摘要：阐述了基于神经网络的结构优化设计原理 ,提出了基于神经网络的结构优化设计的模拟退火算法 ,为了提高模拟退火算法的收敛速度 ,提出了改进的惩罚算子计算公式·用两个桁架结构的优化设计算例验证了所提方法的有效性与准确性·研究结果表明 ,该方法较之其他优化方法更准确 ,更有效·

摘要：神经网络的性能由其训练算法和拓扑结构共同确定.为了解决设计网络结构的动态调整问题,论文给出了一种神经网络结构动态设计方法.以隐含层神经元输出的贡献对模型输出敏感度进行分析,从而调整神经网络结构,对贡献太小的神经元予以删除,对贡献值太大的神经元利用最邻近法在其附近插入新的神经元.通过对非线性函数进行逼近和对非线性系统关键参数进行预测证明了该方法的有效性.

摘要：基于正交试验设计和FLAC3D建立的学习样本以及测试样本,通过工程现场获取的围岩位移信息,用神经网络建立待反演参数与围岩位移之间潜在的映射关系。研究结果表明:利用该神经网络的仿真预测功能,结合遗传算法搜索反演参数的最优解,从而实现位移反分析;可将反演结果反馈于隧道支护结构的设计,实现隧道的信息化施工与设计。

摘要：为了实现准确快速设计宽带匹配网络的目的,提出了基于人工神经网络设计宽带高效功率放大器的新方法。通过对匹配网络及晶体管阻抗特性的分析,借助人工神经网络对功率放大器的匹配网络进行建模。结合训练模型与优化方法设计宽带匹配网络初值,在指定的频带内满足晶体管最优阻抗随频率变化的曲线。选择商用的氮化镓高电子迁移率晶体管,分别设计了六阶低通网络为输入和输出匹配网络,实现了一款工作在0.2~1.6GHz的宽带高效率功率放大器。仿真结果表明,在0.2~1.6GHz(轴比带比约为156%)的带宽范围内,功率放大器达到64.5%~80.5%的漏极效率,输出功率为40.0~41.6dBm,频带内增益为11.1~12.6dB。该方法提升了宽带功率放大器匹配网络的设计速度与准确性。

摘要：针对风力机叶片在各基本随机变量相互影响下强度极限状态难以界定的问题,提出广义回归神经网络正逆预测结合的风力机叶片强度可靠性分析方法。通过神经网络逆预测模型估算叶片失效时各随机变量状态,利用有限元分析法校核后作为强化样本用于神经网络正预测模型的训练。将该方法构建的神经网络模型与通过更多随机样本构建的模型进行比较。结果表明:前者的学习样本数量减少26%,测试集均方误差降低48.19%,平均绝对百分比误差降低58.24%,因此通过该方法构建的神经网络模型在叶片失效边界区域具有更好的预测性能。利用该模型计算叶片的强度可靠性,进一步验证了该方法的有效性。

摘要：为了解决通流特性分析程序中原始模型对压气机性能预测精度不足的问题,提高压气机通流特性分析过程的可靠性,基于对大量多圆弧叶栅的数值模拟结果建立了压气机叶栅性能数据库,并以该数据库为依托,采用神经网络建模方法建立了压气机叶栅基准损失系数和基准落后角模型。结果显示:两模型对叶栅基准损失系数和基准落后角的预测精度均满足工程应用要求,其精度分别为±0.002和±1°。在对采用神经网络模型的通流特性分析程序校验过程中发现,其无论对压气机整机性能还是对流动细节的预测精度上都获得了显著提高,尤其是在主流区。此外从压气机整体特性上看,基准损失系数和基准落后角精度的提高对非设计工况损失系数和落后角的预测精度影响是积极的。

摘要：针对常压潜水装具的航向控制,设计了基于自适应神经网络的滑模航向控制器。详细介绍了控制器的设计过程,并利用Lyapunov稳定性判据,证明了系统存在着参数不确定性、时变项和外干扰时的稳定性。通过仿真,验证了该控制器在常压潜水装具(ADS)航向控制方面具有良好的控制性能。

摘要：在皮层神经元放电活动模型的基础上进行单关节自发运动的研究,从控制理论的角度分析闭环脑机接口的工作原理.使用卡尔曼滤波器和人工神经网络设计系统的解码器替代原系统的脊髓电流,并且比较这两种解码器的优劣.由于在无感知反馈的信号下,解码器的性能下降得比较明显,使用强化学习中Actor-Critic算法结合人工神经网络设计PID控制器,用以产生刺激信号来刺激大脑皮层神经元,使其能够跟踪有感知反馈信号时皮层神经元的放电活动,从而恢复解码器的性能.最后,通过与其他控制算法对比,验证了基于强化学习算法的人工感知反馈信号设计的有效性.

摘要：针对制导控制一体化(IGC)模型中的不确定性难以进行估计补偿的问题,提出了基于神经网络的IGC反演设计方法。首先,根据弹目相对运动关系以及导弹自动驾驶仪模型建立了三维空间中的IGC模型。其次,针对由目标机动引起的模型不确定性,提出应用高阶滑模微分器(SMD)对导弹导引头获得的弹目相对运动信息进行微分,从而估计出目标加速度的方法,然后考虑导弹自身由于参数摄动以及未建模动态引起的模型不确定性,应用SMD和神经网络模型进行在线逼近补偿,基于反演控制理论设计了带有SMD和神经网络模型的IGC算法,应用李雅普诺夫稳定性理论对所设计的控制算法进行了稳定性证明。最后,进行了导弹六自由度仿真,验证了所设计控制算法的有效性。

摘要：针对一类未知非线性系统 ,提出了一种输出反馈控制方法 .首先 ,在假设系统状态已知情况下设计状态反馈控制器 ,实现跟踪性能 ;然后 ,在系统状态不完全可测的情况下 ,通过设计高增益观测器对系统的状态进行估计 ,实现输出反馈控制器设计 .