基于死区补偿的电液伺服PDF控制器设计

针对工业中常用的电液（比例）位置伺服系统，给出了基于死区补偿的PDF（Pseudo-Derivative-Feed-back)控制器的设计，仿真试验结果表明，它不仅能大大提高系统的响应速度，有效地消除静态误差，消除了传统PID控制中存在的微分突变现象，还表现出对系统参数变化的较强鲁棒性，使得它能够很好地满足设计性能要求，控制效果明显优于传统PID控制。     

基于递归神经网络的预测模糊控制

为提高控制信息与实时状态的适应性，改善模糊控制品质，用传统模糊控制策略，根据当前时刻误差和预测误差变化值，预测下一时刻的控制输出和系统在未来时刻的误差,用递归神经网络预报系统未来输出值的功能，采用双系统交替控制模式．系统中包含1个模糊控制器和1个递归神经网络，一个工作，另一个学习，使控制系统具有自适应性．仿真结果表明，与常规模糊控制相比，预测模糊控制使超调减小，调节时间缩短．     

基于死区补偿的电液伺服PDF控制器设计

针对工业中常用的电液(比例)位置伺服系统,给出了基于死区补偿的PDF(Pseudo-Derivative-Feedback)控制器的设计.仿真试验结果表明,它不仅能大大提高系统的响应速度,有效地消除静态误差,消除了传统PID控制中存在的微分突变现象,还表现出对系统参数变化的较强鲁棒性,使得它能够很好地满足设计性能要求,控制效果明显优于传统PID控制.     

激光干涉仪在FANUC数控机床位置精度检测中的应用

本文探讨了Renishaw XL-80激光干涉仪在FANUC数控机床位置精度检测中的应用,论述了运用激光干涉仪测量和补偿FANUC系统数控机床的螺距误差及反向间隙的具体方法。实践表明,该方法有效降低了机床的螺距及间隙误差,提高了机床的定位精度。     

基于模糊补偿的RBF神经网络机械手控制

针对机械手系统的高精度轨迹跟踪控制,提出了一种基于模糊补偿的RBF（radial basis function）神经网络机械手控制方法.该方法首先利用PD（proportional-integral）控制器获得机械手的控制策略,将其输出作为RBF神经网络的输入,并学习得到系统模型;然后运用模糊逻辑补偿器对系统扰动和建模误差进行补偿;最后,在MATLAB/Simulink平台上针对两关节机械臂,进行了有模糊补偿和无模糊补偿系统跟踪的均方根误差测量仿真实验.研究结果表明,两关节机械臂的控制精度分别提高了60.8%和71.4%,本文提出的方法能够解决机械手实际模型很难精确建立的问题,并能对系统未建模部分和扰动部分进行自适应补偿.      

滚齿机传动误差补偿系统的设计

针对滚齿机传动链分度的误差，提出了误差补偿的数学模型，设计了滚齿机传动误差补偿方案确定了补偿采用的算法。该系统是滚齿加工较理想的补偿方法。     

专家系统用于磨削精度控制研究

基于机械传动链的误差分析和特征计算，结合专家系统方法，建立了一个精密丝杠磨削的传动链误差补偿系统，对丝械磨削过程实现智能补偿控制。     

自动检测系统非线性误差的神经网络校正方法

在自动检测系统中,由于传感器、放大器、A/D转换电路等存在非线性误差,使得检测系统存在非线性误差.非线性误差是系统误差,属于静态误差.为减少检测系统的测量误差,在自动检测系统中需要对非线性误差进行校正.讨论了一种采用FLANN神经网络进行非线性误差的校正方法.这种方法比采用整段校正、平方插值校正等方法具有更好的性能.     

机载SAR运动补偿系统设计及算法研究

对机载合成孔径雷达（SAR）的运动误差进行了分析，给出了与误差补偿精度相适应的捷联惯性测量单元特性要求，分析了惯性导航系统；全球定位系统（INS／GPS）组合对飞机姿态的影响，设计了运动补偿系统，同时对相位梯度自聚焦算法进行了研究。     

一种改进的模型参考自适应算法

针对一种模型跟随自适应算法（DS-AMFC），利用线性神经网络预测系统输出与模型输出之差为控制信号的计算提供较准确的偏差值，用该估计的偏差量进行控制。同时，把控制的误差引入控制信号，在输入信号频率较高时仍具有跟随模型的能力，鲁棒性大大提高。     

������������Ԥ���������ģ��

公交客流预测是城市公共交通规划的重要内容，是确定城市公共交通发展规模、布置场站及布设线路的根本依据，也是制定城市公共交通发展政策的重要依据.本文通过分析神经网络的作用机理和公交客流生成量的影响因素，建立了公交客流生成量预测的三层BP神经网络模型，以土地利用(8个神经元)、人口数以及区位系数作为输入神经元，输出神经元为公交客流的产生量和吸引量，隐层神经元数根据最大相对误差最小为目标试算求得.以哈尔滨市一日的调查数据对模型进行了标定与检验，结果证明，模型具有较高的预测精度.     

