含分布及非线性离散时滞Volterra积分系统的近最优控制

研究由关于状态为(仿射)线性的兼含分布及非线性离散时滞Volterra积分方程系统、紧控制域约束和控制与状态分离型目标泛函构成的最优控制问题.证明了近最优控制的必要条件和充分条件,并将之用于求近最优控制的算法设计.     

非线性Bayes动态模型预测的数值算法

本文用一阶样条函数分段逼近密度函数的方法给出了非线性 Bayes动态模型预测的一个数值算法     

主观干扰的非线性动态模型及其钢丝绳缺陷诊断方法

本文研究了二类非线性动态模型。成功的将贝叶斯预测理论用于动态系统故障诊断,突破了钢丝绳缺陷定量识别的差分超门限方法。     

模糊数学在飞机故障诊断中的应用

飞机故障征兆与故障原因问的隶属关系是模糊的，为此，将模糊数学方法引入到飞机故障诊断中，提出由历史数据及专家优序数综合确定模糊隶属度的方法，建立模糊诊断模型，并在计算机上实现飞机故障的模糊诊断。     

Banach空间非线性脉冲Volterra型积分方程整体解的存在性定理及应用

利用一个新的比较结果和Ｍｏｎｅｃｈ不动点定理证明了Ｂａｎａｃｈ空间中非线性脉冲Ｖｏｌｔｅｒｒａ型积分方程整体解的存在性定理,并给出了对Ｂａｎａｃｈ空间中一阶脉冲微分方程初值问题的应用,改进了文（１－３）中的主要结果。     

非线性灰色Bernoulli模型的改进及应用

非线性灰色Bernoulli模型是灰色预测模型的一类拓展,在捕捉序列非线性趋势性能上表现良好,但仍然存在许多改进的空间.在传统的非线性灰色Bernoulli模型的基础上提出一种改进的方法,结合优化初始值,采用Guass-Newton算法求解最优模型参数以及滚动建模机制三个方面对模型进行改进.数值结果表明,优化初始值能够提高模型的预测精度,Guass-Newton算法寻求最优参数以及滚动建模机制能进一步减少预测误差的产生.因此,改进的模型能够有效地提高非线性灰色Bernoulli模型的预测性能.     

基于联系数的区间数多属性决策非线性模型及应用

当多属性决策中的属性权重和属性值都是区间数时,把区间数改写成联系数,并让联系数按普通多项式运算法则作加法和乘法运算,进而建立基于联系数的区间数多属性决策非线性决策模型,其决策联系数为关于i的二次函数,从而说明当属性权重和属性值都是区间数时的决策问题是一个含有二次不确定性的问题.     

神经网络在轴承故障诊断中的应用

本文以轴承的故障诊断为例用神经网络理论在此方面进行了探索。即通过轴承的频谱信号对一个反向繁殖神经网络的识别功能进行确认，包括一个三层的神经网络模型和用于故障识别的六个特征频谱带设置，所训练的网络可对工业轴承常见的故障进行诊断。实验结果表明神经网络在机械故障振动分析方面无疑是一条走出困境的可行路径。     

混合模拟退火-进化策略在非线性参数估计中的应用

提出了一种混合模拟退火-进化策略算法应用在非线性参数估计中,方法克服了传统优化方法估计参数精度不高且容易陷入局部极小值等缺点,并且将模拟退火算法和进化策略算法相结合,充分发挥各自算法优点.最后通过给出非线性参数估计算例,结果表明,算法具有参数估计精度较高,收敛速度快,自适应性强,在实际工程中有较大的应用价值.     

故障诊断中模糊神经网络的应用研究

文章给出了利用模糊神经网络诊断故障的数学模型、基本原理、方法、步骤 ,和模糊网络的学习流程 ,并利用梯度法推导出两种诊断算法 ;在对某发动机滑油典型故障样本的仿真过程中 ,结果完全正确 ,对非样本故障的仿真 ,准确率达 90 % .     

