三状态元神经网络的稳定性分析

本文讨论由具有－１，０，＋１三种状态的神经元构成的网络的非一动力学问题。虽然这种三状态神经元只比常用的两种状态神经多出一种状态，但已凶神经网络动力学的分析结果已不再适用。本文围绕稳定性的分析，定义了三状态元神经网络的一些动力学概念，推导了三状态元神经网络稳定性定义的等价条件，得到了该网络在Ｈｅｂｂ规则下稳定的充分条件。     

延时神经网络混沌现象的研究

本文研究一个具有部分延时性能的三个神经元的不对称神经网络系统的动力学行为，讨论了当控制参数变化时网络呈现的各种现象，计算了李雅普人指数研究了阵发混沌现象，最后讨论了全延时神经网络的吸引子。     

推力轴承对轴承－转子系统的耦合作用研究

研究了推力轴承对轴承－转子系统的耦合作用。在传递矩阵法的基础上，提出一种研究考虑推力轴承影响的轴承－转子系统的动力学的通用方法。研究中考虑了如下几个因素：（１）推力盘的静态倾斜；（２）转子的静变形；（３）径向轴承中负荷的重新分配；（４）偏载对径向轴承性能的影响；（５）推力轴承对系统稳定性的影响。研究结果表明，在某些情况下，推力轴承对径向轴承的动特性、转子的静挠度、系统稳定性等具有显著的影响     

基于神经网络的口腔非线性动力学系统建模

神经网络方法是用于非线性动力学系统建模的有效方法，本文针对多层神经网络结构，运用递推预报误差（ＲＰＥ）算法对离散非线性动力学系统进行了辨识研究，并对口腔非线性动力学系统进行了神经网络动态建模，为了解语音和实用化的语音识别提供了良好的基础。     

边坡稳定性预测的模糊神经网络模型

根据边坡稳定问题具有的模糊性,提出了一种判定边坡稳定性的模糊神经网络模型。该系统仅从期望输入输出数据集即可达到获取知识、确定模糊初始规则基的目的。再利用神经网络学习能力便不难修改规则库中的模糊规则以及隶属函数和网络权值等参数,这样大大减少了规则匹配过程,加快了推理速度,从而极大程度地提高了系统的自适应能力。最后用收集到的边坡数据样本训练和测试模糊神经网络模型,结果表明该模糊神经网络预测边坡稳定性是可行的、有效的。     

复杂系统的神经网络自适应预测控制

本文针对复杂诉时变非线性动力学，提出一种基于神经网络的并行自适应预测控制器，它由实时神经控制、神经控制和控制品质监督机构三部分组成。该结构使控制的调整和系统的实时控制为可并行进行，提高了控制系统的适应能力和响应性能，使复杂系统的在线学习控制成为可能，仿真表明该控制器具有良好的鲁棒性和控制精度。     

电子器件隔振系统的神经网络杂交建模研究

对一个由四个钢丝绳隔振器组成的某电子器件隔振系统动力学特性进行了神经网络杂交建模.建立了隔振系统的刚体动力学方程,发展了一种根据实验数据间接确定隔振器恢复力的方法.通过网络训练获得了描述钢丝绳隔振器恢复力特性的神经网络模型,与系统运动方程结合构建了隔振系统的神经网络串连杂交模型.仿真结果表明,杂交模型在不同量级的简谐激励下,均能够较为准确地预测结构多点的稳态响应,因而具有较高的精度.此外,杂交模型包含了系统的物理参数,便于进行参数影响分析.     

碰摩裂纹转子轴承系统的周期运动稳定性及实验研究

根据碰摩裂纹耦合故障转子轴承系统的非线性动力学方程，利用求解非线性非自治系统周期解的延拓打靶法，研究了系统周期运动的稳定性。研究发现，小偏心量下系统周期运动发生Hopf分岔，大偏心量下系统周期运动发生倍周期分岔，偏心量的加大使周期解的稳定性明显降低；系统碰摩间隙变小，碰摩影响了油膜涡动的形成，使失稳转速有所提高；裂纹深度的加大降低了系统周期运动的稳定性。本文的研究为转子轴承系统的安全稳定运行提供了理论参考。     

