简介：滚动轴承的故障信号往往是微弱的周期信号,而混沌振子对特定频率的微弱周期信号十分敏感,可以有效地检测出故障信号.介绍了混沌振子的数学模型和基本检测原理,以及策动力临界阈值的确定方法.将混沌振子检测法应用于滚动轴承外圈、内圈和滚动体故障信号的检测中,通过输出相图的变化来判断故障信号是否存在,有效地实现了对滚动轴承故障信号的检测.

简介：传统PID控制在控制系统中有广泛的应用,但是由于其在参数整定过程中对于对象模型过分依赖,并且参数一旦整定计算好后,在整个控制过程中都是固定不变的,而在实际系统中,由于系统状态和参数等发生变化时,过程中会出现状态和参数的不确定性,系统很难达到最佳的控制效果.为了改善传统PID控制的效果,又充分利用现有PID控制的研究成果,采用BP神经网络对PID参数进行整定,并对该系统进行了仿真分析.仿真结果表明,采用BP神经网络整定的PID控制较传统PID算法及BP网络算法都有较大程度的提高.

简介：针对无人动力伞在执行任务时常常在低空、城市上空等复杂气流环境飞行，无人动力伞的响应特性受到飞行速度、航向角和各种风的综合影响，具有的非线性和不确定性．导致事先设计的控制规则不再适合，对此基于PID的控制算法难以达到满意的控制效果．本文提出了一种模糊神经网络控制无人动力伞航向控制策略，利用RBF神经网络所特有的局部逼近能力，对模糊控制规则进行在线推理并获得连续输出，采用GA算法对神经网络参数进行调整来实现对模糊控制器规则库的优化和模糊规则的自动生成．使控制器能够进一步适应无人动力伞实时控制中的时变性和不确定性，保持良好的控制性能；仿真表明算法是可行的．

简介：用最大Lyapunov指数构造遗传算法中的适应度函数，通过遗传算法优化神经网络的权系数．根据所得到的适应度函数和权系数来构造遗传神经网络控制器，从而提高神经网络控制效果．对离散系统Logistic映射和连续系统Rossler方程、AFM（原子力显微镜）悬臂梁振动系统的混沌运动分别进行了仿真控制．数值实验结果表明本文改进的遗传神经网络控制方法对离散或者连续的混沌系统都能控制到低周期轨道上去，证明了算法的有效性．

简介：利用CMAC神经网络与PID控制算法,提出了一种针对飞行器挠性结构振动的混合控制方法.首先在给出系统动力学方程的基础上,利用CMAC神经网络的具体特点,给出了神经网络算法;进而将PID控制算法引入控制系统,形成了一种混合控制方法,该方法具有CMAC神经网络与PID控制算法两者的优点.最后针对复杂的飞行器挠性结构振动问题进行了实例仿真,说明了算法的有效性.

简介：用单一理论和方法对复杂系统进行故障诊断效果不太好．文章讨论了基于神经网络和模糊系统的故障诊断以及它们之间结合方式的特点，提出了一种保障工业生产安全可靠运行的有效方法：分级故障诊断算法＋过程监控与报警，仿真并设计了基于工控网络的工业过程故障诊断与报警系统．研究表明基于径向基函数神经网络＋模糊逻辑的算法具有较快的训练速度和较好的泛化能力，可识别多回路故障．

简介：探讨了漂浮基空间机械臂系统在轨捕获参数未知目标卫星后组合体航天器的镇定控制问题.首先在耦合空间机械臂系统捕获目标卫星操作过程动量、冲量的传递的基础上,建立了适用于漂浮基空间机械臂系统在轨捕获漂浮卫星控制系统设计的组合体航天器数学模型.利用该模型,设计了一种基于模糊高斯基神经网络的非奇异Terminal滑模控制算法.提出的控制算法不仅不要求系统动力学方程关于惯性参数呈线性函数关系,而且也不需要预知系统惯性参数;由于利用神经网络的自学习能力修正模糊控制的控制规则和隶属函数,这样在系统参数识别中,模糊神经网络可减少模糊规则数,更适应于空间机械臂系统在轨捕获的实际应用.最后通过仿真试验对比结果验证了所提出的控制算法的有效性.

简介：提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制.这种模糊神经网络利用B样条基函数作为隶属函数,可在线根据误差调整隶属函数的形状,使模糊神经网络具有更强的学习和适应能力.仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制,具有很好的性能.

