基于流形的约束局部模型拟合

为了将人脸形状向量集的流形结构嵌入到人脸定位模型中,以人脸定位参数模型中典型的约束局部模型为基础展开研究。结合局部坐标编码理论和稀疏约束,将基于流形结构的邻近形状向量集代替点分布模型中的非刚性形变集,实现了流形学习中的局部切空间排列方法与点分布模型的融合,从而得到了一个流形嵌入的约束局部模型。经过在模拟数据、有标注的人脸部件数据库和有标注的人脸数据库的试验验证,与基于线性重建的局部约束模型拟合相比,嵌入流形结构的约束局部模型具有更好的性能。     

结构分离和参数分离的灰箱建模

为解决复杂系统的建模问题,以石化工业中广泛应用的连续搅拌釜式反应器(CSTR)为背景,提出以结构分离和参数分离为基础的灰箱建模方法.建模的思路是充分利用系统的先验知识,最大可能的保留系统的已知结构和参数,以保证建立的模型从内部到外部逼近原型系统.在对非线性系统进行结构分解后,建模步骤分两步进行:对反应速率中的Arrhenius方程进行对数变换,可使用便捷、有效的最小二乘算法拟合其中的未知参数;仅对线性部分的未知参数进行辨识,不仅大大降低模型的训练时间,更是提高了模型的灰箱性,从而保证模型的可靠性和泛化能力.通过与常规使用的全参数辨识的建模方法对比,证明了该方法的有效性.     

竞争学习的非均匀采样非线性系统的模糊辨识

在实际非线性系统中,由于资源的限制,使得输入信号快速刷新,输出信号慢速采样.利用获得的非均匀采样数据对原非线性系统辨识存在一定困难.为此,通过提升技术,把非线性系统的多个特征点局部的线性模型转化为模糊模型的后件线性模型.在此基础上,提出基于竞争学习和递推梯度下降方法的辨识算法.通过定理证明:输入信号在持续激励条件下,模糊模型的参数能够一致性收敛;针对化工p H中和过程非线性系统,采用非均匀采样数据,建立其模糊模型,通过实际数据与模糊模型输出数据误差对比,表明了实际系统在非均匀采样条件下,模糊辨识能够建立其过程模型,验证了提出方法的有效性.     

局部传感器发射功率约束条件下部分相干检测融合方法

针对局部传感器发射功率约束部分相干检测融合问题,利用偏移系数极大化理论优化系统检测性能,建立了基于多址接入信道传输的多传感器分布式部分相干检测融合模型,该模型将融合中心处相位同步误差建模为服从吉洪诺夫概率分布的随机变量.将局部发射功率约束部分相干检测融合问题转化为一个非线性非凸优化问题,利用非线性优化理论,得到了问题的一维搜索闭合解.蒙特卡洛仿真结果表明:当环路信噪比大于等于10时,文中方法能在低信噪比和低虚警概率情况下显著提高融合系统对目标的检测概率,其检测性能优于传统的基于并行网络拓扑结构的最优似然比方法.     

一种基于即时学习的多模型在线建模方法

针对复杂非线性系统的建模问题,基于空间划分树(SP-Tree)和即时学习(lazy learning)的思想,设计了一种多模型在线建模方法.该方法基于分解-合成策略,根据系统输入输出数据,采用即时学习算法建立当前时刻的最佳局部模型,随着系统工作点的移动,滚动建立系统的多个模型,实现对非线性系统的准确建模.在建立邻域的过程中,采用一种基于SP-Tree数据结构的数据库进行分层递阶搜索,有效地提高了在线建模的实时性.最后,通过对一个仿真案例的研究验证了该算法的有效性.     

约束阻尼板优化设计方法

在约束阻尼板振动实验基础上,建立了约束阻尼板的动态有限元模型,并对经实验验证的有限元模型运用NASTRAN程序对该约束阻尼板进行不同几何、材料参数下的仿真计算,得到相应的谐振频率和结构损耗因子.通过非线性拟合,建立了约束阻尼板谐振频率和结构损耗因子与几何、材料参数的参量拟合公式,基于该参量拟合公式,提出了优化设计方法,并成功应用于结构的优化设计.     

精密机械热动态误差模糊神经网络建模研究

结合模糊逻辑与人工神经网络的优点,提出精密机械热动态误差的模糊神经网络模型,并在多变量模糊模型后件结构与参数辨识中提出了主分量分析建模的新方法.基于语言控制规则的模糊模型,采用模糊推理方法,建模的关键在于结构辨识和参数辨识. 采用主分量分析方法可有效地辨识模型后件的结构与参数.为克服建模用的有效数据量少于后件参数,而无法建立相应的模糊模型这一问题,采用一种多变量系统的模糊神经网络建模方法,利用神经网络具有学习的能力,通过使用适当数量的具有充分激励信息的优选数据组作为学习样本对神经网络进行训练,从而建立起模糊神经网络模型.当辨识的模型精度达不到要求时,可应用模糊神经网络的多次训练获取更高的模型精度.实测数据建模表明,模糊神经网络模型能有效地描述热动态误差.     

