模糊仿人控制在大时滞时变系统中的应用研究

工业对象中普遍存在的大时滞时变问题是影响控制系统稳定性及控制品质的重要因素，尽管控制理论的研究已取得显著进步，但对工程实践的指导作用并不尽人意，复杂的实际工程对象及其卢斤处环境使系统的有效控制问题一直是人们普遍关心的，所以，对于大时滞时变这种“难控环节”，如何设汁一个性能良好并且在实际中易实施的控制系统，是一个无法回避的问题。     

流量孔板的最优设计

本文提出了流量孔板计算机辅助设计的一种最优算法,并给出了程序框图和运行例子。     

一类模糊预估控制系统的鲁棒设计及仿真分析

针对一类模糊预估控制系统,重点讨论模糊预估控制系统鲁棒设计方法,并仿真验证了设计方法对提高系统稳定性及性能指标的重要作用.     

仿人模糊控制器在磨矿分级过程控制中的应用研究

针对磨矿分级系统的特点。在仿人控制的基础上，汲取模糊控制的优点，运用了新的控制算法，对控制系统进行了仿真．结果表明，仿人模糊控制具有很强的抗滞后和抗干扰性等优点．     

基于样本分布特征的核函数选择方法研究

核函数选择是支持向量机研究的热点和难点。目前大多数核函数选择方法主要应用验证方法选择,很少考虑数据的分布特征,没有充分利用隐含在数据中的信息。为此提出了一种应用样本分布特征的核函数选择方法,即先行分析样本分布特征,然后结合核函数蕴含的几何度量选择合适的核函数,使非线性样本映射得到的特征空间线性可分性得到提高,增强可分性和预测能力。仿真结果证明,提出的方法对支持向量机核函数选择能提供有效的指导,且对泛化能力也得到提高,方案具有可行性和有效性。     

提高网络应用性能的网络结构设计

针对网络工程应用性能问题，提出了基于遗传算法的前馈多层神经网络结构自动设计方法（genetic multilayer neural network,GNNN)。该方法依据网络综合性能指标（泛化能力，学习精度，学习效率）优势趋势进行网络结构优化设计。该方法具有训练速度快，适应性强的特点，对提高网络的应用性能有可取之处。仿真结果表明该方法是可行的。     

一种新型动态神经网络在多变量系统中的应用研究

提出了一种新型神经网络控制器，其控制机理与PID控制类似，但解决了在多变量控制中缺乏解耦能力的缺陷，从而解决了常规PID控制存在的快速性与超调量的矛盾，给出了网络结构和学习规则，并对系统稳定性及收敛条件做出了分析。通过仿真实验表明该神经网络系统具有较强的适应性和鲁棒性。     

BP网络泛化能力的改进方法

改进的BP算法把检验网络得到的性能指标J反馈回神经网络训练中,利用J和testJ构造出新的性能指标newJ,通过训练和检验的性能指标加权得到神经网络最优权值和阈值.用检验样本集间接地调整网络参数,使网络既能搜索更优解又不过早陷入局部极小值,从而提高网络的泛化能力.     

神经网络结构及其权值优化的遗传算法

神经网络结构及权值优化属两级进化方法.即把结构和权值进化分级进行,并在两级进化过程中采用不同的编码方式和适应度函数,但都使用改进遗传算法-反向变异算子.反向变异算子可按需要搜索的方向搜索,且不会造成早熟收敛.仿真结果表明,该算法取得了预期的效果.     

一类特殊约束下的遗传算法及其收敛性分析

针对一类带约束的优化问题提出了隔离小生境的多种群孤立进化遗传算法,分析了算法的全局收敛性.并将算法用于模糊控制器的优化问题,仿真实例说明了算法的有效性和实用性.