588 控制理论与应州 第20卷 象，所以常规Smih补偿的方法受到很大的限制.本 研究1J川.控制与决策，1998,13(2)：141-145 文采用Elman网络补偿常规模型的建模误差，减少 (WANG Jianhui.OI Xin.GU Shusheng.Research on fuzzy Smith control strategy of time delay systems[].Cantrol and Decision, 了精确建模的要求 1998.13(2):141-145.) 1)如果纯滞后环节建模精确，即x=tp,只要 「3孙增圻，张再兴，邓志东智能控制理论与技术[M.北京：济华 Elman网络通过训练满足精度要求就可以认为完全 大学出服杜.1999 抵消了纯滞后环节对控制品质及系统稳定性的不利 (SUIN Zenggi.ZHANG Zuixing.DENG Zhidong.Theory and Tech- 影响. nlug of Intelligent Comtrol M].Beijing:Tsinghua University 2)如果纯滞后环节建模不精确，即x≠tp,则 Pns,1997.1 [4】H杰.杰，张宁河.基于Ebn阿蜂补偿模型的Smh传测控 纯滞后环节不能被完全抵消，但其不利影响可以大 制[J.北京理大学学报，2002,22(3)：343-346. 幅削弱，削弱的程度取决于其模型精确度. ('TAN Jie.C.HEN Jie,ZHANG Yuhe.Smith predictive cuntrol 通过仿真及实验结果可以看出，基于Eman网 based on Elman network cmpensatory model [Jof Beijing In- 络补偿的Smih预测控制利用了神经网络的非线性 stire of Teclnology.202,2(3):43-346.) 逼近特性及神经元自学习、白组织的能力，弥补了常 5]陈晓东，马广广富.王了才.改进的E如网络与机理惧型的互.补 建校方法J].系统仿真学报，1999,11(2)：97-100 规Smith预测控制在解决模型不确定系统中的不足 (HEN Xiaodon哩，MA Guangfu,WANG Zict,A mutually com- 之处，使得其广泛应用成为可能 psaymdeling method bsedmchanism modeln impvd Elman nctwork [J.of System Simulation.1999.11(2):97- 参考文献(References): 100. 【1:杰，能至豪，任雪悔，纯滞后系统的单神经元Sh预测物制 作者简介： [J1.f算机仿真，2001,18(1)：40-42 田杰(172-).明，工学博十.主要研究领城为估息期合 (TIAN Jie,GONG Zhiha,REN Xuemei.Single neurvo Smith pre- 智能控制等.E-mail:jict钟263.nct; dictive cono of time elay systems[Compuer Simation. 陈杰(5一》，男，工学博七，教授，博士生异师.主空研究 201.8(1}:40-42.) 领城和方向为：复杂系统的多指标优化与决策，智能控制，非线性控 [2】往钢，齐昕，懒树生，·类纯滞后系统模糊Smi的控制策略的 制，生物宿总处那等理论与方法研究.Eail:henjie@hit.cd山，m (上接第584页) 6结论(Conclusion) 934):935-948 基于Bayes统计理论，本文提出了，·种从数据 4 HECKERMAN D,GEIGER D.CHICKERING D.Leaming Bayes- ian networks:The combination of knowledge and statistical data!J 样本中学习Bayes网络的Markov链Monte Carlo方 Machine Leamting.1995.20(2):197-243. 法，首先使用先验概率和数据样本相结合得到未归 [5]KHALFALLAH F.MELLOULI K.Optimized algorithm forr leaming 一化的后验概率，然后以此指导随机搜索算法寻找 Bayesian network from data A].Prue of the Eurypean Conf on “好"的网络结构模型.对Alam网络的学习表明本 Symbolic and Quantitative Approach to Reasuning and Uncerininty 方法具有较好的性能 [C].Londkn:Cambridge Press.1999. 6]LJU J.CHANG K.ZHOU J.Leaming Bayesian networks with a hy brid couvergent methodJ].EEE Trans Systenis,Man,Cyhemet- 参考文献(References): i3.1999,29(2):436-449 7j http://www.s.buji.uc.it/labs/compbio/Repository/Datasets/ [1]COOPER G.HERSKOVTTS E.A Bayesian method for the induction alarm/alarm.htm. of prubabilistic networks from data[].Machine Leaming,1992.9 (31:309-374. 作者简介： [2 BUNTTNE W.Theory refinement on Bayesian nesworks [Aj.Prur 岳牌{1970·)，男，博士研究生，主要研定方向为概米模 of 7th Coryf Uncertainty Arificial Intelligence C1.Los Angeles C4.1991:652-660, 型.Ba到cs统计方法等.mail:ebo@rp印.xidian.e.cn: [3]CHIPMAN H,GEORGE E,McCULLAXCH R.Bayesian CART 焦李成(195州一).男，教授，博士生导师，毛要研究领城为普 线性科学，智能信息处理等. model search Jj.J of the American Staristical Association.198. i 万方数据588 控 制 理 沦与 应 片j 象，所以常规Smith补偿的方法受到很大的限制．