基于加强型BP算法的神经网络故障诊断研究

文章给出了利用神经网络进行故障诊断的可行性、基本原理、诊断过程分析、和参数优化过程 ,并得出较为理想的诊断结果 .     

未确知RBF神经网络及其在故障诊断中的应用

建立未确知RBF神经网络.特点是:综合了未确知系统与神经网络的优点,充分利用已知样本所提供的先验信息,给出了期望输出隶属度的计算方法,网络输出合理且具有良好的可解释性.将未确知RBF神经网络应用于故障诊断领域,取得了很好的效果.     

基于知识的模糊神经网络的旋转机械故障诊断

提出了一种基于知识的模糊神经网络并用于故障诊断．首先基于粗糙集对样本数据进行初步规则获取,并计算规则的依赖度和条件覆盖度,然后根据规则数目进行模糊神经网络结构部分设计,规则的依赖度和条件覆盖度用于设定网络初始权重,而用遗产算法对神经网络输出参数进行优化．这样的模糊神经网络称为基于知识的模糊神经网络．使用该网络对旋转机械常见故障进行诊断,结果表明,和一般模糊神经网络相比,该网络具有训练时间短而诊断率高的特点．     

基于动态神经网络的非线性系统鲁棒故障检测

针对一类具有不确定性扰动的非线性系统,将设计的系统线性观测器产生的误差信号作为残差,采用一种具有高斯型激励函数的动态神经网络(DNN)对残差信号进行分析处理,得到了系统的鲁棒故障检测方法.文中分析了该方法的稳定性和故障检测的鲁棒性,并通过算例验证了该方法的有效性.     

主成分分析法在故障诊断中的应用

本文简单地介绍了用主成分分析法进行故障诊断的依据和方法 ,并通过一个实例验证这种方法是可行的     

基于T—S模糊模型的非线性不确定系统奇偶方程鲁棒故障诊断

针对T-S模糊模型描述的具有外部干扰的非线性不确定系统，构造了相应的测量冗余方程和奇偶方程，给出并证明了对特定传感器和执行器故障敏感的最优奇偶向量的存在条件和求解定理．采用奇偶方程故障检测与诊断方法，研究了非线性不确定系统的鲁棒故障检测和诊断．最后，通过仿真示例说明了本文所提出的方法是有效的．     

基于T-S模糊模型的非线性不确定系统奇偶方程鲁棒故障诊断

针对T-S模糊模型描述的具有外部干扰的非线性不确定系统,构造了相应的测量冗余方程和奇偶方程,给出并证明了对特定传感器和执行器故障敏感的最优奇偶向量的存在条件和求解定理.采用奇偶方程故障检测与诊断方法,研究了非线性不确定系统的鲁棒故障检测和诊断.最后,通过仿真示例说明了本文所提出的方法是有效的.     

基于故障树和混沌粒子群算法的锻压机床故障诊断方法

锻压机床由于生产效率高和材料利用率高的特点,被广泛应用于各领域.然而,锻压机床发生故障时,其故障种类繁多、故障数据量大,所以对锻压机床故障源的快速、准确诊断较困难.针对该问题,文章提出一种将故障树分析法和混沌粒子群算法相融合的方法,对锻压机床的故障源进行故障诊断.该方法是先通过故障树分析法对锻压机床的故障进行分析从而得到故障模式及其故障概率,然后由得到的故障模式和已知的故障维修经验分析归纳出故障模式的学习样本,再根据得到的故障概率运用混沌粒子群算法的遍历性快速、准确地诊断出锻压机床发生故障的精确位置.文章提出的方法以锻压机床的伺服系统为例进行了故障诊断实验,将该实验结果与遗传算法、粒子群算法进行对比.实验结果表明,文章的算法在锻压机床伺服系统的故障诊断中准确度更高、速度更快.     

小波变换在模拟电路故障诊断中的应用

本提出了一种小波构造的逆推方法,并提出了一种基于小波分解的模拟电路故障诊断的预处理器。