基于LPFG和HBF环镜的温度和应变同时测量

利用长周期光纤光栅（LPFG）和高双折射光纤（HBF）环镜的谐振波长对温度和应变的灵敏度差异,设计了温度和应变同时区分测量系统。在理论分析的基础上,分别测定了LPFG以及HBF环镜谐振波长对温度和应变的灵敏度系数,构建相关系数矩阵方程,实现温度和应变区分测量。实验测得该系统的温度和应变测量精度分别为±0.36℃和±13...     

一种基于神经网络的超稳定自适应控制算法

提出了一种用于控制复杂非线性系统的超稳定自适应控制算法。使用波波夫超稳定性原理设计控制器。用神经网络在线辨识系统的建模误差及不确定性因素，辨识结果作为补偿信号以实现系统的鲁棒控制。对一双输入双输出非线性系统的仿真结果表明，所提出的超稳定自适应控制算法具有较好的性能。     

基于混合结构神经网络的自适应背景模型

本文提出一种基于神经网络的视频中运动目标检测自适应背景模型.对每个像素点(或局部区域)建立一个混合结构的神经网络背景模型,模型由一个4层前馈神经网络组成,输入层接受像素HSV特征,特征层实现特征提取功能,模式层以概率神经网络的方式完成像素属于背景概率的计算,输出层以赢者取胜的方式完成前景背景分类和模式层激活节点选择功能...     

基于神经网络的一类非线性系统自适应反步控制

针对传统自适应控制需要满足匹配条件、激发信号存在以及逼近误差有界等条件,提出一种新的基于神经网络的一类非线性系统自适应反步控制器设计方案.使用三层神经网络逼近系统的非线性特性,通过网络权系数自适应调整来不断的在线估计未知的逼近误差上界,采用有σ修正项的自适应律以放松持续激励条件.给出了基于Lyapunov意义上的闭环系统稳定性分析,证明跟踪误差收敛于原点的一个ε领域内.仿真结果表明了所提反步控制器的正确性.     

基于模糊神经网络滑模控制器的一类非线性系统自适应控制

本文研究了一类不确定性非线性系统的自适应控制,在模糊神经网络滑模控制器（Ｆｕｚｚｙ ｎｅｒｕａｌ Ｎｅｔｗｏｒｋｓ sｌｉｄｉｎｇ Ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅ ）的基础上提出了一种设计方法,将ＦＮＮＳＭＣ与带死区的滑模控制器（Ｓｌｉｄｉｎｇ ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅｒ ｗｉｔｈ Ｄｅａｄ Ｚｏｎｅ）有机结合,通过平滑切换实现自适应控制,这种方法使系统不仅有好的鲁棒性而且能有效地消除离频动,同时     

一种未知非线性系统的自适应神经网络控制方法

神经网络用于控制，主要是为了解决复杂的非线性、不确定、不确知系统的控制问题。由于神经网络具有学习能力和自适应性，使神经网络控制能对变化的环境有自适应性，且成为基本上不依赖于模型的一类控制，介绍了一种未知非线性系统的自适应神经网络控制方法。     

基于LSTM神经网络的压电执行器位移迟滞建模

该文搭建迟滞测量实验平台,测量一种用于LED晶圆检测压电执行器的迟滞效应,设计了一种基于长短期记忆(LSTM)神经网络的压电迟滞模型,使用时间序列预测法对压电执行器位移迟滞效应建模。将该模型与传统的Prandtl-Ishlinskii(PI)模型进行对比。实验结果表明,神经网络模型具有较好、较广泛的迟滞建模效果,对于正弦波,位移预测精度保证小于2%;对于衰减正弦波,位移预测精度可保证小于3%。较高的模型预测精度为使用压电执行器进行LED晶圆检测提供了依据。     

单隐含层模糊递归小波神经网络的观测器设计

根据模糊神经网络在非线性函数逼近方面的特性和小波变换具有良好的时频两维信号的分析能力,建立了结合两者优点的单隐含层模糊递归小波神经网络(Single hidden Layer Fuzzy Recurrent Wavelet Neural Network,SLFRWNN),并分析了SLFRWNN的结构、激活函数形式及激活函数对网络性能的影响.在此基础上,提出了一种基于SLFRWNN的自适应观测器设计方法,并通过引入Lyapunov函数,证明了这种观测器设计方法的稳定性,进而给出该网络观测器的初始化和最佳训练算法;仿真结果表明SLFRWNN观测器能很好地观测系统的状态.     

基于神经网络仿射非线性系统滑模自适应控制

研究了一类单输入单输出仿射非线性系统的自适应控制问题.采用反馈线性化方法设计控制器,用神经网络逼近系统中的未知非线性函数,并在神经网络权值的自适应律中引入权值误差的概念,以改善系统的动态性能.同时采用滑模控制方法设计补偿器,提高了系统的鲁棒性.理论分析及仿真结果表明,所设计的控制器,不仅能解决该系统的轨迹跟踪控制问题,...     

