电液伺服系统的神经网络辨识与自适应控制

对一实际电液伺服系统进行了神经网络仿真研究，仿真结果表明，神经网络用于电液控制系统的辨识与自适应控制是可行的，可以解决电液控制系统中非线性及其控制等问题，它对于增强系统的自适应能力，鲁棒性和稳态精度等都有令人满意的控制效果。     

直流电动机及直流调速系统的参数辨识

依据系统或环节的输入输出特性，应用最小二乘法，即可获得系统或环节手内部参数，经系统领导具结果验证，所获得的参数具有较高的精度，该方法简便易行。     

基于传递函数的机械结合面参数模糊辨识

为了较为准确地识别出结合面等效参数，提出利用传递函数和模糊优化识别机械结构结合面参数的新方法，给出了理论公式和算例分析．该方法克服了传统方法的一些缺点，在传递函数最大随机误差为5％的条件下，辨识误差不大于5．2％，与传统的最小二乘法相比，显著提高了结合面参数辨识精度．     

基于最优初始条件和动态辨识参数的灰色时程数据预测

在传统的灰色预测模型中,白化微分方程的初始条件和辨识参数一旦确定便不再改变,这不太适合于动态及长期的数据预测．针对这种情况,提出了一种能动态选择最优初始条件及相应辨识参数的新型灰色GM(1,1)预测模型．该模型先对每个预测初始值都用GM(1,1)进行预测,并计算平均相对预测误差,使平均相对预测误差最小的那个观测值即为微分方程的最优初始条件．然后将用此初始条件预测的新信息数据替换原来最老的那个数据,算出新的参数,即动态求解辨识参数．将此模型用于时程数据的预测中,取得了较好的预测效果．     

基于系统辨识的轮胎侧偏刚度二元二阶参数模型求解

以系统辨识为出发点,建立了大型客车3自由度模型,构造了前、后轮胎侧偏刚度关于侧偏角和垂直载荷的二元二阶参数模型,推导出了侧偏力和横摆力矩的三元二阶模型.运用最小二乘回归分析方法对多输入、输出系统的参数进行了递推估计,并根据试验数据对实车的轮胎侧偏刚度模型进行了求解和验证.结果表明,所使用的理论和方法具有良好的可信性和实用性.     

公路联网收费站布局规划

提出了一种根据收费路网的连通性来确定联网收费范围的新方法和大型网络连通性计算机算法，分析了3种常见的行驶车辆路径辨只方法的适用范围和局限性，探讨了由有向图的节点或边确定收费站和识别站位置的理想方法和基于可能路径辨识的筒化方法，然后，对收费站和标识站布局原则、方法步骤进行了探讨。     

基于Hopfield神经网络的磁浮列车悬浮系统本征非线性特性辨识

磁浮列车的悬浮系统具有本征非线性特性,在轨道不平顺以及非线性负载的作用下,非线性项的辨识和处理能力对于列车的悬浮稳定性具有重要影响。尤其是在轨道刚度较小时,在微小形变的作用下更易影响悬浮稳定性,而发生掉点、砸轨现象。从磁浮列车悬浮系统的非线性动力学建模出发,重点分析非线性项的系统参数辨识,基于Hopfield神经网络来构建误差函数和网络辨识方案。结合参数辨识误差函数和Hopfield网络的标准能量函数,得到相应的网络权值矩阵,并进一步给出相应辨识结果。通过数值仿真分析可以发现,基于本辨识方法所得到的结果与非线性项输出结果误差较小,可较好地拟合状态方程的含参非线性项,验证了辨识模型的可靠性。