车辆横向半主动悬挂的神经网络自适应控制

分析了车辆半主动悬挂模型的非线性特性，提出了采用神经网络的半主动悬挂自适应控制模型，设计了神经网络辨识器和控制器，采用专门算法修正控制器网络权值，仿真计算表明，神经网络自适应控制的半主动悬挂系统能有效改善车辆横向平稳性。     

基于模糊自适应PID控制的ATO系统控制算法

为了研究ATO系统控制算法的智能性和高效性,在传统PID算法的基础上,充分考虑到列车系统的非线性和复杂性,结合模糊控制理论能进行实时非线性调节的优点,提出了模糊自适应PID控制算法。并在Matlab/Simulink中建立了ATO系统的仿真模型和算法控制模块。将两种算法分别运用到ATO系统中,对目标速度曲线进行跟踪,从停车精度、追溯性、准时性、节能性、舒适性五个方面对二者的控制性能进行比较分析。仿真结果表明,将模糊自适应PID算法运用到ATO系统中,列车的控制性能能够很好地满足ATO系统的各个性能指标要求。     

磁悬浮球的自适应径向基函数控制方法研究

磁悬浮是集众多学科为一体的高新技术,具有无摩擦、清洁环保和安全可靠等优点。而悬浮控制作为磁悬浮技术的核心引起了人们的关注。以单点磁悬浮球作为研究对象,由于磁悬浮球系统具有高度非线性、随机不确定性和时滞性等特点,采用其他传统控制算法往往会引起系统超调量过大和响应速度过慢等问题。针对此类问题,提出一种不依赖于精确数学模型的自适应径向基函数(A-RBF)控制算法,以此实现磁悬浮球的稳定悬浮和获取系统满意的动态性能。首先建立磁悬浮球的非线性数学模型;其次通过非线性坐标变换得到磁悬浮球的线性数学映射模型;然后设计出A-RBF算法中相应的控制律和自适应律,并利用Lyapunov函数验证该算法的稳定性;最后通过不同的评判指标进行SMC和A-RBF算法的比较验证。仿真结果表明：由于A-RBF算法未忽略磁悬浮球系统中的高阶项,因此它不仅具有较快的响应速度和较小的超调量等优点,而且还具有适应系统参数变化范围大的能力。当依次输入正弦和方波信号作为输入时,A-RBF算法的跟踪效果最佳,其次为SMC。实验结果表明：当外部扰动存在时,A-RBF算法不仅实现了磁悬浮球的稳定悬浮,而且其误差仅在0.2 mm之内,并且...     

实时光学非线性联合变换相关运动目标跟踪研究

利用高对比度液晶光阀对联合功率谱进行非线性处理，实现了实时非线性联合变换相关，以此非线性联合变换相关器为核心，构成光电混合自适应运动目标跟踪系统，完成了对尺度，旋转等有连续畸变变化的运动目标的跟踪实验研究，本文给出非线性联合变换相关的实现方法，运动目标跟踪原理和跟踪实验结果。     

基于MFAC的快速路主辅路的均衡控制

为了解决快速路主辅路交通密度不均衡造成的局部道路拥挤和资源浪费现象,本文提出了基于无模型自适应控制的快速路主辅路均衡控制方法,该方法中引入了均衡控制思想中的差值控制方法,该方法不受入口匝道和辅路交叉口的模型限制,利用入口匝道流率与交叉口离驶率输入数据和主辅路路段密度输出数据,即可实现强非线性快速路主辅路系统的无模型自适应控制,使主辅路达到系统级的密度均衡。Matlab平台上的仿真比较结果表明了这种控制方法的有效性。     

基于双重启发式动态规划算法的列车运行调整研究

通过对列车行车组织特点及运行调整策略的研究,采用自适应动态规划体系中的双重启发式动态规划算法,建立了列车运行调整模型.双重启发式动态规划算法适合处理具有实时性、约束性、非线性、随机性等特点的列车运行调整复杂动态系统的优化控制问题,通过仿真验证,该算法求解速度快、精度高,对列车晚点的调整起到了良好的控制作用.为列车运行调整的深入研究提供了一定的参考价值.     

