预测高速旋转机械转子随机响应的人工神经网络(ANN)方法

提出了一种新的预测旋转机械随机响应方法--人工神经网络方法.研究了这种神经网络结构的学习算法.为了保证快速学习收敛,应用Lyapunov函数得到一种自适应学习率方法.用这种方法对某直立转子的地震响应进行在线预测,计算机仿真结果表明,这种网络学习算法是有效的,并且是可行的.     

自归理论与递归方法之数据质量辨识能力比较

分别应用自归理论和递归方法,对同一组隧道拱部沉降实测数据进行对比分析.分析表明:自归理论的数据质量辨识与数据筛选能力强于递归方法,宜于原始数据精度要求较高的、高等级项目监控的数据处理;而递归方法由于抗干扰性能强,在对参与数据质量没有较高要求时使用,亦不失为一种可行的措施.     

基于神经网络的水下机器人推进器故障诊断

为提高水下机器人系统的总体可靠性,开展了推进器故障诊断研究。在三层BP神经网络的基础上,提出了一种改进的递归神经网络并推导了网络的训练算法。利用直航、转艏等试验对网络进行训练,将训练好的网络用于水下机器人运动建模,对比模型的输出与实际传感器测量值来获取残差,通过分析残差特性来提取故障诊断判据,进而进行推进器故障诊断。将提出的方法应用到仿真试验和海上试验中,得出了相应的试验结果。通过对试验结果的分析研究,验证了方法的有效性与可行性,同时也表明该方法在工程应用方面具有一定的参考意义。     

一类不定方程的整数解

本文在整数范围内讨论文中（１）所示的一类不定方程，首先我们给出这类方程的解的一些基本性质，其次分别给出方程Ｅ（２，２）、Ｅ（２，３）及Ｅ（３，３）的通解；然后我们用递归的方法刻划Ｅ（ｍ，ｎ）的解集Ｓ（ｍ，ｎ）的结构；最后给出求解方程Ｅ（ｍ，ｎ）的一种算法。     

正则m叉树N（Tt，k）计数公式及应用

分析了正则m叉树T中m，分枝点个数i和叶数t与子正则m叉树中分枝点个数和叶数之间的关系，利用对正则m叉树T的完全分支进行讨论方法，导出了正则m叉树T的恰有k个分支N(Tt，k)的递归计数公式，在m=2的特殊情况，得到正则2叉树计数递归关系式，并给出应用．     

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．     

高速列车再生制动防滑控制及仿真研究

为了高速列车在制动过程中获得最佳黏着力,防止车轮打滑或空转,需要对电机输出转矩进行控制。为此建立异步电机的数学模型和1/4车辆纵向动力学模型,采用直接转矩控制策略控制电机;采用改进的递归最小二乘法预测黏滑曲线的斜率,以判断车轮处于黏着还是滑动状态;利用滑模变结构算法获得最佳参考制动力矩。变轨面条件下的仿真结果表明,上述方法能够有效使切线力系数保持在最大值附近,使滑移率保持在最佳值附近,从而防止因车轮打滑而损伤轮轨。     

应用双向递归神经网络的船舶轨迹修复迭代算法

为了解决船舶轨迹修复算法修复效果差、修复偏差大的问题,应用双向递归神经网络实现船舶轨迹修复迭代算法的优化设计。从位置坐标和速度2个方面转换收集的船舶轨迹数据,判定当前轨迹是否存在缺失或异常。以已知端点加速度的计算结果为输入项,应用双向递归神经网络得到实时船舶轨迹的预测结果,最终完成对船舶轨迹的修复。通过测试实验发现设计修复方法得出的轨迹位置与理想轨迹基本重合,且修复后的速度和航向偏差分别为0.1 km/h和0.1°,满足设计与应用要求。