混合编码免疫算法在船舶载重计量的应用

提出一种混合编码免疫辨识算法, 并应用于船舶载重货物计量的模型辨识. 该算法结合免疫算法优越的全局搜索性能与GP算法简洁的结构树编码方法, 将抗体编码为模型结构树编码与模型参数编码的组合, 通过对抗体结构与参数的免疫操作, 实现全局寻优及非线性模型的结构与参数的一体化辨识. 算法不依赖对象的先验知识, 辨识的模型结构简单、易于理解. 仿真及船舶载模型的辨识应用验证了本算法的有效性及较强的非线性逼近能力.     

一种新的基于遗忘因子的递推子空间辨识算法

针对工业系统中广泛存在的时变特性, 提出一种新的递推子空间辨识算法, 实现对系统状态空间模型的在线递推估计. 为更好地跟踪系统时变特性, 研究基于遗忘因子的输入输出数据矩阵构造机制, 以提高递推算法的收敛速度; 针对算法中奇异值分解的求解问题, 将梯度型算法引入基于遗忘因子的状态子空间跟踪中, 实现对广义能观测矩阵的估计, 避免了子空间近似带来的估计有偏性; 该算法计算简单有效, 且对初值具有更高的鲁棒性; 最后给出该递推算法的性能分析, 理论证明其收敛性, 并通过仿真实例验证算法的有效性.     

基于神经网络和D-S证据理论辨识两相流流型

提出一种基于电容层析成像(ECT)系统、神经网络和证据理论辨识两相流流型的方法。这种方法采用神经网络与D-S证据理论相结合的方法来辨识两相流流型,并对两相流的几种常见流型进行了辨识。仿真实验结果表明:此种方法在两相流流型辨识中具有较高的判别精度,为两相流流型辨识提供了一种有效的手段。     

基于模糊RBF神经网络的换热器建模

针对换热器的复杂非线性特征,利用一种模糊RBF神经网络结构,对其网络学习算法进行部分改进,并用于解决换热器的建模问题。采用模糊RBF神经网络不仅符合人的思维推理方式,也提高了神经网络的学习泛化能力,在改进的学习算法中通过学习率的值的不断变化和添加动量项,可以使学习速度加快,提高了辨识换热器模型的准确性。通过与传统的学习算法的仿真比较,验证了所提出的改进学习算法在辨识精度和稳定性方面具有更好的效果。     

一种新型高精度温度控制方法

为控制环境温度剧烈变化,对于精密仪器设备对温度精度和系统稳定性要求也随之提高,提出了一种参数自学习比例-周期控温算法,能够自动辨识系统参数和控制参数,并具有自学习能力。当环境温度快速变化时,可以采用相应的控制策略,达到理想的控制效果,适用于控制系统参数未知的场合,同时对环境温度的变化具有较强的自适应能力。仿真结果表明,算法控制精度高、自适应能力强,确实能够满足精密仪器设备对温度的精度和稳定性的要求。     

基于子空间方法的精馏塔系统辨识建模研究

子空间辨识方法作为一种有效的针对多输入-多输出系统(MIMO)的辨识建模方法近年来受到广泛的重视.目前主要采用的子空间辨识算法只能适用于白噪声环境,而实际的工业现场数据很多是受到较大有色噪声干扰的.针对问题采用了一种新的子空间辨识算法,利用马尔可夫参数用于处理随机性部分,同时引入辅助变量用以去除噪声的干扰,能够适用于存在较大有色噪声干扰情况下的辨识建模,并可得到对象的无偏模型,建模的精度优于通常所采用的子空间辨识算法.通过对精馏塔仿真模型的辨识结果证明了该方法的可行性和有效性,以及在实际工业过程对象建模中良好的应用前景.     

基于模糊专家规则的离散事件辨识及其在交通诱导中的应用

传统离散事件动态系统中的离散事件状态的转换具有不确定性,其不确定性主要来自状态转向发生时刻的不确定性,而所转向的状态一般具有确定性。本文对具有状态转向时刻和转向状态的二重不确定性的离散事件动态系统进行了讨论,用模糊专家系统来对未来状态和状态迁移时刻二重不确定性的离散事件动态系统进行评价,并以智能交通系统中车辆诱导技术为例,说明了此类模糊专家规则的应用价值。本文提出了一种模拟淬火算法,通过模拟物质加温后急剧冷却的过程来求得目标函数的局部极值,以模拟淬火算法的转向概率作为模糊专家系统中的规则选择概率。该方法有效地保证了事件转换的实时性,提高了交通疏导的效率。     

高/低通复合多通道系统辨识的测试信号设计

从频域的角度研究了二进制多频序列(Muhifrequency Binary Sigal).从该信号的基本特点入手,通过对信号变化疏密的设计,调整信号的频谱分布.当已知待测系统的频谱集中在某些频段时,选取适当的二进制多频序列信号,能使测试信号的频谱也集中在那些频段,能充分地利用测试信号.大大提高了信噪比.设计出高频和低频复合的二进制多频序列信号.应用于一个通道是高通的,另一个通道是低通的二输入系统,能同时充分激励2个通道,取得较好的辩识效果.仿真算例可以看出有效性.     

基于粗糙集-LVQ神经网络的入侵检测模型研究

提出了一种基于粗糙集-LVQ神经网络的入侵检测模型。首先将粗糙集作为前置处理系统对属性进行约简,再根据粗糙集处理后的学习样本集,构建LVQ神经网络结构,实现对入侵进行检测。实验结果表明该方法优于其他同类方法。     

基于支持向量机对激光焊接的自适应控制

激光焊接过程是典型的不确定性非线性系统,且难以用具体的数学模型对其进行描述。为了对其进行控制,首先采用基于最小二乘支持向量机的方法对其离线建立了非线性模型;然后基于模型设计了自校正PID控制器。仿真结果表明了建模和控制方法的有效性和优越性。