基于BP神经网络的功放自适应预失真

提出用神经网络的方法来实现功放的自适应预失真模型。它利用BP神经网络的函数逼近能力，来学习功放预失真器的MM/AM、AM/PM特性函数，以抵消由于功放非线性引起的信号失真和交扰；同时，也通过自适应地调整幅度和相位两个神经网络的权、阈值，来跟踪放大器的特性变化。仿真结果证实了基于神经网络的预失真模型的有效性和低复杂性。     

基于RBF神经网络的自适应均衡器研究

在研究基于径向基函数(ＲＢＦ)神经网络的均衡器结构以及传统自适应均衡算法的基础上,提出了两种新的基于ＲＢＦ神经网络的自适应均衡器,并给出了相应的自适应均衡算法。新的均衡器是将判决反馈引入到ＲＢＦ神经网络中以及将Ａｄａｌｉｎｅ网络与ＲＢＦ网络有机的结合而分别构成的,仿真结果表明这两种新算法比基于ＲＢＦ神经网络的自适应均衡算法都具有更好的收敛性能。     

基于PNN的舵机故障诊断方法研究

随着科技的发展,舵机在不断提升性能的同时,其复杂性也大幅度提高,故障现象与故障本身并非简单的映射关系,设备故障诊断实质上是典型的复杂非线性分类问题。提出一种利用概率神经网络对舵机故障分类的方法,将从舵机振动信号中的提取特征值作为PNN的输入参数,构造出基于概率神经网络的舵机故障诊断方法。仿真结果显示,该网络工作稳定,运算速度快,对舵机故障分类准确率较高。     

一种新型径向基函数神经网络的非线性系统逼近

讨论了一种新的、正弦型径向基函数(SRBF)神经网络，并用来逼近n堆连续函数。该SRBF所采用的n堆正弦型的基函数是光滑的,并且是致密的。该SRBF网络的权因子是输入的低阶多项式函数。本文给出的一种简单计算程序，显著地降低了网络训练和计算时间。并且由于SRBF的基函数可以非均匀的量化格点为中心。因而降低了网络所需存储的样本数，网络的输出及其一阶导数都是连续的。对于非线性系统。该SRBF网络在系统定义城内的逼近是精确的。并且在存储参数的个数上是最优的。通过实例仿真，证明该方法步骤简单,训练速度快，精度也很理想。     

神经网络用于多个空间信号方向的实时估计

文章在无约束非线性规划神经网络模型的基础上，提出了一种实时估计空间多个信号到达方向的方法，并给出了模拟结果。     

SDH系统E1接口定时的高质量恢复

SDH传输网中由指针调整带来的低频抖动和漂移已经成为SDH传输网与其它传输网互通的障碍.这一问题可以通过在SDH系统的边界支路输出口处采用极低带宽的锁相环对SDH网络指针调整带来的抖动和漂移进行平滑来得到改善和解决.本文介绍了一种捕捉速度快、带宽窄、适合于多支路大规模集成的用于SDH系统E1支路接口的二阶全数字锁相环路.     

带阶梯输出函数的细胞神经网络

本文给出了带阶梯输出函数的细胞神经网络的稳定性定理。利用阶梯输出函数的各“台阶”记忆不同灰度，实现了灰度模式的ＣＮＮ联想记忆。     

基于RBF神经网络的辐射源威胁评估

提出基于一种新的鲁棒性径向基(RBF)神经网络的辐射源威胁评估方法。此网络应用Log-Sigmoid函数作为基函数，避免了学习过程中的不稳定状态，并且比传统的RBF有更好的学习性能和函数逼近能力。并介绍一种新的归一化函数，通过归一化函数把不同类型、不同量纲的原始评估数值转换到[-1，1]区间，该归一化函数较好地体现了“奖优罚劣”的原则，同时又更有利于神经网络的训练。仿真实验证明了该方法的优越性。     

二进神经网络非线性移位寄存器的综合

本文利用二进神经网络及其学习算法特点和对布尔函数的映射能力,设计了一个精巧的非线性移位寄存器的综合算法,同时得到序列非线性复杂度的移位寄存器的反馈布尔函数.此综合算法简单可靠,所需存储运算量小.     

基于有限状态径向基函数网络的汉语语音识别研究

本文提出了有限状态径向基函数网络结构，它可用Ｋ－均值聚类算法和最小二乘算法分层独立训练，训练速度快。通过汉语语音识别实验，研究了ＦＳＲＢＦ网及子网的特性。结果表明，ＦＳＲＢＦ结构很适于处理时序信息，易于推广到其他识别单元的系统中。