摘要：基于非线性动力学对海洋混响建模,提出了一种自适应非线性预测方法,通过设计一个滤波器来逼近混响信号在相空间的演化轨迹;采用在不同海域进行的两次海上实验获取的混响信号,对自适应预测方法进行验证,其单步预测结果与实验信号符合较好;以模型的单步预测误差作为检验统计量来检测混响中的目标回波,可以在一定程度上抑制混响干扰,提高信混比。

摘要：土体导热系数对于浅层地热能、地下空间等的开发利用和地层储能、核废料处置等的设计具有重要意义。在前人研究的基础上,对于同一地区同类型的土体,选取土体中固体、液体和气体的体积分数作为自变量,导热系数为因变量,利用SPSS软件RBF神经网络进行非线性预测。以在文献中收集的红黏土、粉土、高压实膨润土等数据进行计算分析,验证了该方法的优越性。然后用该方法对北京平原区浅层地热能资源地质勘查项目和杭州市萧山区浅层地热能资源调查评价项目中的数据进行了计算和预测,预测结果与实测值的平均相对误差均小于5%。

摘要：为解决当前图书馆借阅量预测方法预测精度较低、预测结果与真实结果相差较大的问题,提出以GMBP模型为核心的图书馆借阅量非线性预测方法。根据图书馆借阅量数据构建GMBP模型,结合建模结果采用混沌分析法与数据挖掘预测方法,对样本数据与测试数据进行处理和映射,在预测公式中代入测试数据数量与样本数据数量,计算图书馆借阅量原始数据的节点个数,建立样本数据与测试数据的学习样本,完成图书馆借阅量非线性预测。实验结果表明,该文方法的预测结果稳定性较好,与实际结果相差较小,预测精度较高,具有较好的应用价值。

摘要：建立了预测沥青因紫外线老化引起的性能衰减规律以及老化速率的非线性方程,并通过90#沥青紫外线老化试验验证了预测方程的可靠性。研究结果表明:非线性方程x(t)=(Lx0)/[1+(L-1)e-rt]能精确预测沥青针入度、粘度、延度因紫外线老化引起的衰减规律,并能量化沥青老化的两个基本特征:老化速率以及最终老化程度;沥青针入度、粘度、延度的老化速率在开始时刻最大,后期随老化时间的延长而逐渐变小,最后达到平衡。

摘要：煤与瓦斯突出一直是影响煤矿安全生产的重要因素,而对于煤与瓦斯突出的预测一直缺乏有效可靠的预测方法,本论文分析研究了煤与瓦斯突出的机理,及其发生突变的约束条件,在此基础上重点探讨了煤与瓦斯突出的非线性预测系统的设计,给出了系统功能设计和层次结构设计方案,在传统局域预测算法基础上进行了改进,提出了非线性预测算法,仿真结果表明,改进后的预测算法较传统的局域预测算法,具有更低的预测误差和更高的预测可靠性,对于进一步提高煤矿煤与瓦斯突出预测方面的研究,无论是在理论研究方面还是在实际应用方面均具有一定指导和借鉴意义。

摘要：针对一款海上武器随动系统的非线性、干扰未知性的难题,提出基于滑模干扰观测器(SMDO)的非线性预测控制策略,该复合控制策略利用滑模干扰观测器,对海浪波动、负载变化和系统不确定性等进行逼近,并依据观测器的输出进行前馈补偿和预测控制的模型修正,使得预测控制的滚动优化能够时刻保持在贴近实际系统的基础之上,从而实现提高整个控制策略性能的目的。在设计基于滑模干扰观测器的非线性预测控制器时,采用基于连续时间的非线性系统预测控制方法,与基于滑模干扰观测器相结合,最终设计出海上武器射击线稳定控制的复合控制律。仿真结果表明,该控制策略可以有效提高海上武器射击线稳定控制的抗干扰能力、打击目标精度以及海上武器动态稳定瞄准性能。

摘要：将神经网络原理应用于河南灵宝罗山矿区中深孔爆破效果的预测中,选取爆区岩石力学性质、炸药性能参数、爆破设计参数作为影响爆破效果的因素,建立了神经网络模型,对爆破效果包括块度、大块率、前冲距离、堑沟边帮平整度、质点振动速度进行了非线性预测。结果表明,运用神经网络预测模型对爆破效果进行预测,取得了较好的效果,同时,可以根据预测的爆破效果调整爆破参数来满足工程要求。该方法对于节省工程投资和提高工作效率有一定的实用价值。

摘要：随着大型风电场的快速发展,减小尾流效应造成的风电场能量损失成为研究热点之一。针对风电场实际运行中的风速变化以及尾流延时问题,基于尾流延时模型,建立考虑时间变量的风电场功率预测模型。以风电场输出功率最大化为目标,设计了非线性预测控制器,该控制器采用非线性预测模型,并采用PSO算法对预测时域内的性能指标进行优化,得到各台风机的控制值。基于Sim Wind Farm软件对该控制策略进行验证,并与传统风电场控制策略进行仿真比较,结果表明,这种新控制策略可以有效提升风电场的总体功率。

摘要：多电机传动系统因具有多变量、非线性和强耦合性等特点而难以建立精确数学模型。以两电机传动系统为研究对象,将构成NNC网络的RBF神经网络与常规PID控制相结合,从而实现控制参数自适应调节;用隐藏层节点动态生成的RBF神经网络构成NNI网络建立非线性预测模型,以实现传动系统的参数预测。结合NNC网络和NNI网络设计了一种基于RBF神经网络非线性预测模型的两电机传动系统控制器。实验结果表明该控制器可以实现两电机传动系统中电机转速和张力的解耦控制,动静态性能好。

摘要：在电站过程控制中定值调节占很大比例,控制系统的抗阶跃干扰性能非常重要。另外,基于机理模型的电站仿真机,能够模拟真实机组对运行人员进行培训。这种机理模型有很高的动、静态特性,完全可以用来作为预测模型,实现对未来时刻输出的预测。作者根据最优控制的设计思想,设计出了将模型预测控制和常规控制相结合的控制方案。此算法改善了对象特性,具有较强的抗干扰能力和鲁棒性,适用于大惯性、有自平衡能力的大多数热工控制对象,为非线性系统模型预测控制提供了一条新思路、新方法。