基于模糊神经网络的故障诊断及其在无刷直流电机系统中的应用

本文针对故障诊断知识具有模糊性的特点,提出了一种基于模糊神经网络的故障诊断方法,将模糊理论与神经网络融合在一起,实现了对故障的模糊诊断.文中给出了模糊神经网络的结构和学习方法,并提出了一种阈值向量故障判别方法,使故障判别更具灵活性.并以无刷直流电机系统为对象,将该方法应用于系统的故障诊断,仿真结果表明,该方法是行之有效的.     

基于粗糙集模糊神经网络的爆破振动危害预测

为了探索一种能克服单因素预测的局限性、提高爆破振动危害预测精度的方法,基于粗糙集模糊神经网络理论,建立了综合考虑爆破振动幅值、主频率、主频率持续时间及结构动力特性等10个因素的民房破坏程度预测模型;用铜绿山矿爆破振动和民房破坏情况观测数据,对该模型进行了训练和测试,测试结果与现场观测结果具有良好的一致性。研究表明:粗糙集理论可将现场数据进行属性约简,简化输入变量,缩小神经网络的搜索空间,改善爆破振动的预测性能;基于粗糙集模糊神经网络理论的爆破振动危害预测模型,能更好地考虑各种因素对危害程度的综合影响,避免了单因素预测的局限性。     

卫星姿态测量系统中模糊神经网络的应用

为了提高卫星姿态测量系统的姿态估计精度，研究设计了一个模糊神经网络，对各姿态传感器的输出信号进行综合处理。研究表明：此方法可以使测量精度得以很大提高。     

达朗贝尔法的推广及其在简支梁自由振动中的应用

达朗贝尔法和分离变量法是求解弦、杆、轴的自由振动微分方程（波动方程）的两种基本方法；达朗贝尔法把振动位移处理成运动方向相反的两组无限多个行波的叠加，分离变量法则把振动位移处理成无限多个驻波的叠加，所以亦称前者为行波法，称后者为驻波法．这两种方法所得到...     

高维映射的Hopf—pitchfork分岔及其在碰撞振动系统中的应用

研究了高维映射的Hopf-pitchfork分岔.通过中心流形理论,将高维映射降阶为一个三维映射,再通过范式方法将降阶后的三维映射转化为范式映射.理论分析了三维范式映射在Hopf-pitchfork分岔点附近的参数开折.通过对分岔点附近含间隙振动系统的分岔行为进行数值仿真,验证了理论结果.     

BP神经网络及其在结构动力分析中的应用研究

回顾了ＢＰ神经网络在结构分析中的应用和发展过程，针对ＢＰ网络在实际应用时存在的收敛速度慢以及所需训练样本多等主要问题，提出了相应的网络快速学习算法以及训练样本正交化处理方法。同时，对网络结构设计、训练样本规范化处理、网络映射结果精度的自适应修正等具体技术问题也进行了详细讨论，并提出了相应的解决方法。文中最后给出了二个工程应用实例，结果表明：ＢＰ网络在结构动力分析中不失为一种崭新的有效方法。     

内模控制及其在机构振动主动控制中的应用

振动主动控制通常采用最优控制,文中根据柔性机构的特点,采用内模控制策略。内模控制主要适合于具有周期性扰动信号的调节问题和具有周期性参考信号的跟踪问题,它的优点是对控对象参数具有鲁棒性,克服了最优控制需要精确掌握被控对象参数的缺点,文中首先介绍了内模控制的基本原理,然后给出了数值仿真结果,最后将算法应用柔性四连杆机构振动主动控制试验中,试验结果证明了方案的可行性。     

混沌时序神经网络建模及其在保密通讯中的应用

本文在研究预报误差算法对混沌时序神经网络建模的应用和离散系统中基于压缩映射混沌同步的基础上，把混沌时序的错综复杂和于混沌同步保密通讯。     

神经网络算法及其在GPS导航中的应用

GPS导航解算中常采用最小二乘算法。由于导航解算中存在观测异常（粗差），采用的模型精度很难满足用户需求，而高动态用户需求的精度却不断提高，为此文中提出一种利用神经网络的非线性逼近能力，在顾及观测信息权阵的条件下，利用Hopfieid神经网络进行GPS导航解算的新算法。该算法具有很好的抗差性和自适应性，能较好地抑制观测粗差对导航解的影响。计算结果证明了该算法的有效性。     

