基于多agent合作博弈的制造系统调度

针对有多个加工和装备设备的柔性制造系统,提出了一种调度方法.首先根据产品装配结构对问题进行分解,得到多个易于调度的简单问题,形成对应的agent.然后应用合作博弈理论,根据各agent重要性和装配约束获得agent的排序.以此顺序在机器上按照规则进行生产安排,故能够得到满足产品加工约束的近似最优调度结果.最后通过实验对算法进行了验证.     

多Agent智能制造系统研究综述

Agent与多Agent系统是分布式人工智能的主要研究方向之一，Agent技术已经被认为是进行分布式工业系统建模的一种重要方法，是设计与实施分布式智能制造环境的最自然的手段，是构建下一代制造系统的重要技术之一，基于Agent的制造系统是多Agent系统理论和方法在制造领域中的具体应用，在对Agent与多Agent系统技术研究进行简要总结的基础上，综述了Agent技术在制造企业集成，供应链管理、制造规划、调度和制造控制等方面的应用及其研究现状，并对Agent制造系统研究的主要内容及关键问题进行了探讨。     

一种带智能补偿器的神经网络控制器及其应用

为非线性控制系统设计了一种带智能补偿器的神经网络控制器。神经网络用来提供主要的控制输入信号,网络的训练可离线进行,网络的使用采用联想记忆方法。经神经网络控制器控制后,系统的实际输出值与期望值之间偏差不大,因此可将误差模型方程线性化。针对这一线性化模型,可以设计一个智能补偿器来补偿由于训练精度、干扰及时延等因素引起的系统误差。利用以上设计方法,本文对战斗机的“眼镜蛇”机动飞行控制进行了仿真研究,仿真     

国外智能制造标准化发展对中国航天的启示

国际标准化组织以及德国、美国等工业强国的智能制造标准化工作已取得大量成果和经验,其标准体系、标准制定重点领域、标准化工作模式等方面的实践为中国航天的智能制造标准化工作提供了有益参考经验。我国航天行业应大力开展航天智能制造标准体系建设,积极转化适用的国外智能制造标准,探索智能制造标准验证模式,以数字化标准作为智能制造标准的突破口,开发标准数字化应用平台及工具。     

FMS的一种新的再调度方法

提出一种新的旨在减少ＦＭＳ（柔性制造系统）中空闲（ｎｏ－ｉｎｐｕｔｓ）和阻塞（ｂｌｏｃｋｓ）的动态再调度规则。ＦＭＳ实验系统获得的实验结果表明，新规则的生产率（ｔｈｒｏｕｇｈｐｕｔ）比传统规则平均提高７％。由ＦＭＳ调度仿真专家系统获得的仿真结果表明，新规则的生产率比传统规则平均提高６．４８％。因而，新的动态再调度规则是非常有效的。     

一种基于神经网络的图像去雾算法

针对传统暗通道去雾算法在处理大面积天空区域部分时易出现光晕的缺点,提出了一种传统算法与神经网络相结合的去雾网络。首先经由暗通道去雾算法和Retinex算法分别获得两幅待融合图像,然后基于编码解码的神经网络构建一个图像融合去雾网络系统。训练阶段在编码网络中加入密集块结构,增强了模型的稳健性,便于从更高维度提取特征信息;测试阶段利用gamma校验因子预处理待融合的图像,减少了图像处理过程中的光晕现象问题。合成有雾图像处理的实验结果表明,该算法合理地将传统算法和神经网络去雾算法融合起来,构建一个新型去雾模型,提高了去雾精度,无论是在室内、室外合成数据集中去雾效果均有提升;较现有经典算法峰值信噪比至少提高18.7%,而且对自然雾天图像的处理效果明显;在图像物理细节信息处理方面对比已有算法有了一定的提高,为研究图像去雾提供了新思路。     

一种基于粗糙集理论的粗糙神经网络构造方法

提出在BP神经网络中使用粗糙集理论网络的设计，由于粗糙集理论有强大的数值分析能力,而BP神经网络具有准确的逼近收敛能力和较高的精度，所以通过两者的结合，可以得到一种可理解性好，计算简单，收敛速度快的神经网络模型，这种神经网络的算法的主要过程为：首先利用粗糙集能力去发现给定数据集的一些规则，然后根据这些规则构造神经网络稳含层的神经元个数，最后用BP算法迭代求了网络的各种参数，完成网络的设计，本文最后给出了一个三维非线性函数的实例进一步验证了网络的正确性。     

一种计算二维图象矩的神经网络方法

提出一种计算二维图象矩的神经网络方法,首先,导出一维信号矩与一维Ｈａｄａｍａｒｄ变换之间的关系。通过２Ｎ－一维Ｈａｄａｍａｒｄ变换和极少量加法,移位及乘法运行可计算二维图象矩。然后给出用Ｔａｎｋ－Ｈｏｐｆｉｅｌｄ神经网络实现Ｈａｄａｍａｒｄ变换的方法,并对该网络作了改进。     

