针对神经网络初始结构的设定依赖于工作者的经验、自适应能力较差等问题,提出一种基于半监督学习(SSL)算法的动态神经网络结构设计方法。该方法采用半监督学习方法利用已标记样例和无标记样例对神经网络进行训练,得到一个性能较为完善的初始网络结构,之后采用全局敏感度分析法(GSA)对网络隐层神经元输出权值进行分析,判断隐层神经元对网络输出的影响程度,即其敏感度值大小,适时地删减敏感度值很小的神经元或增加敏感度值较大的神经元,实现动态神经网络结构的优化设计,并给出了网络结构变化过程中收敛性的证明。理论分析和Matlab仿真实验表明,基于SSL算法的神经网络隐层神经元会随训练时间而改变,实现了网络结构动态设计。在液压厚度自动控制(AGC)系统应用中,大约在160 s时系统输出达到稳定,输出误差大约为0.03 mm,与监督学习(SL)方法和无...

通过对谐波和无功电流的检测方法种类的比较,提出一种将自适应噪声对消技术用于电机谐波和无功电流检测的新方法.利用神经网络的自学习、自适应能力,解决了检测电路的实时性、精度和误差等问题.

将模型参考控制和重复控制相结合应用到多通道电液力同步加载系统中，提出了一种在线学习控制的新方法。分析了系统前向加载通道模型，并给出了算法的计算机实现。试验表明：该控制策略提高了系统的自适应能力，满足同步跟随精度的同时缩短了实验周期，具有较好的应用前景。

推土机作为牵引式作业机械的典型代表，没有作业质量和工作速度稳定性的要求，但追求速度与负荷之间的自适应能力，目的是为了充分利用发动机功率，提高作业效率，降低油耗，即追求最大的动力性、经济性和作业生产率。牵引比及比功率大小会直接影响整机的牵引性能以及发动机与负载匹配的合理性，进而影响动力性、经济性及作业效率，因此牵引比与比功率的研究对整机性能有着重要意义。