Elman动态递归神经网络在陀螺仪系统建模中的应用

本文针对Ｅｌｍａｎ 动态递归神经网络的特点,提出了一种基于Ｅｌｍａｎ 动态递归神经网络建立陀螺仪系统模型的方法。文中给出了Ｅｌｍａｎ 网络的网络结构和学习方法,并对建立起的网络模型进行了仿真,仿真结果表明,该方法是可行的。     

反扰力振动控制理论及其在井塔消振中的应用

应用反扰力振动控制方法，通过施加一个与原扰力在相位上相反的控制力，来抵消原扰力对结构的影响。此法用于实际的矿井井塔建筑结构消振工程，取得了消振９０％以上的显著效果，从而证实了此法的正确性和有效性。此法在动力荷载扰力作用下的建筑结构振动控制工程中，具有重要的应用价值     

随机激励下柔性智能梁结构振动的模糊自适应控制

对柔性智能梁结构提出了一种具有结构和参数学习能力的模糊神经网络控制方法,该法摒弃了常规的以BP算法来优化整个网络参数的作法,利用遗传算法对网络全局性参数进行离线优化,利用BP学习算法对网络局部性参数进行在线调节。以柔性智能悬臂梁为例,实现了对其在随机激励下的振动控制。仿真结果表明,模糊神经网络控制算法对智能结构的振动控制具有一定的鲁棒性和自适应性。     

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。     

转子轴承系统电磁阻尼器的位移反馈振动控制

本文研究在周期激振力作用下转子轴承系统电磁阻尼器的位移反馈振动控制。首先给出受电磁阻尼器控制的一般线性多自由度转子轴承系统的振动方程，控制力和电磁阻尼器结构参数，控制电流等之间的关系式，然后提出在保证系统稳定的前提下，通过位移反馈控制其电流位移增益矩阵应满足的条件；其次以单盘对称转子轴承系统为例，求出转子系统受电磁阻器控制的幅频响应和相频响应；最后给出算例，打印出电磁阻尼器的静态电流，电流位移增益     

挠性自适应结构振动控制的分析与实验研究

采用自适应结构的原理和方法,对压电元件用于挠性结构振动控制的一些问题进行了探讨。对压电驱动器与结构的匹配关系进行了理论分析,对模态传感/驱动器在挠性悬臂板结构中的布置方案进行了优化设计,并进行了结构的振动控制实验,从而验证了方法的有效性     

振动台数字控制系统中的多微机并行处理技术

本文在深入分析振动台对数字振动控制系统要求的基础上，提出了在数字振动控制系统中采用多微机主从式并行处理的方法，并阐述了ＰＣ３８６微机分别与ＴＭＳ３２０Ｃ２５信号处理器和Ｚ８０微机系统实现数据通讯的控制策略。     

转子振动的灰色Verhuslt预测优化控制研究

以灰色预测控制理论为基础，首次将非线性GM模型引入到转子振动主动控制中，并采用现代控制理论中的二次型优化原理，以控制力和响应加权最小为目标函数，设计了转子系统振动的灰色Verhuslt预测优化控制方案。将该方案应用于带电磁阻尼器转子轴承系统的转子振动控制中，仿真结果显示转子振动的灰色预测Verhuslt优化控制是有效的、可行的。     

结构振动强度的应用研究

本文根据弯曲波理论和声强测量原理提出了结构振动能量分布和传输特性的新技术方法.理论分析、实验室研究和实际应用结果表明,用振动强度来分析结构振动问题可得到振动能量的流向和分布,测量技术简单且易于掌握,具有可接受的实际应用精度.     

基于模糊神经网络的惯性导航系统预热控制

针对惯性导航系统预热中存在的非线性问题,采用了基于模糊神经网络的控制系统。讨论了模糊系统与神经网络的优缺点,给出了适于非线性时滞、基于BP网络的控制方案,并通过仿真说明方案的可行性。     

主动振动控制中传感／作动元件配置问题的全局优化方法研究

提出了一种主动振动控制中作动／传感元件位置的复合优化方法，它能有效地解决全局优化配置问题；通过对单点并置问题的优化，证明了该优化方法的有效性，并对多点配置问题也具有一定的参考价值。