摘要：Volterra级数作为一种非线性系统模型,因其具有坚实的理论基础、简洁的表示形式和明确的物理意义,在许多领域引起了广泛的研究兴趣。Volterra级数实际应用的难点在于Volterra核的辨识,随着核阶次的增加待辨识参数的数量呈指数增长。为了减少待辨识参数,文章以分段二次多小波为基函数将Volterra一阶核和二阶核展开,将问题转化为少数展开系数的估计问题。通过典型的非线性振荡器进行验证,结果表明Volterra核的辨识结果非常接近于理论值,同时由Volterra级数能准确计算系统在不同输入下的响应。此外,针对常用的输入信号无法反映非线性系统中不同频率相互作用产生的非线性影响,文中设计了一种适合于二阶核辨识的输入,称为二维扫频,与常用扫频信号相比,试验结果表明这种输入明显能更好地激励系统的非线性特性。

摘要：结合已知机理信息构造动态神经网络 ,进行了非线性动态系统的建模 ,给出了权值调整算法。利用获得的模型 ,设计了反馈线性化控制器。由训练好的网络在线提供反馈线性化所需要的信息。为了解决模型失配问题 ,采用内模控制结构来引入模型的误差反馈 ,以消除稳态误差。文中给出了仿真实例。

摘要：为了实现模糊神经网络结构和参数的同时调整,提出一种基于无迹卡尔曼滤波(UKF)的增长型模糊神经网络(UKF-GFNN).首先,利用UKF对模糊神经网络的参数进行调整;然后,设计一种基于隐含层神经元输出强度的模糊规则增长机制,实现模糊神经网络的结构增长;最后,将所提出的增长型模糊神经网络应用于非线性系统建模.实验结果显示,基于UKF的增长型模糊神经网络能够实现结构和参数的自校正,并且具有较高的建模精度.

摘要：为了提高模糊神经网络(FNN)的收敛速度和泛化能力,提出一种基于混合梯度下降算法(HG)的模糊神经网络(HG-FNN).HG-FNN通过设计FNN参数调整过程的自适应学习率,利用链式法则获取FNN参数学习过程的梯度,在实现FNN参数自校正的同时,给出HG-FNN的收敛性证明,保证HG-FNN的收敛速度和泛化能力.最后,将所设计的HG-FNN应用于非线性系统建模与污水处理过程关键水质参数预测,实验比较结果显示,HG-FNN不仅具有较快的收敛速度,而且具有较好的泛化能力.

摘要：针对径向基神经函数(RBF)网络隐层结构难以确定的问题,本文介绍了一种基于神经元特性的RBF神经网络自组织设计方法,该方法将神经元的激活活性、显著性、相关性相结合设计RBF(ASC–RBF)神经网络.首先利用神经元的激活活性,实现隐含层神经元的自适应增加,结合神经元的显著性以及神经元之间的相关性,实现神经元的自适应替换和合并,完成网络自组织设计并提高网络的紧凑性,然后利用二阶梯度算法对网络参数进行修正学习,保证了RBF网络的精度;另外,针对网络结构自组织机制给出了稳定性分析;最后通过两个基准非线性系统建模仿真实验以及实际污水处理过程水质参数预测实验验证,证明该算法的有效性.对比实验结果表明, ASC–RBF神经网络与现有的自组织网络相比,在保证泛化性能的同时,该网络的训练速度更快,而且有更紧凑的网络结构.

摘要：该文介绍了一种基于递推预报误差算法的前馈神经网络的实现方法。将该网络应用于非线性系统模型的仿真试验中取得了良好的效果。文中给出了试验的结果,并对该网络的应用进行了讨论。

摘要：针对质子交换膜燃料电池(PEMFC)系统过于复杂,难以建模,而已建立的模型难以满足PEMFC控制系统设计和应用的要求。本文利用神经网络具有逼近任意复杂非线性函数的能力,将神经网络辨识方法应用到PEMFC强非线性系统的建模中,避开了PEMFC系统内部的复杂性。模型以电池工作温度为神经网络辨识模型的输入量,电池电压、电流密度为输出量,利用500组实验数据作为训练样本,采用改进型BP算法,建立了不同温度下电池电压-电流密度动态响应模型。仿真结果表明,方法可行,建立的模型精度较高,从而为设计PEMFC实时控制系统奠定了基础。

摘要：质子膜燃料电池(PEMFC)工作被认为是21世纪最有希望的绿色发电技术,其原理涉及热力学、电化学、流体力学、传质学等理论,形成一个非线性复杂系统,难以建立数学模型。因此,该文利用模糊逻辑系统和人工神经网络具有为非线性系统建模的较强的逼近能力以及自学习能力,采用了自适应神经模糊算法,建立PEMFC温度特性模型;利用测试数据作为训练样本,在氢气压力给定的条件下,以空气(或氧气)压力和冷却水作温度为模型的输入量,电池的工作温度为输出量,建立了三种不同PEMFC温度特性模型。表明该方法具有简单、可行、精度高等优点。并为PEMFC控制系统的设计和电池性能的优化提供了基本依据。

摘要：采用基于改进粒子群算法的BP神经网络(Improved-PSO BPNN),建立质子交换膜燃料电池(PEMFC)电特性模型。PEMFC系统仿真结果表明该方法简单、有效、精度高,与采用传统BP神经网络的模型相比具有明显的优越性,为PEMFC系统建模,电池性能优化以及控制系统设计提供了新的思路。

摘要：质子膜燃料电池(PEMFC)工作原理涉及热力学、电化学、流体力学、传质学等理论,形成一个非线性复杂系统,难以建立数学模型。因此,该文利用人工神经网络具有为非线性系统建模的较强的逼近能力以及自学习能力,采用了改进型反向传播网络(BP)方法,建立PEMFC电特性模型;利用150组试验数据作为训练样本,在氢气供给满足的条件下,以空气(或氧气)流速和电池工作温度为模型的输入量,电池的电压、电流密度为输出量,建立了在不同工作温度下的PEMFC电特性模型。表明该方法具有简单、可行、精度高等优点。通过对模型输出曲线仿真的结果分析,对PEMFC控制系统的设计和电池性能的优化提供了基本依据,具有实际意义。