一种基于数据驱动的系统建模方法

提出了一种基于数据驱动的系统建模方法,采用减法聚类和模糊C-均值聚类相结合的模糊聚类算法进行前件RBF网络辨识,自适应地获得精确的聚类个数和隶属度参数;用BP算法训练后件网络的权值,从而仅利用输入输出数据,就建立了T-S模糊神经网络模型,在该过程中充分利用了BP神经网络和RBF神经网络的优点。最后用该模型对一个非线性系统进行辨识,用MATLAB进行仿真,结果表明,该方法具有可行性。     

拖拉机耕深自动监控系统的动态辨识

以奔野－２５拖拉机液压悬挂系统为研究对象，通过对初步构成的耕深自动监控系统进行动态特性试验，用频率法建立了该控制系统的数学模型，找出系统动态性能不佳的原因，并提出改进设想，为农机电气自动控制系统的辨识提供一种有效方法。     

加工过程的神经网络自适应控制

研究了加工过程智能控制的神经网络方法,分析了加工过程模型、神经网络建模和神经网络自适应控制。提出了用双网结构的控制策略对加工过程进行控制,NNI网络实现加工过程的系统辨识,进行在线建模;NNC网络根据系统的当前状态实现切削参数的自适应调整来优化加工过程,提高加工效率。仿真试验结果表明这种控制策略的可行性和有效性。     

神经网络与PID结合的机器人自适应控制

提出了一种基于神经网络与ＰＩＤ控制相结合的机器人自适应控制系统。为加快神经网络的学习过程，研究了有效的启发式学习算法。以二关节机器人为对象仿真表明，该控制系统能使机器人跟踪希望轨迹，其系统响应跟踪精度及鲁棒性优于常规的控制策略。     

拖拉机耕深自动监控系统的动态辨识

以奔野－２５拖拉机液压悬挂系统为研究对象，通过对初步构成的耕深自动监控系统进行动态特性试验，用频率法建立了该控制系统的数学模型，找出系统动态性能不佳的原因，并提出改进设想，为农机电气自动控制系统的辨识提供一种有效方法。     

前驱差速轮式农业机器人的BP定位估计方法

针对一款自主研发的轮式农业移动机器人,提出了一种基于BP神经网络的轮式农业移动机器人定位估计方法.该机器人为前驱模式,依靠差速完成转向.定位方法是在前期的神经网络训练过程中,以左轮、右轮的驱动脉冲数为输入,以左右轮行进长度为输出,训练函数采用Bayesian规则;在后期的定位推算中,则假设机器人左右轮行进轨迹为两段同心圆弧,进而计算机器人几何中心位移.在与最小二乘定位估计方法的实验对比中,基于BP神经网络的定位估计方法具有更高的定位精度和更小的估计方差.     

表面建筑材料吸放湿特性的辅助变量辨识

建立了以材料表面空气相对湿度为输入，材料湿容量为输出的建筑围护结构材料动态湿特性单输入单输出辨识数学模型，得到相应的Z传递 函数模型。建造了建筑围护结构材料的辨识试验系统。采用辅助变量辨识方法辨识得到单输入单输出差分方程和Z传递函数。并比较了最小二乘辨识法和辅助变量辨识法的辨识结果。结果表明，辅助变量辨识法辨识精度有所提高，系统阶降低。     

基于模糊神经网络的成品油管网泄漏检测方法

针对现行管道泄漏检测系统仅分析单段管道,以致误报率高且存在漏报的问题,从成品油管网全局出发,建立泄漏检测方法,通过引入现场操作信息,实现了辨识压力异常原因的功能。以模糊神经网络作为主要分类方法,以工况调整和负压波出现的位置、时间和变化量等为模糊神经网络的输入,对其进行训练,从而识别负压波出现的原因,以此屏蔽工况调整对管道泄漏检测系统的影响。通过在华北成品油管网鲁皖一期管道的试验应用,验证了该方法的可行性。     

基于神经网络的FIRA仿真系统模糊策略的研究

以FIRA足球仿真组作为平台, 研究如何在具有动态性和不确定性的环境下足球比赛系统策略选择的问题.首先,分析出外部影响因子,选择神经网络系统作为策略选择的研究方向;在神经网络的基础上再加入模糊逻辑系统的研究,使它们集成在一个系统中,以发挥各自的优势,并与原来单一的神经网络进行比较,得出加入模糊策略的神经网络训练与学习效果更好.将该方法应用到2008年"百年矿大杯"第三届江苏省机器人比赛中获得了三等奖的好成绩,证明该方法确实有效.     

