一种有效的多变量非线性系统的建模方法——GMDH+模型结构优化方法

本文改进的GMDH方法,包括变量的分组自组织、较合理的部分表达式形式、中间变量的结构优化和重组部分表达式以优化完全表达交结构表示等方面。仿真结果表明:本法可较精确地确定复杂多变量系统的模型结构、能得出较满意的辩识结果,其计算量较原有方法减少,可靠性和灵活性得到提高。     

非线性系统辨识的递推-迭代方法

所提出的辨识新方法,以递推最小二乘(RLS)参数估计与非线性规划(BFGS)为主体。其测量数据的部分新息由RLS利用,而另一部分新息则通过BFGS加以采用。通常RLS只能递推地得到“粗略的”参数估计值,而BFGS则迭代地精确化参数的估计值。该辨识算法用于线性系统时,可以提高参数估计值的精度,改善收敛性。另外,该算法中的非线性迭代最优化过程可以克服非线性效应,参数估计值的精度和收敛性可以得到改进,这已由数字仿真验证。     

一种基于T-S模糊模型的自适应建模方法及其应用

提出了一种改进的基于T-S模糊RBF神经网络模型的辨识算法和自适应方法，采用模糊C均值聚类(FCM)算法划分输入输出数据空间，最后将该算法应用于丙烯腈收率的预报，仿真结果表明了这种基于T-S模糊模型的自适应建模方法的有效性。     

非线性生物模型回归参数计算的一个新方法及应用

目的：研究变量代换对非线性生物模型回归参数的干扰，寻找消除或减少该干扰的新方法。方法：利用空间变换、泰勒(Taylor)级数和加权处理的组合方式消除或减少变量代换带来的严重影响。结果：给出一个计算非线性生物模型回归参数的新方法。结论：新方法消除或减少了变量代换带来的严重影响，保留了变量代换便于计算的优点；不但显著提高了非线性生物模型回归参数的精度，而且还能发现原始数据中隐藏的问题。     

一种推导药动学稳态浓度计算公式的方法

提出一种用药－时关系的微分方程直接推导药动学稳态浓度计算公式的方法。该方法适用于静注、口服给药的线性和非线性模型，故有较广泛的实用性。     

一种快速自适应蜂群算法及其应用

提出了一种改进的人工蜂群算法(Quick Self Adaptive Artificial Bee Colony, QAABC)。首先,对人工蜂群算法的选择策略和搜索策略进行改进,以提高算法的收敛速度和优化精度;其次,对超边界的个体进行一次有效变异,增强种群的多样性。最后,将本文算法与其他两种算法（标准ABC、ABCP）对5个测试函数在低维和高维进行了对比实验,并将之运用于压力容器设计中成本最小化问题的研究,所得结果均验证了改进算法的有效性。     

基于IRBFNN和IRAN的非线性动态系统在线自适应建模

将资源分配网络算法(RAN)与相似隐单元合并操作、冗余隐单元删除操作和基于滑动数据窗连接权值学习相结合,形成了改进的资源分配网络(IRAN)算法。IRAN算法用于非线性动态系统的在线建模,能有效地改善模型精度和泛化能力。将改进径向基函数(RBF)神经网络(IRBFNN)和IRAN结合可以用于不确定非线性动态系统自适应建模。仿真研究表明:所提出的建模方法在模型精简、泛化和自适应等方面均具有优良的性能。     

具有输入时滞的随机非线性系统的自适应神经网络控制

考虑一类具有输入时滞的随机非线性系统的自适应神经网络控制问题。通过定义含输入积分项的设计变量,将输入时滞系统转变为非时滞系统。结合神经网络控制、积分中值定理与Decoupled Backstepping技巧,针对该类系统提出一套自适应控制策略。所提出的控制器保证闭环系统的所有信号皆4阶矩半全局一致最终有界, 并且跟踪误差收敛于原点附近的小邻域内。仿真实验结果验证了所提出控制策略的有效性。     

