差、广义模糊笛卡尔积、广义模糊投影和广义模糊选择等。广义模糊关系中不仅每一个元组具有模糊性,而且元组的属性值（精确值或模糊值）也具有模糊性（可信度）,捕获了更多模糊数据的语义。广义模糊选择操作中允许用户自定义广义模糊比较运算以及指定阈限,从而增强了模糊查询的表达能力和灵活性。     

一类非线性系统的模糊自适应跟踪控制

针对一类非线性系统，把模糊T—S模型和自适应模糊逻辑系统两种模糊逻辑方式结合起来，提出了一种基于观测器的跟踪控制方案。首先，应用模糊T—S模型对非线性系统建模，设计观测器用来观测系统状态；由线性矩阵不等式得到模糊模型的控制律。其次，构建了自适应模糊逻辑系统；应用基于权值、中心和宽度三个参数可调节的自适应模糊逻辑系统作为补偿器来补偿建模误差。文中证明了闭环系统满足期望的跟踪性能，实现了跟踪目的。两连杆机械臂的仿真结果表明该方案消除了建模误差对跟踪的影响。     

一类非线性系统的自适应模糊控制

针对一类具有未知常数控制增益的非线性系统，基于滑模型控制原理并利用Ⅰ型模糊系统的逼近能力，提出了一种自适应模糊控制器设计的新方案，该方案通过引入最优逼近误差自误应补偿项来消除建模误差的影响，从而在稳定性分析中取消了要求逼近误差平方可积或逼近误差的上确界已知的条件，通过理论分析，证明了闭环控制系统是全局稳定的，跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

提高模糊控制品质的一种方法

本文将控制系统动态过程划分为三个阶段,即初期段、中期段和末期段,然后根据不同阶段的控制特点,采取不同的模糊控制策略,从而形成了一种分段模糊控制方法,与基本模糊控制方法相比,该方法提供了较好的控制品质,文中算例证实了这一点。     

航空动力装置任务可靠度模糊预计与分配的综合

根据Vague集的直觉性，定义一种判定Vague值真值的函数，进而给出一种确定Fuzzy隶属度的方法。将此方法应用于模糊综合评判理论，得到一种在设计初期根据专家意见，预计航空动力装置任务可靠度的模糊决策方法。根据预计值和比例组合分配法的思想，先按任务可靠度模型的等效串联模型进行任务可靠度指标的分配，然后再对等效串联模型中冗余部分的指标进行分配。     

基于聚类算法的模糊逻辑结构与系统性能分析

针对一类特殊的模糊逻辑系统，对模糊逻辑规则结构与系统性能之间的关系进行了深入细致的数学推导和分析，从而得出在采用聚类技术构造模糊逻辑结构中影响系统性能的主要因素。通过相关的论证与分析，为各种聚类算法在模糊逻辑结构辨识中的应用奠定了理论基础，避免了以往对模糊结构与性能之间表述的含糊性和不系统性，为模糊逻辑系统的合理设计及其应用提供了数学依据。     

知识-模糊神经网络在复杂劳动计量中的应用

由于大脑自身结构的超复杂性和人们对大脑信息处理机制与过程认识的局限性,复杂劳动计量长期以来未能得到有效解决。文中首先系统地研究了复杂劳动过程的三要素,其次通过引入知识工程原理、模糊神经网络技术等,根据大脑处理信息在微观结构与宏观形式上的基本特点及复杂劳动面向对象的信息特征,提出基于知识－模糊神经网络的复杂劳动计量思路,以计量复杂劳动量,并给出计量方法与步骤及案例分析,案例分析结果表明,该文所提出的     

一种新颖的模糊控制算法研究

提出了一种结构新颖的模糊控制算法。通过对控制律的参数寻优和调整，实现了二级倒立摆的稳定控制，由于本文采用了连续性模糊控制算法，从而使解析描述的模糊控制规则可以不受模糊变量论域量化等级的限制，因素消除了一般模糊控制算法所特有的稳态误差，仿真也证明了本文提出的模糊控制算法具有较好的控制效果。