基于ANFIS的蒸汽发生器水位实时控制系统的设计

从蒸汽发生器的水位特性出发，对其水位高度控制原理进行了深入细致的研究。鉴于控制对象的模糊性、不确定性和非线性，采用自适应神经元模糊推理(Adaptive neuron fuzzy inference system，ANFIS)技术，建立了模糊控制规则库，实现了对蒸汽发生器水位的智能控制。本文详细阐述了ANFIS技术的结构、控制方式和系统的主要功能，完成了软、硬件的综合设计，并进行了仿真研究。控制系统的硬件采用了DSP芯片，以保证系统的实时性；软件采用了模糊一神经网络算法，以克服系统模型的不确定性。仿真结果表明，该控制系统工作稳定可靠，具有较高的控制精度和较强的鲁棒性。     

关于稀疏分布存贮模型中A连接权阵的讨论

Ｋａｎｅｒｖａ的稀疏分布存贮模型由于对寻址地址采用了稀疏编码，对数据采用了分布式存贮，从而解决了大维数向量的输入问题，ＳＤＭ实际上是一个由输入层，中间层和输出层组成的三层前向网络，其中神经元间的互迦权值在输入层与中间层是预置的（用矩阵Ａ表示），中间层与输出层的连接权阵Ｃ由外积法得到，文中假定在相同的学习规则下，就信噪比意义而言，Ａ的均匀预置能使ＳＤＭ获得最优性能，从而为Ａ的预置提供了理论依据。     

基于APIHOOK技术的个人防火墙

在深入研究APIHOOK(Application programming interface HOOK)技术及其实现．并综合各种木马的行为特征的基础上构建防火墙。该防火墙的原理是借助APIHOOK技术用自编的DLL函数替代部分系统函数。新的函数实现了注册表监视，文件监视，网络监视和其他高级操作的监视。一旦发现类似木马的行为，就会根据用户可定制的规则实时作出反应。该防火墙能详细记录程序的行为，因此高级用户还可以用它来分析木马。由于该防火墙是针对木马行为特征的，因此其优点是可以预防目前一般防火墙不能预防的未知木马和新一代木马。实际的木马攻击试验证明，该防火墙能够很好地预防木马。     

用于建立机械制造系统模型的扩展着色Petri网

着色Petri网是描述和分析并行系统的有力工具,近年来在机械制造系统中得到了广泛的应用。由于机械制造系统的自身特点,在表示着色Petri网结构的关联矩阵中含有许多零元素,从而导致着色Petri网占据数据空间大的缺陷,难以对复杂机械制造系统的规划设计与生产调度进行分析研究。 本文基于着色Petri网的基本原理,提出一种适用于建立机械制造系统模型的扩展着色Petri网理论,用于解决着色Petri网占据数据空间大的问题,为Petri网理论在机械制造系统建模方面的广泛应用提供理论基础。最后给出实例,说明减少数据空间的结果。     

力控制反馈信号的神经网络法校正

对机器人的力反馈，主动柔顺控制和双向联想记忆的神经网络进行了综合研究，针对机器人腕力传感器输出信号的部分失真，提出了机器人擦洗平面玻璃力反馈信号神经校正的方法，并建立了相应的神经网络结构，在ＡｄｅｐｔＴｈｒｅｅ精密装配机器人上进行了试验验证，取得了满意的效果。     

求解最小费用流的复合标号法

本文在求最短路和求最大流标号法的基础上,提出了求解最小费用流的复合标号法。利用这种方法可以在一次标号的过程中找到具有最小费用的增广链。该算法具有简单、易行、迭代次数少,而且易于理解的特点。     

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。     

神经网络与D-S理论结合的HRR识别研究

基于D-S(Dempster-Shafer)证据理论,比较和研究了相关数据和不相关数据的融合方法,分析了多传感器数据融合的算法:集中式融合算法和分布式融合算法.经过实验证明,执行分布式有反馈融合算法时的效果最好.然后利用该算法,提出了和线性内插神经网络相结合的识别方法.利用4种飞机的步进频率雷达的高分辨率一维距离像,将神经网络的识别结果作为证据分别送入传感器进行融合,进行识别研究.实验证明,与单纯利用神经网络的方法比较,目标的正确识别率得到了改善.     

基于联邦滤波器的新型故障检测结构及算法

提出了一种基于联邦卡尔曼滤波器的故障检测结构,该结构利用各局部滤波器和参考滤波器共有状态之间的残差进行故障检测.并提出了2种故障检测算法:χ2检验法和Elman神经网络检验法.以组合导航系统为例进行了仿真研究,和其它算法相比该算法计算简单、可靠,不但可以快速检测出外部传感器及参考系统故障,且具有很好的容错性能,能快速检测出故障并进行隔离,使融合后系统依然保持较高精度.     

非线性随机动态系统学习建模方法

在动态神经网络及扩展卡尔曼滤波算法的基础上，提出了对非线性随机动态系统进行学习建模的迭代算法，用这种方法对非线性随机系统建模，可以获得更准确伯系统模型，并可对非线性随机系统进行状态估计。最后给出相应算法及仿真结果。