利用NARMA模型辨识非线性时变结构系统

为了有效地进行非线性时变结构系统的辨识,提出了一种基于Kalman滤波算法的利用时变非线性自回归滑动平均模型的用于非线性时变结构系统辨识的新方法.首先,利用线性变换将非线性时不变结构系统的动力学模型转化为非线性自回归滑动平均模型,然后,将非线性项展开为系统输出数据的多项式的形式.利用短时时不变假设,通过改变模型参数跟踪系统参数的变化,将非线性时变系统的辨识问题转化为线性时变系统的辨识问题.建立系统参数的随机游动模型,引入Kalman滤波算法估计系统的参数,实现对非线性时变结构系统的辨识.最后对一个具有非线性时变刚度的三自由度结构系统进行了仿真,结果表明:该方法可以有效地跟踪非线性时变结构系统的参数变化.遗忘因子的对比试验表明只有选择合适的遗忘因子才能得到合理的结果.     

面向复杂智能制造的多维时空建模方法与应用

为了解决复杂智能制造流程、技术和系统的综合建模问题,提出多维时空建模方法和基础建模元素,包括坐标矩阵、伴随矩阵、伴随关系、伴随指数、扩展矩阵、影子矩阵、属性矩阵、N方矩阵、关联定参法则、关联参数转化法则,在此基础上提出面向智能制造抽象过程和结构的类簇、类、对象,提出面向智能制造具体过程和结构的智能制造数据优化、智能制造信息无损压缩和有损压缩、智能制造数据清洗、智能制造反求和逆向工程,进一步提出带有时空耦合、时空反馈的智能制造复杂结构软硬件的逻辑和空间结构建模方法,带有矛盾流程和矛盾结构、模糊流程和模糊结构及带有时间和条件约束的复杂时序数据和管理流程的综合建模方法.实现了对具有多个组件、多个模块、多个制造设备、多个制造流程、多种制造材料、多种制造工艺的复杂构件和大规模软件进行实例逻辑建模和实例空间结构建模.最后通过对亚萨合莱智能概念锁和钥匙的复杂智能制造流程、功能、原理进行综合建模和反求,说明面向复杂智能制造的多维时空建模方法具有有效性、实用性和功能性.     

考虑非线性模型不确定性的航天器自主交会控制

考虑航天器交会模型不确定性的问题,提出基于一般非线性相对运动方程的自适应控制策略. 针对复杂非线性系统中由外部扰动及目标星轨道参数引起的线性与非线性不确定性问题,通过自适应神经网络对模型结构进行参数化近似. 结合自适应反推技术和李雅普诺夫稳定方法进行自适应控制器设计,能够实现控制目标,保证所得闭环系统的渐近稳定性. 为了探究同时存在模型不确定性和输入约束的情况下航天器相对运动的自适应控制设计,提出辅助控制系统来分析和解决输入约束的影响. 针对相对运动提出的自适应控制策略保证了闭环系统的稳定性,使得模型未知参数的自适应估计满足最终一致有界性. 对不同案例分析比较的数值仿真结果验证了提出控制方法的有效性.     

三相生物流化床味精废水处理的优化控制研究

针对三相生物流化床味精废水处理过程的闭环控制进行研究,在考虑其大滞后性、复杂非线性等特点的基础上,提出一种基于人工神经网络的非线性模型预测控制方法以实现处理过程的闭环优化控制.该方法首先建立味精废水处理工艺模型,采用非线性模型预测控制方法对模型进行校正,并利用序列二次规划法解决其约束非线性规划问题,最终实现味精废水处理的闭环优化控制.仿真和实验结果表明该方法有效,可实现闭环实时控制,具有广阔的应用前景.     

自适应张弦梁结构的非线性内力控制

根据预应力在自适应张弦梁结构中的作用和撑杆的可调控性,提出基于局部分析法的内力控制分析方法.建立外荷载作用下,以结构最合理内力状态为控制目标的线性内力控制算法的优化模型.利用模拟退火算法来获得可调撑杆的调节量;考虑内力控制的几何非线性,引入非线性迭代过程,对线性控制算法的结果进行修正,建立结构的非线性内力控制算法.通过多撑杆自适应张弦梁结构数值算例在不同外荷载作用下工作性能的分析,验证了非线性内力控制算法的适用性.     

基于实体退化单元的高墩非线性稳定仿真分析

为克服在薄壁空心高墩的非线性分析中解析法不便应用、杆系有限元法不能模拟钢筋、实体单元法计算效率较低等不足,以及为提高计算效率且不降低模拟精度,提出采用实体退化单元的方法进行非线性稳定分析.在该方法中,用三维实体退化单元模拟薄壁空心高墩,运用单元分块技术实现钢筋单元的模拟,基于多尺度分析思想建立精确模型进行非线性稳定分析;阐述几何非线性、材料非线性及方程求解方法,讨论了稳定分析的实现方式.采用此方法对一数值模型进行第一类及第二类稳定性分析,并与传统的实体单元模型进行对比证明了该方法在非线性稳定分析中的有效性.并将此方法应用于工程实例,结果表明：该方法能真实有效地模拟实际结构,客观地反映钢筋对墩体稳定性的影响,高效地进行非线性分析;适用于对需要考虑钢筋影响的结构及对薄壁空心高墩结构型式进行非线性稳定分析.     

