带优选聚类算法的RBF网络辨识器及应用

以 RBF神经网络为模型框架 ,解决非线性系统的辨识问题。针对 RBF网络的结构辨识问题 ,提出一种优选聚类算法 ,并用该算法 ,依据输入样本优选确定 RBF神经网络的隐含层节点个数 ,采用新型二阶递推学习算法估计 RBF网络中的参数和权值。上述混合算法 ,同时解决了 RBF网络结构和参数辨识问题 ,大大提高了 RBF网络的建模和预测精度。应用实例表明了所提出方案的有效性。

多层前向神经网络的新型二阶学习算法

提出了多层前向神经网络的新型二阶递推学习算法 .该算法不仅能使网络各层误差而且使二阶导数信息因子反向传播 .证明了新算法等价于Newton迭代法并且有二阶收敛速度 .它实现了Newton搜索方向和Hessian阵逆的递推运算 ,其计算量几乎与普通递推最小二乘法相当 .由算法性能分析证明新算法优于Karayiannis等人的二阶学习算法 .

遗传算法的收敛性分析

用随机过程论中的马尔克夫链理论研究了几种遗传算法的收敛性 .提出了 6个引理 ,3个定理和 3个推论 ,证明了最优保存遗传算法和作者提出的 2种新型遗传算法 :模拟生物种族进化的遗传算法 ,带罗盘算法的GA是全局收敛的 ,而简单遗传算法不是全局收敛的 .

神经网络的新型二阶学习算法及其应用

针对 BP算法和 Karayiannis的二阶学习算法存在的不足 ,提出多层前向网络的新型二阶学习算法。该算法具有二阶收敛速度 ,其计算量与通常的递推最小二乘法相当。

模拟生物种族形成的进化算法与多峰函数优化

为寻求复杂多峰函数的全局最优解问题，提出了新型混合算法。该算法由带共享函数的遗传算法、移民技术、聚类算法和改进的Ｐｏｗｅｌ算法组成。由于上述算法的有机配合，提高了混合算法的全局和局部搜索能力。

大型步进梁式加热炉汽化冷却装置

论述了本钢 4号步进梁式加热炉汽化冷却装置的组成、基本原理、结构、达到的水平及应用效果。本钢热轧厂 4号 2 5 0 t/ h大型步进梁式加热炉在国内首次采用由国内自行设计、制造、施工安装的汽化冷却装置。自 2 0 0 0年 7月投产以来 ,效果较好 ,该装置为国内大型步进梁式加热炉应用具有自主知识产权的先进的汽化冷却技术提供了经验 ,推动轧钢厂节能降耗 。

多层曲线拟合的建模方法及其应用

本文提出模型参数估计的多步广义梯度法和建模的多层曲线拟合方法，在油田注水系统建模项目中得到成功的应用，所建模型均有很高的精度。

神经网络二阶反向传播学习算法及其收敛性

针对BP算法收敛速度慢的问题 ,提出了多层前向神经网络的新型二阶递推学习算法 .给出了一种新的矩阵求逆引理 ,从Newton迭代法入手 ,推导出新型递推学习算法 .该算法等价于Newton迭代法并且有二阶收敛速度 ,能同时反向传播网络各层误差和二阶导数信息因子 ,还能实现Newton搜索方向和Hessian阵逆的递推运算 .基于微分方程稳定性理论 ,研究了新算法的全局收敛性 .分析表明 。

一种带局部搜索策略的遗传算法及其应用

针对遗传算法局部搜索能力差的缺点,提出了一种带局部搜索策略的遗传算法,它是遗传算法与反向传播算法的有机结合;应用马尔克夫链理论证明了新算法的全局收敛性. 对油田非线性系统建模的应用表明,新型混合算法比原算法的运算速度提高约1.6倍.

一类非线性时变结构系统的辨识方法和预报器

本文对一类非线性时变结构系统,给出一种新型的递推梯度法和结构适应式自校正递推预报器.这种算法能自动改变模型的结构.通过油田预报实践,表明这种预报器能跟踪系统结构性变化,从而提高变结构系统预报的精度.

