具有混合时滞的BAM神经网络全局指数稳定性分析

在激励函数满足全局Lipshitz条件和时变时滞函数有界的情形下,研究了一类具有时变时滞和无穷分布时滞的BAM神经网络模型.首先利用压缩映像原理给出了系统平衡点的存在唯一性条件;然后利用初等积分法并结合矩阵论知识,不需构造Lyapunov-Krasovskii泛函,以矩阵谱半径的形式给出了模型平衡点全局指数稳定的充分条件,还以矩阵范数的形式给出了更为严格但极易验证的充分条件.结论去掉了对激励函数有界性和时变时滞函数连续可微性,甚至导数具有不超过1的上界等严格要求,推广改进了相关文献的结果.最后举例说明了本文方法的有效性.     

EMD遗传神经网络方法

针对BP(back propagation)神经网络搜索速度慢、容易陷入局部最小的缺陷,提出了经验模态分解(EMD)遗传神经网络方法,首先用对带噪的信号进行分解,得到信号的各阶本征模函数分量,每个本征模函数分量对应着一个能量不同的频段,即一种故障特征,将各频段能量的特征向量作为优化神经网络的输入样本;其次用遗传算法对神经网络的初始权值和阈值进行优化.利用EMD遗传神经网络方法对滚动轴承多类故障信号进行分析,可提高故障识别能力.     

基于MWGANN模型的旋转机械趋势预测

为保证旋转机械注水泵机组安全、稳定运行,应采用合适的预测模型对其状态评定参数进行预测。提出基于均值函数新息加权的遗传算法优化神经网络预测模型(MWGANN模型),用此模型能够优化神经网络结构参数,并可利用时间序列数据新旧程度的不同提高预测的精度和实时性。工业现场采集大型旋转注水泵机组振动烈度时间序列数据,应用MWGANN模型和基于人工经验设定神经网络结构参数的模型分别对其进行预测并比较,结果表明MWGANN模型在预测精度、预测实时性方面取得了较好的效果。     

遗传算法和神经网络在短期负荷预测中的应用研究

短期负荷预测是电力市场运营的基本内容,预测精度的高低对于电力系统安全、经济、优化、节能调度运行具有极为重要的指导作用。如何提高预测精度也是学界一直不懈的追求目标。本文针对BP算法易陷入局部极小、收敛速度慢的缺点。根据遗传算法具有全局寻优的特点,将二者结合起来形成一种训练神经网络的混合算法一GA—BP算法,并结合一个实际的电力系统短期负荷变化的情况。用实际算例表明该方法具有较高的预测精度和较好的适应性。     

钢材性能与工艺参数的交叉预测模型研究

为了克服BP神经网络算法的固有缺陷,增强其在钢材生产实践和事故调查中应用实效,提出了对BP神经网络算法的改进措施,并通过排列组合建立了钢材性能、温控工艺和化学成分添加工艺三组数据的6种交叉预测模型。该方法将遗传算法与小生境技术和禁忌算法相结合,优化了BP神经网络初始权值和阈值的选取,避免陷入局部最优解;利用Cauchy误差估计器代替传统均方差估计器,改进了BP神经网络误差统计方法,降低少数异常输入元素对结果的影响。实验结果表明,所有模型训练后检验精度均较高,总体平均相对误差较小,表明了该算法模型具备良好的预测能力和现实可行性。     

自主式水下航行器三维路径跟踪的神经网络H∞鲁棒自适应控制方法

本文研究了存在模型不确定以及外界未知扰动情况下的自主式水下航行器(AUV)的三维路径跟踪控制问题. 针对此问题, 首先利用时标分离原理及正交投影Serret-Frenet坐标系建立了描述AUV质心运动及姿态运动的的仿射非线性数学模型. 其次, 在控制器设计中运用神经网络H∞鲁棒自适应算法克服了模型的不确定性及扰动, 同时在控制器设计中利用了主导输入的思想, 降低了闭环系统的复杂度, 减少了实时计算工作量, 便于工程应用. 基于Lyapunov理论的分析保证了系统的稳定性. 仿真结果表明, 路径跟踪控制律可以保证AUV沿期望路径运动, 并且具有良好的动态性能.     

时滞反应扩散Hopfield神经网络的滑动模控制

研究了一类具有S--分布时滞和反应扩散项的Hopfield神经网络的滑动模控制问题. 首先改进了一类Hanalay不等式, 给出了一种范数不等式. 然后通过等效控制方法建立了系统的滑动模态方程, 并利用不等式技巧分析了它的吸引集的存在性和零点的指数稳定性. 在此基础上设计了变结构控制器, 给出了运动轨线到达滑动模态区的时间估计. 最后给出了一个例子验证了本文的结果, 并利用MATLAB作出了仿真.     

发动机试车数据拟合算法的研究与实现

针对发动机虚拟测试系统的需要,对某型号发动机试车的14个测试参数采用最小二乘方法结合BP神经网络进行数据拟合。根据测试数据的特点进行分类研究。试验验证表明,所采用的方法结果准确,满足发动机虚拟测试系统的要求。     

12 m跨超声速风洞运行监测系统研究

为改善风洞试验条件和提高试验效率,针对1.2m跨超声速风洞进行了运行监测系统研究.针对风洞环境复杂、监测对象分散的特点,引入无线传感器网络构建了基于多传感器的分布式风洞运行监测平台.重点研究了基于BP神经网络的无线传感器网络数据融合和基于D-S证据理论的多传感器信息融合在风洞运行监测中应用.在实际应用中取得了良好的效果.     

基于改进LP变换及自适应PCNN的多聚焦图像融合方法

提出一种抗噪声多聚焦图像融合方法.首先,采用改进拉普拉斯金字塔（LP）变换构造图像的塔形数据结构.每层数据经脉冲耦合神经网络（PCNN）迭代运算生成相应的点火次数矩阵;然后,以此为依据经判决算子完成数据融合;最后,采用伪逆重构算法生成融合图像.实验结果表明,所提出的方法具有抗加性噪声及JPEG压缩系统噪声的能力,融合图像的客观评价指标较高,且能有效减弱原LP算法融合图像边缘的＂Gibss＂伪影现象.