基于Chebyshev多项式的自适应偏最小二乘回归建模

把Chebyshev多项式和偏最小二乘法有机地结合起来，提出一种基于Chebyshev多项式的自适应偏最小二乘回归建模算法。它自动建立一个预测误差较小的基于Chebyshev多项式的多元多项式模型，它的预测效果优于传统多元多项式模型。本文算法是偏最小乘法的推广，也是偏最小二乘法在非线性领域里的应用。     

输入受约束的高速列车鲁棒自适应动态面控制

实现高速列车对期望速度与位移的精确跟踪至关重要。考虑输入饱和约束以及由于不确定的运行阻力、未知的黏滞摩擦系数和未测量的运行状态等引起的系统不确定性,提出高速列车的鲁棒自适应动态面控制算法。建立考虑牵引与制动转矩产生动态过程的高速列车动力学模型;引入扩张状态观测器在线估计和补偿系统总的不确定性,应用跟踪微分器代替动态面控制中的一阶滤波器,构造附加系统处理输入约束问题,设计了高速列车的鲁棒自适应动态面控制律;基于李雅普诺夫稳定性理论证明了闭环系统的稳定性以及高速列车速度跟踪误差和位移跟踪误差的半全局一致最终有界性。仿真结果验证了所提算法的有效性。     

基于Chebyshev多项式的自适应偏最小二乘回归建模

把Chebyshev多项式和偏最小二乘法有机地结合起来，提出一种基于Chebyshev多项式的自适应偏最小二乘回归建模算法。它自动建立一个预测误差较小的基于Chebyshev多项式的多元多项式模型，它的预测效果优于传统多元多项式模型。本文算法是偏最小乘法的推广，也是偏最小二乘法在非线性领域里的应用。     

驼峰速度控制系统中神经网络方法的研究

现有的各种驼峰速度控制系统大多属开环系统，本文将神经网络学习算法引入速度控制系统达到系统闭环的效果。提出了一种直接控制的自适应神经元模型和神经网络结构，以及一种快速学习算法，并把该神经网络和算法用于驼峰速度控制系统。计算机模拟结果表明该算法是十分有效的。     

基于TCNN-MADLSTM的全并联AT牵引网多元信号融合故障定位

全并联AT牵引供电系统上下行线路并入自耦变压器，致使故障信号多路径传播，且牵引网导线阻抗不连续，传统方法很难实现牵引网故障准确定位。基于AT牵引网结构，推导牵引网上下行导线故障电流幅值与故障距离的非线性关系；基于改进的卷积神经网络(Transformer-based CNN,TCNN)和记忆注意力解耦长短期记忆神经网络(Memory Attended Decoupled LSTM,MADLSTM)，通过增加注意力机制和残差连接，增强多导线电流幅值与故障距离的非线性函数关系，从而提高牵引网故障定位的精度；将前述方法与传统的卷积神经网络(CNN)和长短期记忆神经网络(LSTM)进行不同噪声条件下的对比验证。结果表明：基于TCNN+MADLSTM算法进行故障定位时，可自适应构建故障距离与多导线电流幅值的非线性函数关系，以及自适应计算故障距离，无须考虑波速影响；相较于传统的CNN+LSTM算法，TCNN+MADLSTM算法故障定位精度更高，故障区段识别精度可达100%，故障定位精度达72.100 m，均方误差为0.016 km²。     

计及时变扰动下永磁牵引电机无传感器滑模控制

针对永磁同步牵引电机因参数摄动不确定因素造成控制性能下降以及速度传感器存在成本高、环境要求严格、估计精度不足等问题，提出了一种基于自适应广义高阶平方根容积卡尔曼滤波算法（ASRGHCKF）无速度传感器的永磁同步电机（PMSM）自适应非奇异快速终端滑模控制算法。首先，建立参数摄动下PMSM数学模型；其次，基于扩展滑模扰动观测器（ESMDO）设计自适应非奇异快速终端滑模转速控制算法（ANFTSMC），选择新型指数趋近律可随系统距离滑模面的远近自适应调整趋近速度，同时ESMDO实时精准观测系统的未知扰动部分；最后，结合ASRGHCKF实时精准估计电机的转速和转子位置。通过与PI和传统SMC算法进行仿真和半实物试验对比，验证了该算法在电机参数摄动下暂稳态性能更佳，有利于改善PMSM的无速度传感器控制效果。     

基于RTK-GPS/INS的列车组合定位方法研究

在铁路运输当中,单纯的卫星定位或惯性定位均无法提供更高的精度。因此,提出一种高精度的RTK-GPS和惯性平台相组合的定位导航系统,系统主要包括卫星接收基站、传感器输入部分、状态检测部分、数据融合部分和定位数据输出部分。在整体系统中,数据融合部分采用卡尔曼;传感器输入部分采用结合无损变换的粒子群算法改进的自适应RLS滤波;利用组合导航过程,对数据融合误差纠正方程进行学习,在卫星失锁情况中,利用学习结果持续对惯性测量单元滤波后的数据进行校正。对提出的数据融合算法和组合导航系统进行半实物验证和实物测试,结果表明:在有复杂干扰的列车运行环境中,在该算法和系统的配合下,可以基本满足较高精度的列车实时定位,在工程中具有一定的适应性和实际应用价值。     

