有重复观测时半线性EV模型参数估计的强相合性(英文)

研究了在一些试验点有重复观测时自变量非随机的半线性EV模型。分别给出了线性参数和非线性部分的估计,并在适当的条件下证明了它们是强相合的。     

基于调和分析和ARIMA-SVR的组合潮汐预测模型

为提高潮汐预测精度,解决单一调和分析预测精度不高的问题,提出一种基于调和分析和自回归综合移动平均-支持向量回归机(autoregressive integrated moving average support vector machine for regression,ARIMA-SVR)的组合潮汐预测模型。潮汐分析中,潮汐可认为是由受引潮力影响的天文潮位和受环境因素影响的非线性水位的叠加。采用小波分析对潮汐样本数据进行去噪处理,使用调和分析法计算天文潮位,以调和分析法计算产生的残差作为非线性水位样本数据,并使用ARIMA-SVR模型进行潮高计算,最后将两部分的计算结果进行线性求和得到最终的潮汐预测值。利用美国旧金山港口实测潮汐数据进行预测仿真,结果表明,该组合模型解决了调和分析忽略非线性影响的问题,提高了潮汐预测准确率,可行且高效。     

客户信用评估模型

为克服由因于客户信用评估的非线性和不确定性,且样本数据积累少、偏差大和真实数据获得难度较大而产生的困难,提出1种基于改进的遗传神经网络客户信用评估模型.将该模型应用于客户信用评估研究及试验均表明,基于改进的遗传神经网络客户信用评估模型在模型分类准确率和分类准确率的标准偏差两方面均明显优于Logit, K-NN和BP神经网络客户信用评估模型,并有效地解决样本量少和偏差大的问题,显著提高信用评估模型的推广能力,具有良好的稳健性和精度.     

基于模糊神经网络的车辆发动机建模和控制

本章针对车辆发动机是一个高度非线性、不确定的复杂系统,其模型难以建立的特点研究了基于模糊神经网络的发动机辨识技术.同时基于辨识模型和神经网络设计了发动机单变量鲁棒自适应控制系统.     

基于改进型BP神经网络的管理信息系统开发风险评价模型

BP神经网络能较好处理非线性化数据,但传统BP神经网络存在着局限性,为了提高神经网络运算的精确度,通过权值和学习率共同优化,并采用贝叶斯正则化算法训练神经网络,形成了基于改进型BP神经网络的管理信息系统开发风险评价模型,经测算,该模型输出值与实际值高度吻合,模型可接受度较高,并且与传统BP神经网络相比,改进型BP神经网络的相对误差更小。     

基于ＥＭ ＰＣＡ和级联分类器的人脸检测

为了提高人脸检测的速度及鲁棒性,提出了一种基于级联分类器和期望最大、主成分分析（ＥＭ ＰＣＡ）的人脸检测方法．该方法在训练阶段利用不同分辨率的训练样本来训练２个ｆｉｓｈｅｒ线性分类器,再利用ＥＭ ＰＣＡ提取特征来训练非线性支持向量机（ＳＶＭ）;在检测阶段,首先通过２个ｆｉｓｈｅｒ线性分类器快速过滤掉大量的背景区域,再利用非线性支持向量机对余下的候选区域进行进一步验证,以确认是否为人脸．实验结果证明了该方法的有效性和正确性．     

基于线性自抗扰控制的船舶航迹积分滑模控制器

为解决欠驱动船舶航迹直线和曲线跟踪控制问题,选取能解决航向不稳定等非线性问题的Bech模型,借助双曲正切函数,构造期望艏向方程,将航迹控制问题转化为航向控制问题。设计3阶跟踪微分器,对期望艏向及其微分信号进行精确提取。采用变结构积分滑模面函数设计非线性误差反馈控制律,加快系统收敛速度,提出基于线性自抗扰控制(Linear Active Disturbance Rejection Control,LADRC)的船舶航迹积分滑模控制器。该控制器的线性扩张状态观测器对系统内外总扰动进行在线估计与实时补偿;引入Hurwitz多项式,减少需整定的参数。仿真结果表明,航迹收敛快速准确,无超调,对外界干扰具有较强的鲁棒性。控制器参数具有一定的普适性,故其适用范围广。     

船舶交通流量预测的灰色神经网络模型

为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的.     

基于径向基函数神经网络的船舶航迹自抗扰控制

针对常规非线性自抗扰控制（nonlinear active disturbance rejection control,NLADRC）技术在船舶航迹控制中存在的参数整定难、抗干扰能力差的问题,搭建船舶三自由度MMG数学模型,设计船舶航迹NLADRC系统。利用径向基函数（radial basis function,RBF）神经网络对系统进行辨识,使网络输出逼近系统输出。根据辨识信息自适应整定对系统整体控制效果影响较大的两个参数,提出基于RBF神经网络的船舶航迹NLADRC系统。仿真结果表明,参数的自适应整定能加快系统收敛速度,大幅减小超调量,对外界环境具有更强的鲁棒性。神经网络对NLADRC的优化,使其控制性能得到提升。     

漂浮基空间机器人的基于模糊神经网络的自适应补偿控制

针对自由漂浮状态的空间机器人模型不确定性及其动力传动机构的摩擦死区非线性,将一种自适应模糊小脑模型关联控制(FCMAC)补偿策略用于轨迹跟踪及补偿问题.利用模糊神经网络并引入GL矩阵及其乘法算子"."分别对执行机构中的摩擦死区及系统模型不确定部分进行自适应补偿,其补偿误差及外界扰动通过滑模控制器来消除.基于Lyapunov理论证明了闭环系统跟踪误差的有界性.仿真表明控制器可以达到较高精度,且能满足实时性要求.     