结构试验机的神经网络内模自适应跟踪控制系统

针对结构试验系统的非线性和不确定性特性，研究了一种基于神经网络的非线性内模自适应加载控制方法。引入的神经网络内模可跟踪学习对象的时变动力学，控制器的设计较少依赖于对象的先验知识，控制参数的调整是基于被控过程的测量信息，利用导出的神经网络算法来实现的。实验结果证明该系统具有良好的控制效果。     

柔性空间机械臂协调运动的鲁棒神经网络控制及柔性振动PD反馈控制

针对具有未知惯性参数柔性空间机械臂系统的动力学和柔性振动控制问题,设计了基于奇异摄动理论的载体、关节铰轨迹跟踪的鲁棒神经网络控制算法和柔性振动反馈PD控制算法.首先,构建神经网络函数逼近慢变子系统的综合建模误差,设计载体、关节铰协调运动鲁棒控制算法,同时,通过稳定性分析选择神经网络自适应律;应用PD反馈控制来主动控制并消除快变子系统的柔性振动模态.仿真结果表明,所设计的控制算法解决了系统参数未知等因素带来的影响,能快速准确地进行轨迹追踪,同时,柔性杆的振动模态得到明显抑制,在2秒后基本消除.     

柔性关节-柔性臂空间机器人的神经网络自适应反演控制及双重柔性振动抑制

空间机器人系统的柔性主要体现在空间机器人的臂杆和连接各臂杆之间的铰关节。由于空间机器人系统结构的复杂性,以往研究人员对同时具有柔性关节和柔性臂的系统关注不够。为此探讨了参数未知柔性关节-柔性臂空间机器人系统的动力学模拟、轨迹跟踪控制算法设计和关节、臂杆双重柔性振动的主动抑制问题。首先,采用多体动力学建模方法并结合漂浮基空间机器人固有的线动量和角动量守恒动力学特性,推导了系统的动力学方程。以此为基础,考虑到空间机器人实际应用中各关节铰具有较强柔性的情况,引入一种关节柔性补偿控制器解决了传统奇异摄动法应用受关节柔性限制问题,导出了适用于控制系统算法设计的数学模型。然后,利用该模型,基于反演思想在慢时标子系统中设计神经网络自适应控制算法来补偿系统参数未知和柔性关节引起的转动误差,实现系统运动轨迹跟踪性能;针对快时标子系统,设计了鲁棒最优控制算法抑制因柔性关节及柔性臂引起的系统双重弹性振动,保证系统的稳定性。最后,通过仿真对比实验验证了所设计控制算法的有效性。     

存在关节力矩输出死区及外部干扰的漂浮基空间机械臂积分滑模神经网络自适应控制

探讨了载体位置和姿态都不受控时,漂浮基空间机械臂在带有关节力矩输出死区及外部干扰情况下轨迹跟踪的控制算法设计问题。死区与外部干扰影响系统的跟踪精度与稳定性。为此引入积分型切换函数,减少外部干扰引起的稳态误差,并利用径向基函数神经网络逼近动力学方程的未知部分,设计了一种积分滑模神经网络控制方案。控制算法的优点是,在死区斜率与边界参数不确定及最优逼近误差上确界未知的条件下,可以利用最优逼近误差、死区及干扰的补偿项来消除影响。李亚普诺夫稳定性分析证明了闭环系统的稳定性,且轨迹跟踪误差将收敛到0的某个小邻域内。仿真算例证实了该控制算法的有效性,实现了空间机械臂的轨迹跟踪控制。     

采用压电机敏元件进行结构振动控制Ⅲ：控制系统设计与实验研究

采用作者在上篇导出的压电耦合体动力学模型，给出了压电主动阻尼控制系统的设计方法；导出了压电耦合梁系统的作动方程和检测方程的显式表达式。以此为基础，以简单梁为对象，对压电检测器和作动器的性能、粘结层的影响、压电主动阻尼控制及压电主、被动阻尼双控制进行了实验研究     