模糊进化神经网络理论与技术框架

分析目前进化算法，神经网络和模糊逻辑等理论技术及应用研究存在的问题，以及目前这些智能理论融合技术和神经网络自动设计研究现状，研究了现有智能理论技术相互之间包含的智能行为及属性，提出了模糊进化神经网络理论，其中，给出其本概念，研究目的，内容和框架体系，详细描述了模糊进化计算，模糊进化神经网络和进化模糊系统从模型初始化，参数自适应到网络自动设计，模型评价等核心技术及其解决思路和实现算法。对于模糊进化计算，提出了其控制参数模型初选，模糊自适应进化，优化算法及其结果的模糊评价等方法，对于模糊进化神经网络，提出了其全自动设计，控制参数模糊初选，模糊自适应进化以及网络模型的模糊评价与选择等方法，对于进化模糊系统，提出了基于模糊进化计算的模糊神经网络参数和模糊系统参数的优化方法。     

人工神经网络及其在物资流通领域的应用

人工神经网络及其在物资流通领域的应用张文杰，王渭一、什么是人工神经网络人工神经网络是由大量简单的基本元件──人工神经元相互连接而成的自适应非线性动态系统。每个神经元的结构和功能比较简单，而大量神经元组合产生的系统行为却非常复杂，在处理非结构性问题方面...     

基于神经网络PID控制的包装印刷位置伺服系统

针对包装印刷传动位置伺服系统，介绍一种基于共轭梯度学习算法的神经网络自适应PID控制方法。利用神经元的自学习、自适应特点，通过对位置系统的在线边学习边控制实现系统的快速实时控制。仿真研究表明，该传动位置伺服系统不仅具有令人满意的静、动态性能，还能较强的鲁棒性与自适应性。     

强风下高速列车滑膜自适应鲁棒H_∞控制方法

大风环境下高速列车的运行是一个强耦合、高度非线性过程,且随着风速增大和车速增加,这种特性逐渐增强,因此需要更高要求的自动驾驶系统。基于李亚普诺夫稳定性理论设计高速列车自动驾驶滑模自适应鲁棒控制器,该控制器采用自适应控制实时逼近列车不确定性特征的系统输入系数,采用鲁棒H∞控制将自动驾驶系统中模型误差、大风和其他干扰造成的参数变化等所有不确定量减小到最小范围,同时也消除了系统抖振现象。计算出高速列车需要施加的牵引/制动力,通过滑模控制消除系统安全运行速度跟踪误差,实现不同风速下高速列车对给定安全运行速度的高精度跟踪。仿真结果证明了该方法的有效性。     

主从结构的自适应滤波器

根据理论分析，提出了一种主从结构的自适应滤波算法（ＡμＬＭＳ），它利用一个从自适应滤波器，按照最小均方误差准则，自动寻找主自适应滤波器的最佳步长矢量，使滤波器的特性得到显著的提高。计算机模拟实验结果验证了其良好的性能。该主从结构自适应滤波算法的思想可拓展至其它一些自适应滤波算法中去建立其相应的主从结构。     

高速动车组自适应速度跟踪控制

针对高速动车组运行过程的非线性和参数的时变特征,将其描述为由线性自适应模型和非线性未建模动态补偿模型组成的集成模型。基于高速动车组的牵引特性曲线和线路实际运行数据,采用递推最小二乘法建立线性自适应模型。针对系统未建模动态特性,应用自适应神经模糊推理系统ANFIS(Adaptive-network-based Fuzzy Inference System)建立未建模动态补偿模型。提出基于高速动车组集成模型的运行速度自适应控制算法,实现对给定速度曲线的高精度跟踪控制,并基于CRH380A型动车组运行过程的仿真结果验证本文所提方法的有效性。     

用有限元法分析计算交流接触器磁系统的动态特性

采用多元函数插值的算法，把磁场数值计算和交流磁系统动态微分方程组联系起来，不仅充分考虑了磁系统的非线性，并且在一次用非线性有限元方法建立ψ（ｘ，ｉ）和ｆ（ｘ，ｉ）数据网格后，就可计算出磁系统的动态特性。文章还对计算结果进行了试验验证。