多智能体遗传算法优化神经网络权值研究

采用多智能体遗传算法来优化神经网络权值,经过神经网络自身的训练来进一步提高精度,结果表明,本算法能以较快的收敛速度获得较高的训练精度。     

BOTDR技术和人工神经网络在结构物局部变形预测中的应用

基于国际领先的分布式光纤监测系统检测原理,针对结构物局部点的应变变化建立的4层人工神经网络模型,可用于结构物的局部变形预测。该预测方法经隧道实测数据的验证,所得结果令人满意,具有一定的实用价值。     

基于RBF神经网络的交通流数据修复研究

完整的传感器数据是交通管理和控制的基础,但由于传感器自身或传输线路故障等原因,常常导致数据缺失,亟需对传感器缺失数据进行修复。鉴于此,以离散和连续缺失的线圈检测器交通流量数据为研究对象,构建基于RBF神经网络的数据修复模型。并将其结果与利用非线性回归模型、BP神经网络模型进行修复的结果相比较。RBF神经网络模型在离散缺失3 个数据、连续缺失3 个数据和连续缺失5 个数据情况下,平均百分比绝对误差分别为0.67%, 0.66%和1.33%,修 复值和实测值的总体相关性为0.992,修复精度优于非线性回归模型和BP神经网络模型。研究结果表明,RBF神经网络模型与其他方法相比可更精确地进行交通数据修复。     

道路模拟系统的神经网络自适应控制及其仿真

道路模拟试验是在试验室内再现汽车的主要部件甚至整车在道路上行驶的运行工况,从而研究车辆对道路不平度激励的响应,达到缩短产品的开发周期以及降低开发成本的目的,是加速新车型开发、提高产品质量的有效手段.文中将神经网络与常规的PID控制相结合,设计出一套神经网络自适应系统.并对C级路面不平度进行仿真再现.仿真结果表明,该控制器比常规PID控制器具有更高的控制精度和更好的动态性能,在道路模拟仿真试验中可以达到非常满意的效果.     

A Short-Term Traffic Flow Forecasting Method and Its Applications

Short-term forecast of urban traffic flow is very important to intelligent transportation. Although the conventional methods have some advantages, to some extent, in improving the traffic forecast’s precision, it is still hard to achieve high accuracy. In this paper, we propose a short-term traffic flow forecasting method, which is based on the hybrid particle swarm optimization-neural network(HPSO-NN) with error compensation mechanism.In HPSO-NN, the hybrid PSO algorithm is employed to train the structures and parameters of the feed-forward advanced neural network, while the error compensation mechanism is employed to improve the accuracy. HPSONN is used to forecast the vehicle velocity in Shanghai North-South Viaduct. Experimental results show that the HPSO-NN, compared with the auto-regressive and moving average(ARMA) model, can forecast traffic flow with a higher accuracy. What’s more, we have also found that HPSO-NN with error compensation mechanism has better performance than that of HPSO-NN alone.     

永磁直线同步电机递归神经网络补偿器仿真研究

针对永磁直线同步电机驱动系统没有机械阻尼、抗扰动性能差的缺点,为了抑制参数及负载变化对控制系统影响,采用扰动观测器进行补偿,该观测器能较好地补偿参数及负载在小范围内的变化,但不能有效地处理过大参数变化量.为了加大永磁直线同步电机驱动系统在参数变化和负载干扰时的控制性能,提出以递归神经网络作为补偿器来取代扰动观测器.仿真表明,当系统参数动态变化或受到负载变化的影响时,利用递归神经网络来在线动态地调整网络的参数,系统仍将具有很好的动静态性能.     

基于模糊神经网络的高速公路路面质量评价

为提高高速公路沥青路面使用质量的评价精度,将T-S模糊理论与BP神经网络相结合,以高速公路沥青路面的路面状况指数、路面结构强度指数、道路行驶质量指数和路面抗滑性能指数4个检测指标作为输入变量,根据模糊推理规则构建路面质量评价的非线性映射关系,路面检测指标经过模糊神经网络的学习和训练,直至网络输出与期望输出的误差达到最小,去模糊化后得到各路段的精确评价结果,建立了路面使用质量的综合评价模型.用实际检测数据对该模型进行了验证,结果表明:该模型具有模糊系统的逻辑推理能力和神经网络的定量数据处理能力,通过本文方法仿真得到的路面质量的综合评价结果,与期望值的相对误差小于2.1%.      

基于GM-BP神经网络的交通量预测

针对城市道路交通系统的复杂性和随机性,应用灰色理论和神经网络知识,建立了基于灰色理论和BP神经网络的城市道路交通量GM-BP神经网络预测模型.随后运用该预测模型对城市道路的交通量进行预测,预测结果表明：GM-BP神经网络预测模型所得预测结果平均相对误差为1.17%,与单一的灰色新陈代谢预测模型相比具有预测精度高的优点.