带有未知参数的非线性系统递阶模型跟踪控制器的设计

从参数估计与最优控制双目标优化的观点出发,采用大系统中分解-协调的方法,给出了一种对非线性系统四级递阶模型跟踪控制的算法,并用于求解带未知参数的同步电机励磁控制问题。仿真结果表明,此算法计算简便、结构分明,能达到较好的参数估计精度,而且能使非线性对象很好地跟踪模型。     

一类工业固定床反应器热点温度的非线性自适应控制

以工业邻二甲苯氧化非绝热管式固定床反应器为研究对象，通过正交配置集中化建立了一个降阶非线性动态模型。直接以降低模型作为开环状态观测器及新型的非线性自适应控制算法设计控制器，设计了该类固定床反应器热点温度的非线性自适应控制系统。仿真结果表明，该热点温度控制系统具有良好的跟踪性能、抗干扰性能和鲁棒性能。     

带随机输出噪声的参考模型自适应系统

讨论了带随机输出噪声的线性时不变对象的参考模型自适应系统。提出一种适用于这种系统的混合自适应控制律,证明该系统所有信号的有界性,计算机仿真验证这种新的混合自适应控制律在存在随机输出噪声的系统中的性能。     

基于神经模糊系统的自适应前馈-反馈控制系统设计

在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的“扰动”,然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明：这种基于神经模糊系统的自适应前馈反馈控制器和PID控制器相比,能得到更快、更好的控制效果。     

非线性系统的非结构模型和基于它的广义预测控制器

利用离散Laguerre函数的有关性质,给出了一类离散非线性系统的一个非结构模型;将之用于非线性过程广义预测控制器的设计,得到了一个适用于该类非线性过程的广义预测控制算法,并举例说明该算法的有效性。     

基于模糊神经模型的自适应单神经元控制系统设计

提出一种基于模糊神经模型的自适应单神经元控制系统.该控制系统首先根据采集到的输入输出数据建立被控过程模型,并在此基础上引入单神经元控制器.通过李亚普诺夫方法对控制器参数进行在线调节,从而使得系统输出值能够较快跟踪设定值.理论分析和仿真结果表明:本文提出的单神经元控制器和传统的PID控制器具有极其相似的结构,因此,具有结构简单、易于操作的特点,具有较快的跟踪速度,并且控制参数可以在线调节.     

心阻抗非线性法与染料稀释法测定心输出量的对照研究

用心阻抗非线性法与染料稀释法进行对照研究,同时测定40例患者心输出量。结果表明:两种方法心输出量测定值具有极显著的相关性,相关系数为0.92(P<0.01)。心阻抗非线性法优于Kubicek法,使心输出量的测定值准确性得到提高,适宜临床推广应用。     

基于最小二乘支持向量机的非线性通用模型自适应控制

将模型参考自适应控制方法应用到基于最小二乘支持向量机的通用模型控制策略中,将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型,从而克服了通用模型控制器要求过程一阶微分模型应该有显式解的局限性,保证了通用模型控制策略的可实现性。另一方面,加入模型参考自适应环节,提高了该控制器的实时性和鲁棒性,其参数具有明显的物理意义,参数整定方便。仿真实验结果验证了该控制策略的有效性和更好的鲁棒性。     

一种特殊环境下人员生存能力的评估模型

利用特殊环境下人员生存能力的特点和高等概率论的基本概念,提出一种特殊环境下人员生存能力的数学模型,给出了该模型下的生存率函数、风险函数、亚健康概率及亚健康概率密度函数解析式,在理论上讨论了在一定百分比的人员不出现亚健康状态时、环境一定时和不同的环境时等几种情况下,生存率随着生存时间比的变化规律。为建立特殊环境下人员生存能力的评估体系的理论研究提供一种思路。     

一种基于安全策略的云数据访问控制优化技术

云存储安全给访问控制技术带来了新的挑战。提出了一种基于安全策略的云数据访问控制优化方法,基本思想是利用数据关联关系进行安全策略精化,基于属性的安全策略中融合了角色和信誉特征。利用数据关联关系对云数据进行细粒度划分,得到相应的数据块;对策略中的规则和数据块进行匹配和冲突消除,得到精化的安全策略。理论分析和实验结果表明,本文方法对于数据量大的云数据访问控制具有较高的效率。