摘要：针对路面不平度识别的问题,研究了基于车辆响应的narx神经网络识别方法及其适用性。建立了汽车振动系统4自由度平面模型,通过仿真获得车辆响应和车轮路面不平度。对于narx神经网络及其应用选择、输入方案优化和评价指标进行了研究,提出了车辆响应选择和组合优化的解决方案。采用narx神经网络识别了常用的B级路面和车速为60 km/h下某轿车的前轮路面不平度,其相关系数和均方根误差分别达到96.75%和0.0033。考虑了训练采样点数、车辆响应随机噪声、车速和路面等级的变化对训练完成的narx神经网络效果的影响,说明了基于车辆响应识别路面不平度的narx神经网络方法的适用性。研究结果表明,采用正交试验设计确定narx神经网络优化输入方案和基于车辆响应识别路面不平度取得了满意的结果,两者具有良好的适用性。

摘要：建立磁流变阻尼器的动态模型以描述其强非线性动力学行为是智能磁流变控制系统设计及应用的关键环节之一。泛化能力是衡量基于人工神经网络技术的磁流变阻尼器非参数化模型性能的重要指标,也是保证控制系统稳定性和可靠性的重要因素。基于磁流变阻尼器的动力学试验数据,提出贝叶斯推理分析框架下的非线性自回归(nonlinear autoregressive with exogenous inputs,narx)神经网络技术建立磁流变阻尼器的动态模型,通过网络结构优化和正则化学习算法的结合以有效地提高模型的预测精度和泛化能力。研究结果表明,基于贝叶斯推理的narx网络模型能够准确地预测磁流变阻尼器在周期和随机激励下的非线性动态行为,同时验证了该模型相比于非正则化模型在泛化性能方面的优越性,因此,有利于实现磁流变控制系统的实时、鲁棒智能化控制。

摘要：复杂的链式规则求导计算是动态神经网络在线学习算法中梯度向量计算的主要瓶颈,针对这一问题,根据***等人提出的动态系统梯度信息信号流图分析方法,设计了动态神经网络的在线学习算法,该算法可以直接从网络的信号流图及其伴随流图中获取目标函数关于网络参数的梯度信息,从而简化了算法梯度向量的计算。为了确保算法的稳定,根据Lyapunov稳定性定理,提出并证明了可以保证算法收敛的自适应学习速率,并且学习速率容易获得。利用narx神经网络对非线性动态系统在线辨识的仿真实例也表明了本算法的有效性。

摘要：探讨了基于外部输入循环神经网络(narx)在变工况下间接估计锂离子电池荷电状态的方法。先搭建电池等效电路模型,设计narx神经网络随电池状态切换准确预测极化电压响应的训练工况,然后设计两种不同输入类型narx神经网络,在DST和UN/ECE(Elementary Urban Cycle)两种测试工况下,进行了极化电压和SOC估计,并将估计数据与前馈神经网络直接估计数据进行比较。数据表明narx神经网络在变工况下间接估计电池SOC有较高精度。

摘要：静电悬浮控制系统中存在建模不准确及对象扰动,传统控制器只能在动态控制精度和扰动消除性能之间折衷;为了克服其对控制器精度的影响,研究了带扰动消除的自适应逆控制算法。以非线性自回归动态神经网络进行正模型、逆模型以及扰动消除控制器的实时辨识,利用基于遗传算法的改进粒子群算法进行神经网络的更新,以提高自适应收敛速度和精度。设计了基于DSP与PC的仿真环境,分别部署静电悬浮虚拟被控对象和自适应逆控制算法,实现对控制算法的实时验证。结果表明所设计的控制结构与算法可以实现对静电悬浮的稳定控制与扰动消除。利用PC和相应的I/O接口,以及所部署的实时控制算法可以实现快速控制原型,为控制器的工程实现提供基础。

摘要：精矿品位是矿物浮选过程中的一项关键工艺指标,但在实际生产中该变量难以在线检测;且该过程非常复杂,具有高度的非线性及不确定性,常用的建模方法精度不够。针对上述问题,设计了一种顺序后向回归(SBS)与非线性自回归(narx)神经网络结合的软测量算法。算法利用SBS对输入变量进行筛选以降低冗余变量对模型精度的影响,采用narx神经网络对精矿品位进行预测。工业运行数据的仿真结果表明,该算法可以有效预测精矿品位,并且与其他算法相比,具有一定的优越性。

摘要：为适应"三网融合"发展的需要,国家新闻出版广电总局提出了建设下一代广播电视无线网(NGB-W)的构想。智能引擎是下一代广播电视无线网的关键。本文提出了一种智能调度功能的设计方法,利用narx神经网络根据电视频道已知的收视人数预测下一时刻的收视人数,以此作为调度分配下一时刻网络、频段资源的依据,进而实现科学有效的调度分配网络、频段资源。

摘要：针对驾驶模拟器转向系统相对实车缺乏路感反馈这一问题,设计了一种基于narx神经网络的路感模型,实现了转向系统摩擦动态特性描述和路感模拟。首先基于dSPACE和Carsim搭建驾驶员在环数据采集平台,实现驾驶模拟器控制器局域网(CAN)通信配置。采集真实驾驶员实时数据,并对原始数据进行滤波处理,完成narx路感模型构建。最后对路感模型进行Simulink/Carsim联合仿真试验。试验结果表明,该路感模型可以有效实现路感模拟功能。

摘要：在双足式步态活动期间,人体是使用四肢之间的运动神经元协作传递来实现行走这个过程的。值得一提的是,这种神经元之间的步态运动的协作性在神经损伤之后对于神经的重塑有着转化性的康复训练意义。该研究利用上下肢的步态关联性,旨在设计1个基于健康摆动的上肢来预测下肢步态轨迹的方法,可用于帮助大多数的偏瘫患者进行重塑下肢运动神经功能。首先利用采集正常人的步态数据并加以分析。利用非线性时序预测(Nonlinear Autoregressive models with Exogenous Inputs,narx)神经网络,以上肢各关节步态转角为输入向量,下肢的髋关节和膝关节的步态转角为输出向量与反馈输入向量,建立1个相对准确且实时的下肢步态预测算法。

摘要：针对高校教室电能浪费问题,设计一种基于ZigBee的智慧教室节能系统;系统以STM32作为主控单元,由ZigBee协调器和终端节点形成的局域网络构成感知执行层,并通过Wi-Fi网络和云平台,实现控制中心对教室用电设备的状态感知和智慧控制;同时针对温控设备功率有限以及室内复杂的温度干扰环境而导致室内温度无法稳定保持在合适范围,基于KNN算法构建narx神经网络温度预测模型,实现利用已有环境数据预测下一时刻温度,以达到对教室内温度的准确控制;最后,对系统功能和改进预测算法进行了实验验证,运行结果表明该系统可以稳定运行,并可以达到精确控制用电设备实现节约电能的目的。