一种使用BP神经网络加速的蒙特卡洛拉格朗日水滴求解器（英文）

结冰可能威胁飞行安全。拉格朗日方法被广泛应用于求解结冰过程中的水收集系数,但是其发展受到鲁棒性问题和高计算成本限制。为了弥补拉格朗日方法的缺陷,使用蒙特卡洛积分法和反向传播(Backpropagation, BP)神经网络分别用于解决鲁棒性问题和降低计算成本。基于蒙特卡洛方法的拉格朗日求解器可实现对任意模型或计算条件的无条件稳定。构建了BP神经网络用于预测水滴撞击概率,通过筛除非撞击水滴减少计算量。BP神经网络不针对特定模型提前训练,使用异步并行策略使BP神经网络训练和水滴运动同时求解,建立了广泛适用的异步拉格朗日求解器。使用GLC-305后掠三维翼型和某型发动机短舱模型对求解器进行验证,结果显示BP神经网络可以有效提升计算效率,对比没有神经网络辅助最多节省27%运行时间,同时保有同等计算精确度。本文研究为首次尝试神经网络技术与结冰数值模拟融合,为进一步发展拉格朗日方法提供有力支撑。     

含连续／离散变量结构优化中的神经网络与变尺度模拟退火方法

传统的优化方法难于有效地处理含有连续／离散混合变量优化问题，本文介绍了一种改进的变尺度模拟退火方法并与人工神经网络能量函数模型相结合，用于求解含连续／离散设计变量的工程结构优化问题，较好地解决了模拟退火技术用于工程结构优化时选取具有全局性的初始点困难及迭代次数较多的弱点。算例表明，该方法可以使模拟退火算法从局部最优的陷阱中跳出，最后求出整体最优解。     

非静止轨道卫星网络中Hopfield神经网络路由算法

应用Hop fie ld神经网络路由算法能够解决全球无缝覆盖的W a lker de lta卫星通信网络中的路由问题。模拟退火算法作为一种全局优化的方法能够解决神经网络迭代运算中的振荡环问题,消除Hop fie ld神经网络计算局部稳定状态。Hop fie ld神经网络路由算法需要大量的神经元,消耗大量的运算时间。本文提出一种适合卫星网络运算的神经元数量减少的神经网络路由算法,根据卫星网络半径,削减神经元数量、加快运算时间。根据中轨和低轨卫星网络卫星数量的差异,在仿真过程中选择Hop fie ld神经网络的最优参数,比较不同源-目标节点对、不同时刻和不同收敛判决门限时的算法性能。     

基于改进型BP神经网络多关节机器人逆向运动学求解

提出采用一种3层改进型快速BP神经网络(Modified fast BP neural network,MFBPNN)求解一个5自由度多关节机器人逆向运动学问题。使用正向运动学计算获得的样本向量进行离线学习,然后充分利用人工神经网络的泛化特性,实现了机器人末端作用器位姿到各个关节转角变量之间的非线性映射。仿真结果表明,采用MFBPNN算法以后,绝对误差不超过0．005°,计算精度和处理速度能够满足机器人实时控制的要求,并且可以应用于机器人路径规划控制场合。     

基于BP网络的热工过程模型辨识方法

主要研究了人工神经网络在辨识火电厂热工过程模型中的应用，利用Visual C^ 语言构造BP神经网络,提出了把BP网络权值转换为传递函数的方法，针对火电厂常见的热工过程，不用人为加入特殊的激励信号，只利用现场生产中自然存在的扰动信号进行辨识试验，试验结果准确可靠。     

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。     

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。     

Golay码的神经网络译码算法

本文提出了Golay码的一个神经网络译码器N(23,12),证明了Golay码的最大似然译码等价于N(23,12)收敛于能量函数的全局稳定状态。N(23,12)是一个异步的组合逻辑电路,能用12个大数逻辑门和77个异或门电路来实现。根据Golay码的循环结构,本文还提出了一个神经网络译码算法。计算机模拟表明,该算法达到了Golay码的纠错能力,并且,译码速度优于Kasami的修正捕错译码算法。新算法作为一种完全译码算法,不仅适用于Golay码,而且适用于任何循环码,特别是平方剩余码的译码。     

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.     

基于神经网络的大型矿用隔爆型干式变压器动态温升预测研究

分析了大容量隔爆型干式变压器热传递过程和特点,利用人工神经网络的非线性映射能力建立了其动态温升预测模型,并将计算结果和实测结果作了比较,验证了其可行性和优越性.     

基于动态结构自适应神经网络的非线性鲁棒跟踪控制

针对非线性系统,提出一种将H∞鲁棒跟踪控制器与动态结构自适应神经网络相结合的组合控制方法.文中首先将系统线性化,设计H∞鲁棒跟踪控制器;然后针对系统中仍然存在的高阶非线性和未知不确定性,引入一种动态结构自适应神经网络,以对消非线性和不确定性的影响.这种自适应神经网络的隐层神经元随着跟踪误差的增大而在线增加,使得神经网络能以较少的神经元获得最佳的逼近效果,加快神经网络的运算速度,提高整个系统的动态性能.最后用飞行跟踪控制系统的示例证明本文方法是有效的.