基于BP神经网络的非线性函数逼近仿真研究

神经网络的建模方法的主要特点是模型易于实现(辨识模型即为神经网络本身)和对非线性映射的逼近性能良好,为非线性系统黑箱辨识问题提供了一种十分有效的工具。本文在研究BP神经网络MATLAB实现的基础上,提出了一个用于非线性函数逼近的3层BP网络。训练结果表明:预测值与期望值具有较好的一致性,说明BP网络具有良好的预测能力。     

神经网络自适应模糊控制器设计与应用

把神经网与模糊系统相结合，提出一种基于神经网络的自适应模糊控制器，这种控制系统由模糊神经网络控制器和模糊网络组成，具有自适应学习能力，仿真结果以及应用于温度控制系统中，其鲁棒性明显优于一般Ｆｕｚｚｙ控制。     

一种基于神经网络的扇贝图像识别方法

为了满足计算机视觉辅助下应用机器人进行扇贝自动分拣的实时性和鲁棒性要求,提出了一种基于神经网络的扇贝识别和分级方法.首先对图像进行灰度化处理,并用canny算子检测目标边界,然后用8-连通邻域追踪算法提取目标边界像素坐标,最后计算目标边界到中心点的平均距离及其绝对平均误差,并作为特征信息训练BP神经网络,实现对扇贝图像识别和分类.实验结果表明,该方法可以快速实现扇贝的自动识别和分级工作.     

基于BP神经网络模型的果实蝇自动分类系统

果实蝇属昆虫危害水果和蔬菜,造成产量下降,影响对外贸易,对其识别是检疫工作中的重要部分,现有的人工辨识方法受时间、知识等因素影响不能准确、有效辨识。提出了一种基于BP神经网络模型的果实蝇分类方法,采用几何形态测量学中的标记点法对果蝇翅进行特征提取,通过方差分析确定了用于果蝇鉴定的11个主特征,建立3层BP神经网络模型,结合Levenberg-Marquardt BP训练函数对数据集进行训练,得到完整的可用于果实蝇分类的BP神经网络。实验表明,该方法能够对实蝇进行有效的辨识,对桔小实蝇、瓜实蝇、具条实蝇和南亚果实蝇等高风险果实蝇辨识的准确率分别是90.0%、93.3%、90.0%和96.7%,总体准确率为92.5%,具有良好的应用前景。     

基于反步法的农业采摘机器人移动路径跟踪控制研究

为实现农业采摘机器人路径跟踪控制,基于李雅普诺夫稳定性理论设计了一种反步法控制器。通过调节控制器参数抵消了机器人误差模型中的部分未知非线性项,简化了控制器的设计形式。利用神经网络对模型未知项和外界干扰进行估计,设计鲁棒自适应控制器在线补偿设计的神经网络的估计误差,提高了神经网络的学习精度。仿真试验结果表明,设计的控制器可实现采摘机器人在存在外界干扰作用下对期望路径的精确跟踪。     

一种新的电液伺服系统神经网络自适应控制

提出一种基于直接模型参考的神经网络与滑模变结构控制相结合的神经网络自适应控制方法并对电液伺服系统进行控制,仿真结果表明用该控制方法的控制系统能实现较高粗度的控制,且具有较强的鲁棒性和自适应能力,具应用价值。     

基于模态曲率改变率与神经网络的桥梁损伤识别

将模态曲率改变率和BP神经网络理论相结合,提出了桥梁结构损伤识别的新方法,据此识别结构损伤位置和损伤程度,并以一简支梁结构和一座连续梁桥为例进行了损伤识别.计算结果表明,该方法可以获得令人满意的识别精度.在结构参数化有限元模型存在误差的情况下,该方法仍然可以获得较好的识别效果,可应用于复杂桥梁结构体系的损伤识别.     

未知非线性动态系统神经网络模型在线识别

神经网络为未知非线性动态系统的建模提供了一条新途径。本文探讨了只用单个隐含层的前向神经网络对未知非线性动态系统的识别。只要动态系统输入输出可测量，未知非线性动态系统就能在线识别。在线识别算法依据性能函数在输出空间最优原则导出，有别于常规的BP算法。求解速度快，适合于在线识别。仿真实例进一步表明，采用神经网络建立未知非线性动态系统的在线模型具有可行性。     

墙土系统动测模型及土体附加参数识别方法研究

【目的】对墙土系统动测模型进行研究,同时提出了基于模态参数的土体附加参数识别方法,为墙土系统的损伤识别和健康诊断提供一种简单、适用的模型。【方法】建立了墙土系统动测模型,假定附加刚度和附加质量成三角形分布,采用附加刚度和附加质量模拟土体对墙土系统模态特性的影响。基于模态频率构造目标函数,建立模态频率和土体附加参数之间的BP神经网络结构,识别得到不同土体弹性模量对应的土体附加参数。将三维有限元整体模型分析得到的模态频率作为真实值,计算真实值和识别值之间的相对误差,判定识别方法的可行性。【结果】基于模态频率和BP神经网络的土体附加参数识别方法能够满足工程精度要求,模态频率相对误差均在2%以内;随着土体弹性模量的提高,土体的附加刚度呈双指数函数增大,附加质量呈双指数函数减小。【结论】提出的动测模型及基于模态参数和BP神经网络的附加参数识别方法是可行的,为墙土系统的健康诊断提供了一种行之有效的方法。     

煤矿企业可持续发展BP神经网络预测

煤矿企业可持续发展预测系统是一个复杂的系统,在对目前煤炭可持续发展水平评价指标体系分析的基础上,提出了基于人工神经网络的煤矿企业可持续发展预测模式,建立了BP神经网络预测模型,阐述了样本的构建方法,并结合实例进行了分析.模拟结果证明了该模型的有效性,可为煤矿企业的可持续发展提供有价值的参考数据和指导意见.