摘要：基于核函数的支持向量机(support-vector-machines,SVM)与三层神经网络等价关系,构造基于SVM的多变量阶时延逆系统实现对原系统的伪线性化解耦,提出最近邻聚类的SVM模型辨识算法,设计了一种带前馈的参数自适应PD调节器和SVM逆控制相结合的控制策略.通过对典型的MIMO离散非线性可逆系统和电弧炉电极系统的仿真研究,表明该控制策略对于数学模型未知的不确定系统,只需要一定量的输入输出数据作为样本学习,就可实现对系统逆模型的高精度逼近,控制系统具有良好的动态响应和跟踪精度.当模型严重不确定、参数摄动、有外界干扰时,系统具有很好的抗干扰能力和鲁棒性.

摘要：针对最近邻聚类算法对聚类半径敏感、不易获得最优解的问题,提出了基于贝叶斯信息测度BIC(Bayesianinformationcriterion)的优化方法。通过DBSCAN算法对初始数据集进行预处理,去除噪声数据。在参数空间内逐步调整聚类半径,利用最近邻聚类算法对数据集进行聚类,并计算每次聚类结果的贝叶斯信息测度值。比较各次聚类结果的贝叶斯信息测度值,最大贝叶斯信息测度值对应的聚类即为最优聚类结果。实验结果表明,优化的最近邻聚类算法很好地解决了合适的聚类半径选取问题。

摘要：针对采用遗传算法(GA)学习训练RBF神经网络进行并联机器人位姿检测存在的早熟收敛问题,提出一种交替使用GA和Levenberg-Marquart(LM)算法的混合学习算法,首先运用仅需预先给定基函数宽度的最近邻聚类算法,学习训练得出基函数的中心,然后运用所提出的混合学习算法学习网络,确定RBF神经网络的参数,并最终实现对机器人的位姿检测。仿真结果表明,所设计算法提高了网络学习能力,并最终提高了机器人位姿检测精度。

摘要：脱硫过程是炼钢生产中一个十分重要的环节。脱硫效果的好坏,直接关系到炼钢生产能否保质保量地进行,而这又取决于对脱硫过程的控制,其关键是脱硫剂的加入量。因而必须建立脱硫过程模型,实时和高精度地预报脱硫剂的加入量。而脱硫过程又是一个非常复杂的工艺过程,采用传统的方法建立的模型无法保证稳定和高精度的脱硫效果。笔者提出了一种基于改进的RBF神经网络的铁水脱硫预报模型及其具体设计方法,并在炼钢厂进行了实际投运。结果表明,该模型性能良好,这同时说明了设计方法的有效性和实用性。

摘要：水面目标物体检测是无人船识别水面物体或避开障碍的前提。本文利用水体对激光信号的吸收特性,设计了一种使用三维激光扫描检测水面目标的方法。该方法通过三维激光扫描获取水面漂浮物的点云,然后通过条件滤波限定有效的点云集合,并采用基于Kd树的最近邻聚类法划分水面目标物体,最后使用基于轴向包围盒(Axis Aligned Bounding Box,AABB)计算目标相对激光雷达的位置。本文设计了三组水面目标物体检测试验,数据表明本文方法可发现水面上漂浮的物体并能完成位置测定。

摘要：针对非线性时变系统,设计了一种基于神经网络的参数在线自整定PID控制器。该控制器采用基于最近邻聚类方法的RBF神经网络快速学习算法,通过实时在线辨识,建立被控系统的精确模型并得到准确的Jacobian信息;同时将此信息提供给BP神经网络,从而实现PID控制器参数的自动在线整定。仿真结果表明,该方法提高了算法的精度和速度并具有较快的系统响应和良好的跟踪特性。

摘要：模糊控制是在模糊集合理论基础上发展起来的,模糊控制器的设计主要不依靠被控对象的数学模型,但它却非常依靠控制专家或操作人员的经验知识,若缺乏这样的控制经验,很难期望它能获得满意的控制效果.因此,模糊控制器应向着自适应、自组织、自学习发展,使得模糊控制参数或规则在控制过程中自动地调整、修改和完善,从而使系统的控制性能不断改善,达到最佳的控制效果.本文将表格查询学习算法和最近邻聚类学习算法采用加权平均的方法结合起来,确定系统的模糊控制规则,运用基于MATLAB环境下的“模糊推理工具箱”对自适应水位模糊控制系统进行了仿真,取得了很好的控制效果.

摘要：在应用径向基函数RBF(Radial Basis Function)神经网络对机器人进行轨迹规划时,为解决一般学习算法中收敛速度慢、学习精度不高的问题,提出一种混合学习算法。该方法根据轨迹规划的具体要求,用最近邻聚类算法确定网络的结构和参数,通过在学习速率中加入自适应学习因子调整网络参数,以加快收敛速度。通过MATLAB软件进行仿真,结果表明混合学习算法收敛速度较快,逼近误差小,从而证明了该算法的可行性。

摘要：模糊控制是在模糊集合理论的基础上发展起来的,模糊控制器的设计不依靠被控对象的数学模型;却更依靠控制专家或操作人员的经验知识,若缺乏这样的控制经验,很难获得满意的控制效果.因此,模糊控制器应向着自适应、自组织、自学习发展,使得模糊控制参数或规则在控制过程中自动地调整、修改和完善,从而使系统的控制性能不断改善,达到最佳的控制效果.本文将表格查询学习算法和最近邻聚类学习算法采用加权平均的方法结合起来,确定系统的模糊控制规则,将其应用于电阻炉控制系统,取得了满意的控制效果.

摘要：为解决某破障武器发射架的液压随动系统因系统内部泄露、摩擦及外部负载变化等因素造成的非线性问题,采用模糊逻辑系统来逼近电液伺服系统中的未知非线性函数,利用最近邻聚类算法(NNCA)对初始参数进行归类,以降低模糊规则的数目。结合动态面控制方法设计自适应控制器以解决模糊控制带来的控制精度差的问题。仿真结果表明,该方法可以有效提高系统的抗干扰能力、破障精度并提高调炮的快速性。