前馈神经网络病态样本投票剔除算法

收敛速度慢和容易陷入局部极小一直是困扰前馈神经网络的主要问题 .然而 ,不能找到全局最优解的部分原因之一是由于样本质量造成的 .如果训练样本集中含有病态样本 ,那么网络永远也达不到收敛 .本文提出一种以模式聚类为基础的病态样本判定方法 ,并给出基于模式相似度计算的投票剔除算法 .

两自由度小型直升机动力学建模与控制的分析

基于相似性理论设计了具有两自由度的直升机飞行模拟试验平台,以该试验平台为研究对象,利用拉格朗日-欧拉方程与等效力矩相结合的方法推导出系统的动力学模型,预估了试验平台的物理参数;通过试验获得在固定总距角情况下直升机的升力随转速的变化关系。根据动力学方程,设计了具有鲁棒性的PID修正前馈控制算法,运用MATLAB仿真验证了控制器的快速收敛性和有效性。

任意前馈神经网络的稀疏化算法

主要讨论前馈神经网络的稀疏化,即如何确定和删除网络中冗余的神经元和连接。首先给出前馈神经网络的数学定义,并将偏序和拓扑排序引入到前馈神经网络的学习算法和稀疏化算法中。在此基础上提出了冗余神经元和连接的判断依据,并按照自构形和自调整的策略,提出了适用于前馈神经网络的自构形学习算法和自调整删减算法。实验结果表明,上述的稀疏化算法不仅能够有效地删除网络中冗余的神经元和连接,而且能够改善网络的性能。

薄膜厚度系统的类前馈解耦PID控制

薄膜厚度控制系统是一个复杂的多变量耦合系统。利用相对增益矩阵对其进行了耦合性分析,并采用多变量类前馈解耦与PID控制相结合的方法,实现了系统的完全动态解耦控制。仿真结果表明,本解耦控制具有不改变主控制通道特性、控制效果好的优点,具有较大的应用价值。

基于人工神经网络方法求解半圆型防波堤波浪力

相对于传统的数值方法 ,人工神经网络具有建模迅速、实现方法简单、求解速度快等优点。本文用人工神经网络方法研究了半圆型防波堤所受波浪力的问题 ,为人工神经网络在海岸工程中的应用寻找新的思路和方法。

基于主成分分析法与逼近理想解法的38MnVS6激光熔覆工艺研究

采用激光熔覆在燃烧室部件表面制备高性能涂层对延长柴油机寿命有重要意义,多工艺参数的优化是获得高性能熔覆层的关键。以激光功率、扫描速度和送粉速率为优化对象,以熔覆层宽度、稀释率和表面硬度为优化目标,对活塞用38MnVS6中碳钢基体表面激光熔覆镍基合金粉末进行了L9(33)正交试验。基于主成分分析法计算各目标权重,并采用马氏距离的逼近理想解法对试验数据进行分析,获得了如下最佳工艺参数组合:激光功率850 W、扫描速度3 mm/s、送粉速率3. 13 g/min.经试验验证,与L9(33)正交试验最佳方案相比,稀释率下降了1. 13%,平均硬度提高了4. 56%.通过极差分析,得到工艺参数对熔覆层综合质量和熔池尺寸的影响由大到小依次为激光功率、送粉速率、扫描速度。

基于RBF网络的导弹攻击区解算及对比分析

研究了神经网络在空空导弹攻击区处理中的运用,在提出多层前馈(MF)网络和径向基函数(RBF)网络设计方案的基础上,着重对MF网络的BP算法、改进BP算法以及RBF网络的应用进行了仿真,并从收敛速度、逼近精度和实时性三个方面,对计算结果进行了对比分析,结论表明RBF网络在导弹攻击区处理中具有更高的可行性,更适用于快速高精度的火控解算。

一种训练神经网络的新型遗传算法

针对神经网络中具有大量的相似解，提出了一种规范化方法，大大地减少了神经网络中解的数目，然后，给出了多种不同的算子，通过对简单网络问题的实验，比较了它们的优劣，得出了一个新型的遗传算法ＮＧＡ。实验表明，ＮＧＡ比用传统的ＧＡ训练神经网络效果要优。

磁液双悬浮轴承单自由度支承系统解耦控制研究

磁液双悬浮轴承是以电磁悬浮为主,静压为辅的一种新型支承轴承,能够大幅度提高承载能力及刚度,适于中速重载的场合。由于液体静压系统特性为小间隙、强阻尼、正刚度、斥力型,而电磁悬浮系统特性为大气隙、弱阻尼、负刚度、吸力型,且两系统共同支承时相互耦合,互为干扰,大幅降低了支承系统的运行稳定性,因此本文拟研究磁液双悬浮轴承单自由度磁液两支承系统之间的耦合特性,揭示其耦合力的产生机理并设计解耦控制器。首先,本文介绍了磁液双悬浮轴承的结构特点、单自由度支承系统的受力形式以及控制调节机理。然后,建立了磁液双悬浮轴承单自由度支承系统的数学传递函数,揭示磁液两支承系统之间的耦合特征及影响规律。最后,设计了类前馈解耦控制器及对角阵解耦控制器,并通过SimuOnd模块对比分析了两种解耦控制器的解耦效果。研究表明:两种解耦控制器均能够有效减小单自由度磁液两支承系统间的耦合程度,但类前馈解耦控制器比对角阵解耦控制器具有更好的稳定性、准确性,更适用于磁液双悬浮轴承单自由度磁液两支承系统的解耦控制。本论文能够为磁液双悬浮系统的稳定控制提供理论参考。