集材机用三角履带轮关键参数的优化设计

【目的】采用三角履带轮代替传统轮胎,并对其关键参数进行优化设计,以改善轮式集材机的通过性,提高集材机的牵引力和爬坡能力,为集材机用三角履带轮后续研究提供理论数据,为其他三角履带轮研发提供参考。【方法】分析三角履带轮的结构组成及其作用,基于轮式集材机的基本参数和林内工况提出集材机用三角履带轮结构技术方案,选取三角履带轮关键参数,并结合轮式、履带式集材机的行驶理论、工作效率和布局关系等对集材机用三角履带轮关键参数取值范围进行理论计算。利用三角履带轮驱动效率理论,建立关键参数优化设计数学模型,借助MATLAB优化工具箱,采用约束非线性优化函数fmincon对关键参数进行优化,得到关键参数的最优组合。【结果】从输出结果得到exitflag=1,表明优化一阶最优性条件满足容许范围,分析结果比较理想。根据优化结果绘制三角履带轮总体几何布置图,三角履带轮各部件之间没有任何干涉。【结论】1)通过对三角履带轮结构组成及其作用的分析,结合林内工况,提出集材机用三角履带轮总体布置方案;2)选取三角履带轮关键参数,从实际调研出发,综合考虑工作效率、行驶稳定性及三角履带轮结构特性,确定关键参数选取原则和方法;3)基于三角履带驱动效率最优原则进行履带驱动段的驱动功率损失分析,建立履带驱动效率数学模型,确立优化目标函数,借助MATLAB软件优化模块对三角履带轮关键参数进行优化分析,得到关键参数的最优组合。

超声波在原木横断面衰减成像中接收方向角对振幅的影响

通过研究超声波声场的指向性及近场区声压的轴向变化规律,得出如下结论:在木材超声波衰减成像中,当工作频率为15 kHz时,声轴线上的观测点均位于声场较稳定的远场区,可以将接收端的振幅看作只与粘滞性衰减有关而不做调整;而声轴线外的观测点受非粘滞性因素的影响较大,需要对振幅进行方向性校正,并给出校正的计算方法。

基于和声搜索的自适应滤波算法

针对子空间辨识方法,从状态空间模型向I/O差分方程转化的取向,使有关矩阵的维数增加,计算复杂度增大的问题,提出了用和声搜索算法辨识CARMA(ControlledAuto-RegressiveMovingAverage)模型子阶、时滞和参数的方案。该方案基于所提出的输入输出模型转化为状态空间模型的定理,使相应的状态空间模型在CARMA模型辨识之后也被辨识。以油井热洗为例,进行了自适应滤波估计。估计结果表明:该算法有较高的滤波和预报的精度,滤波和一步预报的误差方差的最大值在0.01以内,与子空间辨识方案相比,本方案的计算量约为前者的五分之一。

新型“成长”函数型连接网络预报模型及应用

对于具有生物“成长”历程的系统 ,提出一类新的“成长”函数型连接神经网络预报模型和递推Gauss-Newton学习算法。这种新型网络和学习算法 ,具有学习训练速度较快 ,预报精度高的特点 ,在油田产量预报问题中得到成功的应用。这表明本文方法的有效性。

推广的Todini噪声统计估值器和自适应滤波器

在系统输入和输出噪声相关的条件下，推广了Ｔｏｄｉｎｉ的噪声统计估值器和自适应状态滤波器，应用表明了它的有效性。

带混合模拟退火算法的神经网络及其应用

对非线性系统辨识问题 ,以多层前向网络为模型框架 ,用本文提出的带自适应冷却进度表的模拟退火算法与Powell算法构成新型混合算法 ,来训练网络的权值。冷却进度表中主要参数是模拟退火算法的控制参数T的初值T0 和T的衰减函数。把整个迭代过程划分为若干阶段。在每个阶段结束时 ,依据网络模型误差自适应地修正下阶段的T0 (回火温度 )、T的衰减函数中的参数和迭代步长初值。上述混合算法具有很强的全局和局部搜索能力 ,显著提高了网络的辨识精度。

新型的噪声统计估值器和自适应滤波器

本文在系统输入和输出噪声相关的条件下，提出一种新的噪声统计估值器和自适应状态滤波器，应用表明了它的有效性．

基于变结构算法的神经网络预测方法及其应用

针对油田系统常规的建模和动态预测方法的局限性,采用多层动态前向网络作为油田系统的数学模型.研究基于变结构算法的多层动态前向网络预测模型与预测技术;分析梯度算法的不足,提出改进方案;给出单变量多层前向网络预测模型和相应的变结构梯度法,并且把该模型和算法推广到多变量系统,改进了油田系统的建模和预测方法.新方案在油田产量预测应用中颇有成效.