构造性分片线性神经网络逼近

针对非线性系统建模中用标准连续分片线性神经网络(SCPLNN)模型拟合二维平面上离散点的问题,依据逼近误差最小化的原则,提出了一种优化的三角形剖分算法进行区域划分。采用特征点代替采样点进行剖分,并给出了基于这种区域划分的SCPLNN模型逼近算法。将此逼近算法与基于Delaunay剖分SCPLNN模型逼近算法、典范分片线性表示的链接超平面逼近算法进行比较。实验结果表明,基于最优三角形剖分SCPLNN模型逼近算法可以有效和快速提高拟合精确度。

面向卓越工程师培养的电气信息类教材开发研究

文章以高等工程教育改革为背景,以"卓越计划"高校为研究对象,对电气信息类教材情况进行调查、评估,找出教材存在的不足,探索对此类教材的新需求,提出面向"卓越计划"的电气信息类高质量教材的开发策略。

H_∞离散化的MATLAB程序

提升技术现已成为采样控制系统分析和设计的主要工具。系统提升后成为一离散系统,其H∞范数与原采样系统的L2诱导范数是等价的,故称为H∞离散化。提升计算包括矩阵的指数和积分运算,一般是很复杂的。本文给出了利用MATLAB的提升算法,算法简单可靠;同时还给出了求取等价系统H∞范数γ值的二分法并配有算例。

导弹系统电磁兼容预测初探

基于"电磁拓扑"和"电磁屏障"概念,应用"电磁拓扑-图论混合技术"详细阐述了导弹系统的电磁拓扑描述及电磁干扰相互作用关联图,并分析了针对导弹武器系统应用电磁拓扑图论法的基本步骤。

采样系统的分析:提升技术

采样系统中既有离散信号,又有连续信号,过去的做法是将系统在采样器和保持器处分开来进行分析,这样可以只考虑离散信号。但是采样系统的性能应该是指对象在连续的扰动信号作用下的输出性能,所以应该采用提升技术来对对象进行H_∞离散化。文中给出了H_∞离散化的算法,并结合例子说明了提升技术在性能和鲁棒稳定性分析中的应用。

采样系统的提升技术：是与非？

The lifting technique is now a well recognized tool for H∞ design and analysis of sampleddata systems. However, the efficiency of the method depends on the structure of the problem. The structure of the Ho sensitivity problem is analyzed in this paper. And the constraints on the H∞-optimization problem and on the design parameters in lifting design are also discussed. Under such constraints the resulting performance from the design is generally low. Therefore, the lifting technique can not be recommended as a synthesis tool for the sampled-data systems. An example is also given in the paper.

基于分片线性函数逼近的非线性观测器设计

综合分片线性函数模型辨识/逼近和鲁棒观测器设计方法,研究了一大类非线性鲁棒观测器设计方法.所提出的算法能有效解决非线性系统的辨识/建模问题,并保证在一定的逼近精度下观测误差可以控制在一定的范围内,且观测误差随着逼近精度的提高而减小.

分片线性神经网络逆系统方法的内模控制

为提高传统逆系统方法的跟踪精度和抗干扰能力,提出了基于连续分片线性神经网络α阶逆系统方法的非线性内模控制方法。利用标准连续分片神经网络逼近非线性系统的α阶逆模型,将它串连在原系统之前,得到复合的伪线性系统,对该伪线性系统应用内模控制策略进行控制,并分析了闭环系统的性能。仿真结果表明:该方法跟踪效果好、抑制干扰能力强,且设计简单,是解决非线性系统控制的一种可行的方法。