模糊基函数网络辨识算法稳定性*

模糊基函数网络能很好地以“ｉｆ．．．ｔｈｅｎ．．．”形式利用专家的知识，且以这种模型进行辨识，其辨识误差方程与辩识参数成线性关系，因而非常适用于实时辩识系统中，本文研究了这种网络模型辨识的持续激励条件和基于梯度法的辨识系统稳定性，给出它们存在的充要条件。     

平面双连杆受限柔性机器人臂的动力学建模*

对一类平面双连杆受限柔性机器人臂的动力学建模问题进行研究，利用Ｄ’Ａｌｅｍｂｅｒｔ－Ｌａｇｒａｎｇｅ原理得到了一组描述该机器人系统运动性态的动力学方程。与已有的动力学模型相比，本文所建立的运动方程和振动方程具有模型准确、结构简单等特点，且具有与传统无约束刚性机器人类似的模型形式，因而有可能直接或间接利用现有的关于刚性机器人运动控制等方面的成果来研究复杂的受限柔性机器人的控制问题。     

智能控制中的模糊控制,神经网络控制及遗传算法（下）

回顾了模糊技术、神经网络技术和遗传算法在控制领域的应用；探讨了神经模糊技术在控制领域的应用以及遗传算法优化模糊神经网络结构的实现。     

一种多层前馈网参数可分离学习算法

目前大部分神经网络学习算法都是对网络所有的参数同时进行学习.当网络规模较 大时,这种做法常常很耗时.由于许多网络,例如感知器、径向基函数网络、概率广义回归网络 以及模糊神经网络,都是一种多层前馈型网络,它们的输入输出映射都可以表示为一组可变 基的线性组合.网络的参数也表现为二类:可变基中的参数是非线性的,组合系数是线性的. 为此,提出了一个将这二类参数进行分离学习的算法.仿真结果表明,这个学习算法加快了学 习过程,提高了网络的逼近性能.     

基于谱分析的一类截尾二阶非线性模型盲辨识的方法(英)

提出一种基于自相关谱分析的对一类截尾Volterra非线性模型-二阶非线性模型进行盲辨识的算法．理论分析和计算机仿真均显示，该算法准确通用，适合于实际工程应用．     

机器人间接自适应模糊控制器及其应用

归纳并证明了机器人间接自适应模糊控制的几个重要特性并阐述了其用于多关节机器人跟踪控制的策略. 对一个具有远程独立电机驱动的双连杆机械臂的仿真结果证实了可行性.     

基于整体轮换杂交的改进遗传算法

针对遗传算法的过早收敛问题,提出了一种新的解决方法———整体轮换杂交法,对其作用进行了讨论。对基于该法的改进遗传算法进行了实验并与其它算法进行了比较。结果表明整体轮换杂交法可以更有效地防止遗传算法过早收敛。     

MIMO系统非线性模糊免疫PID的设计与优化

针对工业中常规控制器难以达到较好控制效果的控制难点,提出了免疫PID控制器,利用模糊控制可以无限逼近非线性的特性,构成非线性模糊免疫PID控制器,并基于正交函数将M1MO(多输入多输出)控制系统的非线性模糊免疫PID控制器的设计过程转化为由一个只含有代数方程的算法来实现,最后用具有自适应功能的遗传算法对其进行优化.仿真结果表明,所设计的控制器在控制性能上优于常规PID,并能快速得到最优参数.另方面对于多输入多输出控制系统,控制器的设计和优化显得更为简便和有效.     

自适应优化的模糊预测系统及其应用

本文设计并实现了一个模糊预测系统,该系统通过对历史数据的自适应学习获得初始的预测模型,借助实时数据的梯度信息对系统参数进行自适应优化,具有较强的适应性和自学习能力。以电力负荷预测为应用背景的一系列实验研究表明这一智能化的预测系统的性能是令人满意的。     

用S—函数对复杂动力学系统的一种分时段仿真方法

介绍了在Ｍａｔｌａｂ／Ｓｉｍｕｌｉｎｋ环境下利用Ｓ－函数的特点为峄大型动力学系统分时分阶段仿真原理与方法。并以２自由度机器人的动力学仿真为例,说明了具体的实现步骤。