给出了1种隐式自校正动态矩阵控制器。利用两个辨识器证明了其全局收敛性。并给出了仿真实例

在直流电弧炉炼钢过程控制系统中,由于它的复杂机理,高度非线性加大了建模的难度.为提供适用于直流电弧炉炼钢过程优化控制的模型,提出一种引人遗传算法的神经网络建模方法,并将其用于某厂直流电弧炉炼钢过程模型的建立,获得了很好的效果.同时给出了基于现场实测数据的仿真结果

介绍了对角递归神经网络,针对BP算法收敛慢的缺点,将递推预报误差学习算法应用到神经网络权值和域值的训练.通过对非线性系统辨识的仿真及在磷化温控系统建模中的应用,验证了这种建模方法的有效性

本文讨论了对电渣炉一类时滞传递特性对象的分析方法,可用以估计模型的结构,并应用了动态数据系统（DDS）辨识过程所得自回归滑动平均（ARMA）的模型。根据微处理机的控制和运算能力,对量测随机干扰的滤波和熔化速度控制回路的调节规律,提出了可行的算法。分析了系统的组成,并应用现代控制理论最佳控制的思想,提出了今后工作要点

在金属材料内部夹杂物的超声检测中,如何通过检测获得的回波信号辨识夹杂物的属性和位置,一直是其重点和难点问题.通过建立包含夹杂物缺陷的二维金属板模型,采用有限元数值模拟的方法,对材料内部超声波场进行计算,获得了两种最典型的夹杂物Al2O3和TiN,以及二者在材料内部不同深度时的超声回波信号.研究了夹杂物类型和夹杂物深度对超声回波时域波形以及对界面波、夹杂物缺陷回波和底面回波频谱分布的影响规律

本文讨论了一类多变量系统自校正调节器的最优控制律及控制器参数辨识中的有关问题,给出了类似于单变量系统最小方差控制律的一种算法,便于计算,并具有较为简洁的形式。用此算法计算了两个实例的最小方差控制律,并与计算机仿真果进行了比较

针对一类具有空间不均匀性的辨识和回归问题，提出了基于小波分析的极限学习机方法.从多分辨率分析的思想出发，构造一簇紧支撑正交小波作为隐层激活函数，并利用改进的误差最小化极限学习机训练输出层权重，避免了新加入高分辨率子网络后的重新训练.同时，由一维多分辨分析的张量积构造了二维多分辨小波极限学习机.进而通过脊波变换将小波学习机扩展到高维空间，对脊波函数的伸缩、方向和位置参数进行优化计算.对具有奇异性的函数仿真结果证明，与标准极限学习机相比，小波极限学习机由于其聚微性能在极短的训练时间内更好地逼近目标.一些实际基准回归问题上的测试验证了脊波极限学习机在其中大部分问题上达到更高的训练和泛化精度

建立了包含裂纹缺陷的二维金属板模型.采用有限元方法，对具有不同深度裂纹的材料内部超声波场进行计算，获得了不同裂纹深度金属材料上表面的回波信号，分析了裂纹深度对超声波传播特性的影响规律.进一步分离提取不同阶次底面回波的频谱特征，获得了由裂纹缺陷引起的超声衰减系数随频率的变化关系.最后提出了通过底面回波频谱图辨识近表面裂纹缺陷的方法

本文从建模方法出发,讨论了实现多交量自校正调节的一种方法。采用适当的模型类型,可以直接用解析法计算最小方差控制律,并在自校正调节时,使需要在线辨识的参数个数减少,便于在小型机上实现实时控制。用此法对电加热炉进行控制的结果表明:其控制精度较PID和LQG法为高

3.1 概述 3.2 线性差分方程模型 3.3 线性差分方程模型的最小二乘法 3.4 递推最小二乘估计 3.5 慢时变参数的实时递推估计