基于神经网络模型的中央空调房间温度预测控制

使用BP神经网络建立了中央空调房间神经网络模型,并对系统进行了预测控制.仿真实验表明,利用神经网络建立的系统预测模型鲁棒性强,跟踪能力好.同时,将预测控制选为中央空调房间温度控制器能很好地控制这种非线性系统.     

基于非线性分类和回归问题中的支持向量机算法

针对回归问题和分类问题的各自特点．提出了一种解决非线性回归问题和分类问题的支持向量机算法．文中采用了核函数思想．把非线性空间的问题转化到线性空间的问题。降低了算法的复杂度．     

动态TailCoR模型的建模及其在金融市场中的实证研究

金融市场之间相关性的研究一直备受重视.金融危机等极端事件的发生增加了市场之间的尾部相关性.TailCoR模型是一种新的度量尾部相关性的方法,它将相关性分解为线性和非线性两种成分,该模型在小样本下表现良好.为刻画金融市场之间的动态相关性,提出动态TailCoR模型,并基于动态TailCoR模型将相关性分解为动态线性和动态...     

一种应用机理模型和SOM神经网络的液体火箭推进系统实时故障诊断方法

为了解决液体火箭推进系统实时故障诊断的问题 ,提出了一种应用故障机理模型和SOM(Self-organizingMapping)神经网络的实时故障诊断方法。其基本过程是先建立所研究对象的故障机理模型 ,通过计算机仿真的办法获得液体火箭推进系统可能的故障模式及故障数据库 ,然后利用SOM神经网络的自组织特征映射功能建立非线性的故障模式识别器 ,完成对系统的实时故障诊断。从而解决了单纯依靠故障机理模型进行诊断时所遇到的实时性问题和单纯依靠SOM神经网络诊断时所遇到的故障样本获取问题。本文给出的故障诊断结果表明所提出的方法是有效的     

基于BP神经网络的城市货运生成预测模型

针对传统的货运生成模型处理非线性影响因素能力差的问题,运用BP神经网络建立城市货运生成多变量非线性预测模型。在对城市货运生成量影响因素进行分析的基础上,选取就业人数、地区GDP和消费品零售总额3个指标作为输入变量,以城市公路货运量和城市货运总量为输出变量,构建BP神经网络预测模型。该模型能揭示货运量与相关变量之间的非线性映射关系,在实证研究中取得了较理想的结果。通过实际货运量与BP神经网络预测结果的对比,验证了该模型在货运量预测方面的可行性。     

双线性系统执行器故障情形容错设计

双线性系统容错控制的主要问题在于处理模型中的非线性项与多模型同时镇定.本文通过在各控制通道嵌入适当的增益,结合Riccati方程中加权矩阵Q和R的适当选取,并考虑系统的状态可达集,设计了一种简单易行的线性状态反馈方法,实现了双线性系统的容错控制.最后,通过仿真结果证明了方法的有效性.     

基于神经网络的实践能力评价模型研究

科学准确地评价学生实践能力是实践教学工作的重要内容,对提高学生实践锻炼积极性和引导学生自我培养完善具有重要意义。本文提出一种基于BP神经网络的学生实践能力评价模型,该模型选取实践教学过程当中形成的部分操行数据作为输入,经训练好的神经网络输出得到相应的能力评价成绩。本文以我校机电一体化专业"机电设备拆装实训"课程为例进行仿真,结果表明该方法简单有效,评价结果与实际反馈拟合较好。     

船舶柴油发电机转速人工神经网络控制

结合神经网络与PID控制,形成船舶柴油发电机转速神经网络控制系统;控制系统中神经网络控制器与PID控制器相结合,经过神经网络控制器的不断学习,控制器获取船舶柴油发电机转速系统的动态逆模型,系统逐渐地由神经网络控制器起主要控制作用.仿真试验显示,在电力系统突加有功负载时,发电机控制系统的动态过程稳定性良好.     

神经网络在信号非线性变换中的应用

在温度测量中，热敏电阻或热电偶与温度的关系是非线性的。在微机化智能仪器中，常用软件来代替硬件进行线性校正。本文给出一种基于神经网络的信号非线性变换的方法，以实现线性校正。这种方法具有通用性。在介绍神经网络算法的基础上，给出了两个实例，其计算机摸拟的结果是个人满意的。     

面向污水处理溶解氧浓度的智能优化控制

针对污水处理过程中溶解氧时变、非线性而无法实现跟踪控制问题,根据进水水质不同,建立自适应粒子群算法优化RBF神经网络参数的预测模型,将实时预测参数作为溶解氧动态寻优模型的闭环反馈输入信号,然后动态优化溶解氧浓度设定值并以PID控制器进行跟踪以达到动态调整溶解氧浓度的智能控制效果。仿真结果表明,该方法在实现出水氨氮的高预测精度基础上,可以对溶解氧变化进行快速准确优化控制,具有良好的动态性能。