时滞系统的辨识及NARMA模型的修正

对现有神经网络对非线性时滞系统的时滞辨识方法进行了补充说明和分析,同时指出现有的NARMA模型修正方法对时滞系统的不当之处。以时滞系统神经网络预测控制为例,介绍了NARMA模型的正确修正方法,仿真证明了所提出的修正方法能获得好的控制性能及抗干扰能力。

NARMA 模型预测控制滚动优化的两级协调法

针对ＮＡＲＭＡ模型，提出了预测控制滚动优化的两级协调法。该算法由三层构成，上、中两层是两个协调器，第三层是局部决策单元。该算法避免了在子问题的求解中使用效率较低的规划方法，提高了线计算的效率。

基于径向基函数神经网络的热工过程模型辨识

为了准确反映热工过程动态特性,实现热工过程整体优化控制,提出了一类新的径向基函数神经网络(RBF-NN)的建模方法:采用熵方法和竞争学习算法,结合非线性自回归滑动平均(NARMA)模型的输入/输出结构实现RBF-NN的优化,辨识RBF-NN结构,并用最小二乘算法(LS)确定权向量,实现了典型的非线性热工过程建模。通过两个实例验证:基于NARMA结构的RBF-NN建模,具有较高的辨识精度和较少的隐层节点。

空间溢出与城投债信用风险——基于长三角城市群生产要素引力网络

已发生的多起城投债技术违约和城投公司非标融资违约打破了城投债刚性兑付“信仰”,城投债的信用风险成为关注焦点.在国家实施城市群战略的背景下,基于长三角城市群生产要素引力网络,实证分析了城市群空间溢出对城投债信用风险的影响,发现:第一,城市群内部存在信用风险空间溢出,区域内城投债信用风险溢价同向变动.第二,其他城市尤其是外围城市金融发展的空间溢出呈正外部性,能够降低本城市城投债信用风险.第三,其他城市尤其是中心城市的经济发展可能存在负外部性,会导致本城市尤其是外围城市城投债的信用风险上升.为地方政府有效利用城市群发展机遇、合理制定财政政策以及防控区域系统性金融风险提供了借鉴.

电力系统负荷频率控制LFC的小波神经网络辨识

建立了非线性的电力系统负荷频率控制LFC模型,利用递归NARMA模型的小波网络的实现方法对LFC模型进行了辨识,利用Akaike's的最终预测误差准则FPE和信息准则AIC,进行了隐层节点数目和反馈阶次的计算,理论和仿真表明辨识模型可取得较好效果。

神经网络建模方法在非线性信号处理中的应用研究

文章首先描述了非线性信号处理中常用的几种建模方法与神经网络建模方法之间的关系,指出了前者在实际建模时存在的困难,给出了神经网络模型与其它建模方法之间所存在的等价性以及其特有的优势。总结了两类神经网络模型及其网络训练算法,通过比较看出神经网络建模方法在非线性信号处理中的应用越来越广,已经成为一个非常有前途的工具。

电力系统小波神经网络负荷频率控制器的研究

将小波网络用于电力系统负荷频率辨识和控制中,建立了非线性的电力系统负荷频率控制LFC模型,用递归NARMA模型的小波网络辩识器对LFC模型进行了辩识,利用Akaike’s的最终预测误差准则FPE和信息准则AIC,进行了隐层节点数目和反馈阶次的计算,用辩识结果建立了NARMA模型的小波网络的控制器,对LFC模型进行控制,理论和仿真表明辩识和控制模型可取得较好效果。

基于RVM回归误差补偿的航空发动机分布式控制系统多步预测控制

针对具有随机有界双侧时延的航空发动机分布式控制系统,提出了一种基于多步预测和关联向量机(RVM)回归误差补偿的控制方案.首先建立航空发动机分布式控制系统(DCS)的神经网络非线性自回归滑动平均(NARMA)模型,利用当前的系统输出和控制量对N步之后的系统输出进行预测;其次用改进的RVM回归多步预测算法估计NARMA模型的的预测误差,并对预测结果进行误差补偿;最后利用补偿之后的预测值和设定值对控制参数进行滚动优化,设计系统的神经网络逆控制器实现系统的自适应控制.仿真结果证明该控制策略能够避免随机有界双侧时延对控制系统的影响,实现对设定值的稳定跟踪,且控制器具有较好的实时性和鲁棒性.低压转子转速阶跃响应的稳态绝对误差小于0.04%,响应时间小于0.3s.