本 文采用Elman网络补偿常规模型的建模误差，减少 了精确建模的要求 1)如果纯滞后环节建模精确，即r=r。，H要 Ehrlml网络通过训练满足精度要求就可以认为完全 抵消f纯滞后环节对控制品质及系统稳定性的不利 影响 2)如果纯滞后环节建模不精确，即r≠r。则 纯滞l,；-s4；节不能被完全抵消，但其小利影响可以大 幅削弱，削弱的程度取决于其模型精确度． 嗵过仿真及实验结果可以看出，基于Elman网 络补偿的Smith预测控制利用r神经网络的非线性 逼近特性及神经元自学习、自组织的能力，弥补了常 规Smith预测控制在解决模型不确定系统中的不足 之处．使得其广泛应用成为可能 参考文献(References) I。 …杰，垂至豪，侄雷梅纯滞后系统的单神经元Smdth预测栉制 [J]【f算机仿真，2001，18(1)：40二42 (qlAN Jie．03NG zhm∞．KEN Xuealej Single neuM Smith pre— dictive control of time delay systems【J J Con础ter Simulation， 丑的1．18(I)：40—42) 2] 1．建旰，齐听顺树生 ·粪纯滞后系统模糊Smith控制策略的 (上接第584页) 6结论(Conclusion) 基于Bayes统计理论，本文提出了‘种从数据 样本Ifl学习Bayes网络的Markov链Monte Carlo方 法苗先使用先验概率和数据样本相结合得到未归 一化的后验概率，然后以此指导随机搜索算法寻找 “好”的网络结构模型．对Alarm网络的学习表明本 方法具有较好的性能． 参考文献(References) 1 J COOPER G．HERSKOVlTS E A Baye对an method for岫induction of pttthabilisfic networks from data l J J Machine l卫aming，1992，9 【3l：30q一374 2]BUNTINE W Theory refinement(IIl Bayesian netwcvrks【A J mr of 7th驯Urwertainly Artificial tntelligerk'e[C Los Angeles， CA．199l：652—660 3 J CHIPMAN H．GEORGE E，McCULL()C7-1 R Bayefian CART nxxleI search【JJ J oftheAnwncoⅢStati_ticrdA删m胁．1098， 第20巷 研究『Jl拧制与决策，1998，13(2)：141一145 (WANG Jieamui，QJ Xfu．GU Shusheng Research o／i fuzz),Smith conrail strategy of time dalay wsl廿璐『J]Control and Dectsicw， 1998．13(2)：141 145) 31孙增圻．张再必，邓志东智能控制理论勺技术[M]J匕窟：清华 大学出版社，1997 (SUN Zengqi ZHANG Zaixing．DENG Z／aidong Theory“nm eu，logv of Intelligent Control M BeUing：T日nghua Unixersity Press 1997 1 4j Ⅲ杰．际杰，张宁河甚于Elmen网络补偿模型的Smith豫测控 制[Jl北京理『大学学报，2002，22(3)：343—346 (FIAN Jie．(：HEN Jle，日刚G Yuhe Smith predictive control based on Elman network,,'om碑nsatory model l J 』ofBeijinq，n— ttitue吖Tecfuwlogy．2002，22(3)：343—346) 5]陈晓东，码广富．王了才改进的Elman刚络与七『L理模到的巨补 建摸方法：』j系统仿真学报．1999，11(2)：97—100 ((：HEN Xiaodong．MA CbmgfIl，WANG Zicai A multtall，tom￾polsatory modeling method based Oll raechanism rrDdel and improv酣 Elman networkl J』、，of System Simulation，1999．1I(2)：97 】(X)) 作者简介： 田杰(1972一)，男，工学博十主要研究领域为信息肿台， 智能控制等E-mail：jietl神26．3／let； 陈杰(1965一)，男，工学博E。教授，博士牛导师#蛰研究 领域和方向为：复杂系统的多指标优化与决策，智能控制，啦线件控 制．生物信息处琊荨理}它与方法研究Enmil：chefljie@bit cda ctl 93(4)：935—948 。4j HECKERMAN D，GEIGER D．CHICKERING D Learning Baycs— I鲫networks：The oombination ofknowledge and statiaical dam i J J Machine Learning．1995，20(2)：197—243 [5 J籼ALLAH F．MELLOULI K o口“zd algorithm for learning Bayesian network from data[A】Pn"吖the European O．tf o?t Symbolic and Qutmtitative Approach to Reasoning and Uitcerlainty lC J London：Cambridge m％．1999． 6 J uu J，CHANGK，ZHOU J Learning Bayesian networkswith．I hy， brid convergentmethod iJ J IEEET,tms sⅧ㈣．Man，Cyhemet— ic5 1999，29(2)：436—449 【7 J http；／／www髂hWl盯il／】曲∥colT驴b讪／Re呷ltory／Dala峨∥ alarm／alarm htm 作者简介： 岳博(1970一)．男，博士研究牛．丰蚤研究^向为概牢模 型。Baye：s统计方法等E-mWI：yucbo@rspⅪ山肌曲cn： 焦李成(1959--)，男，教授，博士生导师．主要研究领域为非 线件科学．智能信息处理等 万方数据