平衡特性化联想神经网络的动态特性研究

在反馈联接的联想神经网络中，学习过程是通过神经元联拉突触及其状态的彝实现的，而学习的模式则必须由神经元稳定的状态亚在而网络的全局稳定就涉在触动态系统和神经元活化的联合平衡。本文首先分析学习反馈联想神经网络可以当作时不变系统处理的条件，指出基于平衡点特性化的联想网络的学习速率约束，导出了慢突触变化联想网络平衡点稳定的约束条件，并给出网络在结构扰动情况下网络平衡点运动轨这界的估计。     

整星隔振用磁流变阻尼器神经网络模型

为改善星箭界面振动环境,设计六杆隔振平台,采用磁流变阻尼器作为半主动控制元件,替代原有锥壳过渡支架.对整星隔振平台用磁流变阻尼器进行性能测试,得到反映磁流变阻尼器阻尼特性的实验数据.建立具有两个隐含层的反向传播神经网络对阻尼器进行建模,用于预测磁流变阻尼器阻尼特性以及控制系统设计.提出一种串行算法优化网络结构、权值和阈值,保证网络具有较好的泛化能力和稳定性.仿真结果表明,与参数化模型相比,提出的神经网络模型具有较小的训练误差和较强的泛化能力,能够很好地预测阻尼器的阻尼特性.     

伴随变阻尼作用的干摩擦下的车辆系统非线性动力学分析

对分段线性阻尼和干摩擦共同作用下的车辆悬挂系统进行了非线性动力学分析研究，阐述了判定系统周期运动稳定性的理论方法；利用数值模拟方法分析了具有不同阻尼参数组合的系统对简谐激励的振动响应，并分析了由干摩擦引起的粘-滑振动行为．结果表明：提高摩擦力对抑制响应有利，但车辆系统在低速下运行时会出现复杂的粘-滑振动，轮轨之间产生较大的瞬时刚性冲击；而通过增加轮对与侧架的弹性悬挂可以有效减弱这种瞬时刚性冲击．     

多态网络的Master方程及噪声分布的高斯近似

本文从多态Ｉｓｉｎｇ神经网络的Ｍａｓｔｅｒ方程出发，获得了其序参量的精确动力学方程。由这些动力学方程，很容易得到网络在极端稀释条件下的近似方程。该近似结果与用概率方法及生成泛函方法得到的结果完全一致。文中还讨论了噪声的动力学方程中所起的重要角色作用，并指出用概率法及生成泛函法得到的动力学方程是噪垢分布取高斯近似的结果。     

NEURAL NETWORK MODEL OF MAGNETORHEOLOGICAL DAMPER FOR VIBRATION ISOLATION PLATFORM OF WHOLE-SPACECRAFT

为改善星箭界面振动环境,设计六杆隔振平台,采用磁流变阻尼器作为半主动控制元件,替代原有锥壳过渡支架.对整星隔振平台用磁流变阻尼器进行性能测试,得到反映磁流变阻尼器阻尼特性的实验数据.建立具有两个隐含层的反向传播神经网络对阻尼器进行建模,用于预测磁流变阻尼器阻尼特性以及控制系统设计.提出一种串行算法优化网络结构、权值和阈值,保证网络具有较好的泛化能力和稳定性.仿真结果表明,与参数化模型相比,提出的神经网络模型具有较小的训练误差和较强的泛化能力,能够很好地预测阻尼器的阻尼特性.     

独轮车运动的动力学解释

本文讨论独轮车运动的动力学.以独轮车和驾车人组成的系统为对象,建立三刚体系统力学模型和相应的动力学方程.驾车人利用协调的弯腰和足蹬动作保证独轮车运动的稳定性.导出稳定性必要条件.     

列车车轮钢表面硬度的微磁定量检测方法

多功能微磁检测技术在铁磁性材料力学性能的无损表征中具有良好的应用前景。本文研究该技术对CL65、ER7车轮钢表面硬度的无损检测能力。首先，利用变异系数分析方法评价了多功能微磁仪器对车轮钢微磁参量的重复检测性能；其次，开展了标定实验，基于斯皮尔曼秩相关系数分析了微磁参量对车轮钢表面硬度的单调表征能力；最后，通过融合多项磁参量，建立了基于BP神经网络的车轮钢表面硬度的微磁定量预测模型。外部校验结果显示，BP神经网络模型对CL65、ER7车轮钢表面硬度的预测平均误差分别约为0.59%和1.22%。