基于切比雪夫神经网络模块实现热电偶热电特性线性化

提出了利用切比雪夫 (Chebyshev)神经网络模块SN970 1对热电偶传感器非线性特性线性化的硬件实现方法 ,并介绍了SN970 1的训练方法。计算机仿真结果表明 ,利用该方法计算结果比常用的最小二乘拟合法更准确。该方法不仅提高了计算准确度 ,而且整个计算完全由硬件电路实现 。

基于改进的切比雪夫神经网络的露天煤矿产量预测

由于影响露天煤矿产量的因素众多,尚未有精确方法对其进行预测。本文针对切比雪夫神经网络存在的不足,从算法和网络结构方而进行了综合改进。改进后的切比雪夫神经网络,符合生物神经网络的基本特征,算法简单,收敛速度快。用改进的切比雪夫神经网络对露天煤矿原煤产量进行建模和预测,结果表明,此种改进方法不仅提供了一种有效的预测露天矿原煤产量方法,具有优良的预测能力,而且在相同精度的前提下,其收敛速度也优于一般的BP网络,为露天煤矿的生产提供科学、合理的决策依据。

面向非沿轨迹成像的切比雪夫神经网络滑模姿态控制

针对地面兴趣点不沿星下点轨迹的动态非沿轨迹成像问题,设计了一种基于切比雪夫神经网络(CNN)的非奇异快速终端滑模控制器。首先,研究了非沿轨迹成像模式的姿态调整方法,并推导了相应的期望姿态角和姿态角速度。其次,基于由误差四元数描述的跟踪运动学模型设计了非奇异快速终端滑模(NFTSM)控制器。为提高控制精度,引入了只需要期望信号的CNN来估计系统总扰动,从而有效削弱了滑模系统的固有抖振。为保证神经网络的输出有界,引入一个开关函数以实现自适应神经网络(ANN)与鲁棒控制之间的切换控制。最后,对具有干扰和参数不确定的姿态控制系统进行了数值仿真,结果表明该方法收敛速度快,控制精度高,具有一定的工程实际意义。

基于GA-Chebyshev神经网络的一类分数阶微分方程的数值解

针对一类分数阶微分方程求数值解的问题,在切比雪夫神经网络的基础上,提出一种利用遗传算法优化切比雪夫神经网络的新方法,并通过2个算例验证了该方法的可行性和有效性。研究结果表明:与现有数值方法相比,采用改进的切比雪夫神经网络方法计算微分方程的数值解与准确解更为接近,误差较小。研究结论为分数阶微分方程中类似问题的求解提供了新思路。

基于单输出切比雪夫多项式神经网络的海洋矿物分类

针对海洋矿物分类问题,提出了改进后的单输出切比雪夫多项式神经网络(single-output Chebyshev-polynomial neural network with general solution,SOCPNN-G)。该模型利用伪逆的通解来求参数,扩大解空间,能获得泛化性能更加优良的权重。在该模型中,子集方法用于确定神经元的初始数量和获得交叉验证的最佳重数。最后将改进的SOCPNN-G模型用于海洋矿物数据集中进行实验,结果表明,该模型训练准确率和测试准确率分别达到90.96%和83.33%,且对计算性能要求较低。这些优越性表明该模型在海洋矿物的实际应用中具有很好的前景。

Chebyshev神经网络模块在铂电阻温度传感器非线性补偿中的应用

针对铂电阻温度传感器在应用中存在的非线性问题,提出了应用切比雪夫(Chebyshev)神经网络建立非线性补偿模型,并用与之对应的神经网络模块 SN9701实现的铂电阻温度传感器非线性补偿的硬件方法。以 pt100铂电阻温度传感器为例,介绍了非线性补偿的原理和网络的训练方法,给出了非线性补偿模型的数学表达式。结果表明,这种非线性补偿方法精度高、实时性好以及鲁棒性强等优点,对 pt100铂电阻温度传感器补偿后,在0～500℃范围内,可使各测量点非线性误差不大于0.02℃,有很好的应用价值。

基于GA-Chebyshev神经网络的分数阶Bagley-Torvik方程数值解法

本文基于现有的切比雪夫神经网络,提出了一种利用遗传算法优化切比雪夫神经网络求解分数阶Bagley-Torvik方程数值解的新方法,结合多点处的泰勒公式原理,给出数值解的一般形式,将原问题转化为求解无约束最小化问题.与现有数值方法的数值结果进行比较表明了本文方法的可行性和有效性,为分数阶微分方程中类似问题的求解提供了新的思路.

多航天器相对轨道与姿态耦合分布式自适应协同控制

基于一致性理论,在有向通讯拓扑结构下对多航天器系统相对轨道及姿态的耦合协同控制问题进行了研究.本文考虑近地航天器相对轨道的非线性方程以及用罗德里格参数描述的航天器姿态运动方程,建立了考虑控制输入耦合的六自由度航天器运动模型.在仅有部分跟随航天器可获取参考状态(记为领航航天器)的情形下,针对航天器存在未建模动态以及外部环境干扰等问题,提出了一种基于切比雪夫神经网络(Chebyshev neural networks,CNN)的自适应增益控制律,使得各跟随航天器在轨道交会的同时姿态保持一致.因为每个航天器上的控制算法仅依赖其自身及相邻航天器的信息,因此控制算法是分布式的.同时考虑到航天器之间的相对速度及相对角速度难以测量,提出了无需相对速度及角速度信息的分布式自适应协同控制律使得各航天器保持一定的队形且具有期望的相对指向.最后对6颗航天器的编队飞行进行了仿真分析,仿真结果表明本文设计的分布式自适应协同控制律是有效可行的.

考虑输入饱和的多航天器系统姿轨耦合分布式协同跟踪控制

基于一致性理论,研究了多航天器系统相对轨道及姿态耦合的分布式协同控制问题。在仅有部分跟随航天器可获取领航航天器信息的情形下,针对各跟随航天器存在未建模动态以及外部环境干扰等问题,利用双曲正切函数的性质,提出了考虑输入饱和的分布式自适应协同控制律。首先,对于领航航天器具有时变状态的情形,为每个跟随航天器设计了3个滑模估计器,对领航航天器的状态进行估计。其次,针对跟随航天器间相对速度和角速度难以测量的问题,设计仅需领航航天器状态的切比雪夫神经网络自适应更新律。最后,设计考虑输入饱和的分布式自适应协同控制律保证各跟随航天器跟踪动态领航航天器。仿真结果表明了该算法的有效性、可行性。

SE(3)上姿轨耦合航天器高精度快速终端滑模控制

针对编队飞行航天器姿轨耦合一体化控制问题,本文提出了一种高精度快速收敛的滑模控制方法。首先,建立了以Lie群SE(3)上指数坐标表示航天器位置和姿态跟踪误差的相对耦合动力学模型。然后以该指数坐标和速度跟踪误差定义的滑模面,设计了一种新型的基于切比雪夫神经网络(CNN)的非奇异快速终端滑模控制器(NFTSMC),实现了跟踪航天器对目标航天器的有限时间跟踪控制,并基于Lyapunov方法证明了系统的稳定性。该控制器无需显式的相对参考状态,不仅能保证滑模到达阶段和滑动阶段的有限时间稳定性,还由于引入仅需期望信号具有强逼近能力的CNN在线自适应估计系统总扰动而获得了较高的控制精度。最后,对主从模式的编队飞行航天器进行了仿真分析,结果表明该方法是有效可行的。