局部切空间排列算法及其在人脸识别中的应用

目的探索基于流形学习的人脸识别方法,将流形学习中的局部切空间排列算法（LT-SA）应用于人脸识别.方法利用样本点领域的切空间表示局部的几何性质,将局部切空间排列起来构造流形的全局坐标;用高斯核近似映射关系;在降维空间中用线性判别分析技术（LDA）提取特征;使用最近邻分类器进行分类识别;在Yale和CMU PIE人脸数据库上进行仿真实验.结果实验表明在Yale数据库上LTSA＋LDA算法比已有LLE＋LDA方法、LLTSA方法平均识别率分别高7.22%、19.11%;在CMU PIE数据库上分别高3.71%、29.56%.结论笔者提出的LTSA＋LDA算法能较为有效地将局部切空间排列算法应用于人脸识别,显著提高了识别率.     

模糊偏最小二乘及其在药物构效关系中的应用

针对高维变量系统的模糊建模易引起规则“组合爆炸”，以及变量间的耦合关系会导致模型泛化能力的减弱， 提出构建模糊偏最小二乘法(FPLS)的一种新方案.先采用非线性迭代偏最小二乘(nonlinear iterative partial least squares, NIPALS)方法从样本数据中成对地提取最优成分，使多变量系统降维，并消除其间的耦合关系;然后对提取的每 对成分采用TSK模糊系统及自适应学习算法，实现单输入单输出的非线性建模，并组合为FPLS模型.将FPLS法应用于人类 免疫缺陷病毒1型蛋白酶抑制剂构效关系，所需规则甚少，所建模型有较强的泛化能力和稳定性，显示出FPLS方法的优越 性.     

高斯过程回归补偿ARIMA的网络流量预测

为提高网络流量时间序列的中期预测精度,提出一种高斯过程回归模型补偿自回归积分滑动平均(ARIMA)模型的网络流量预测模型.首先通过Brock-Dechert-Scheinkman统计量检验方法确定网络流量时间序列包含线性特征与非线性特征;然后利用ARIMA模型对网络流量时间序列进行非平稳建模,得到符合网络流量序列线性变化规律的模型,并通过人工蜂群算法优化的高斯过程回归模型对具有非线性特性的预测误差序列进行建模与预测;最后将ARIMA模型的预测值与高斯过程回归模型的预测误差值进行相加得到最终的网络流量预测值.仿真对比实验结果表明,提出的预测方法具有更高的预测精度和更小的预测误差.     

基于T-S模糊模型的直接自适应预测控制

提出一种基于T-S模糊模型的直接自适应预测控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型的后件参数。用已经辨识好的参数,进行直接迭代计算,直接得到模型的预测输出。此算法很好地解决了非线性预测控制中,建模与优化两大难题,为非线性系统的高精度控制提供了保证。计算机仿真表明,该算法具有较好的跟踪性能。     

基于数据驱动的热连轧厚度建模与控制方法

针对轧机厚度机理模型逐渐不满足现有的控制精度要求的现象,提出了一种基于数据驱动的热轧带钢厚度预测与控制方法.该方法通过对输入空间数据进行在线聚类划分,在各子空间使用最小二乘支持向量机(least square support vector machine,LS-SVM)在线算法建立非线性模型,并预测系统的输出值,利用预测控制方法求得控制量,根据控制器加权策略得到全局控制量.仿真结果证明了该方法的有效性.     

Task space control of free-floating space robots using constrained adaptive RBF-NTSM

Trajectory tracking control of space robots in task space is of great importance to space missions,which require on-orbit manipulations.This paper focuses on position and attitude tracking control of a free-floating space robot in task space.Since neither the nonlinear terms and parametric uncertainties of the dynamic model,nor the external disturbances are known,an adaptive radial basis function network based nonsingular terminal sliding mode(RBF-NTSM)control method is presented.The proposed algorithm combines the nonlinear sliding manifold with the radial basis function to improve control performance.Moreover,in order to account for actuator physical constraints,a constrained adaptive RBF-NTSM,which employs a RBF network to compensate for the limited input is developed.The adaptive updating laws acquired by Lyapunov approach guarantee the global stability of the control system and suppress chattering problems.Two examples are provided using a six-link free-floating space robot.Simulation results clearly demonstrate that the proposed constrained adaptive RBF-NTSM control method performs high precision task based on incomplete dynamic model of the space robots.In addition,the control errors converge faster and the chattering is eliminated comparing to traditional sliding mode control.