基于动态神经元网络的激光陀螺输出误差模型

惯性敏感器误差补偿技术对提高武器装备的性能具有重要的意义 ,而误差补偿的关键在于误差模型的辨识。由于动态神经元网络是在前馈网络的节点引入前馈和反馈环节 ,理论上已证明其具有很强的动态逼近能力 ,可用来描述任意的非线性动态系统。根据惯性敏感器误差的动态特性 ,本文探讨将动态神经元网络引入到激光陀螺误差建模中去 ,详细介绍了网络结构和对应的动态梯度算法。通过仿真算例说明 ,动态神经元网络在激光陀螺输出误差建模时具有一定的优点 :网络收敛速度快、较好的跟踪性能。

热力系统传感器故障检测的动态神经元网络方法

采用动态神经元网络状态观测器的故障检测和诊断方法对非线性时变热力系统状态进行估计。通过对延时神经元网络和动态递归神经元网络在热水锅炉模型上的仿真试验 ,表明 ,基于动态神经元网络状态观测器的热力系统传感器检测和诊断方法是可行的。经过仿真试验对比 ,延时RBF网络具有比较好的推广能力。

动态神经元网络的直接自适应控制与应用

本文对一类未知的非线性多变量系统,提出了用动态神经元网络实现直接自适应控制的策略;基于 Lyapunov理论,获得一个稳定且连续的学习律,避免了递归训练过程;闭环系统被证明是稳定的。这种方法的特点是,不需要离线学习阶段;对非线性电机仿真的结果验证了提出的动态网自适应控制算法的有效性。

自适应模糊控制在热力系统容错控制中的应用

在热力系统中采用容错控制技术,可以提高控制系统的可靠性,同时降低运行成本。研究采用自适应模糊控制实现非失效的被动容错控制。提出一种新的自适应模糊控制器;采用基于动态神经元网络的辨识模型学习被控对象的动态特性,设计了评价模糊控制器性能的FITAE指标;采用遗传算法优化模糊控制器参数,同时优化比例因子和控制规则表。为了提高模糊控制器的自适应调整速度,采用二阶段优化策略。仿真研究表明:自适应模糊控制器的热力系统被动容错控制方法是可行的。