简介：提出了一个新的加速增长的加权网络模型．与以前的边权固定模型或边权局部分配模型相比，该模型允许流被全局更新，并给出度、边权、与点强度分别服从幂律分布．特别地，这些幂律指数是非普适的而且依赖于两个网络参数．该模型还指出点强度高度依赖于度并且它们之间服从幂律关系，这与许多的实证研究结果相符．数字仿真验证了理论预测的正确性．

简介：采用Hodgkin-Huxley神经元模型,在二维随机神经网络中引入局部扩散功能缺陷,研究了神经网络中非对称缺陷附近的方形失去扩散功能的缺陷对螺旋波动力学行为的影响.缺陷使螺旋波降低传播速度的行为与缺陷的位置和尺寸有关：靠近螺旋波中心的缺陷影响最为显著,当缺陷远离中心位置时,缺陷的作用明显减弱;缺陷尺寸越大,影响也越显著.同时观察到,在弱耦合神经网络中,缺陷的存在导致了螺旋波的漂移现象.进一步研究缺陷和通道噪声同时存在时系统时空斑图的演化行为,结果发现,噪声作用下缺陷处形成了新的波源.最后,通过分析神经元放电节律和平均膜电位的变化揭示了缺陷对神经网络时空行为影响的机理.

简介：利用参数互异的Fitzhugh—Nagumo神经元构建了含耦合时滞的无标度神经元网络模型，通过数值模拟的方法，提出研究参数异质性和耦合时滞影响下神经元网络的共振动力学．结果发现，当耦合项中不含时滞时，适中的参数异质性能够使得神经元网络对外界弱周期信号的响应达到最优，即适中的参数异质性能够诱导神经元网络的共振响应，而且异质性诱导共振对耦合强度具有鲁棒性．更重要的是，耦合时滞对参数异质性作用下神经元网络的共振特性也有着显著性影响．当时滞约为信号周期的整数倍时，神经元网络能够周期性地出现共振现象，即适当的耦合时滞能够诱导神经元网络的多重共振，而且这种现象在异质性参数的适当范围内都能明显出现．

简介：研究了单个ML神经元的放电模式及其动力学特征．通过快慢动力学分析得出随着参数的变化，神经元可以呈现出静息态、簇放电及峰放电等多种放电模式．本文同时研究了耦合强度和时滞对突触耦合的两个神经元同步的影响．在无时滞时，随着耦合强度的增大，耦合神经元的在相同步得到增强．而在某段时滞范围内，神经元在比较小的耦合强度下就能达到同步，这说明有效的时滞能够增强同步．此外，时滞只能在某些耦合强度下才对耦合系统的同步起作用．

简介：研究了具有有界耦合函数的不确定复杂动态网络的脉冲同步问题．根据脉冲控制的概念和脉冲微分方程的稳定性理论，我们利用一个灵活有效的脉冲控制实现了复杂动态网络的脉冲同步．最后，通过对混沌系统做网络节点的动态网络的数字模拟，验证了我们提出的脉冲控制方案的有效性和实用性．

简介：本文提出了一种改进的注意力选择模型，在这个模型中，周边神经元代表初级视觉皮层的神经元，中心神经元代表更高级视觉皮层中的神经元．生理实验发现方向选择性是初级视觉皮层神经元的重要特性之一，所以模型除了考虑外部刺激的强度，也考虑了初级视觉皮层中的神经元的方向选择性．仿真结果显示改进后的模型能够选择具有不同方向选择性的目标，并且能从一个目标转移到另一个目标．和原模型相比，改进后的模型更符合生理背景．该模型的动力学分析结果，对于理解视觉神经系统的编码有一定的帮助．

简介：采用神经元二维映射模型，通过数字仿真研究了高斯白噪声对神经元非线性动力学特性的影响．研究发现，噪声可以诱导具有次阈值输入信号的神经元产生动作电位和随机共振．随机共振现象的产生与否和噪声强度的大小以及输入信号的频率具有密切的关系．另外，还研究了系统的控制参数对随机共振现象的影响．

简介：在能量编码原理的基础上,利用哈密尔顿函数得到了大脑皮层内大规模神经元集群在阈下和阈上互相耦合时神经元电位变化的能量函数.根据神经电生理的实验数据得到了高斯白噪声条件下神经元电位活动的膜电位运动方程.研究结果表明：本文得到的膜电位的均值恰是先前已发表的膜电位运动方程的精确解.在这个基础上,还得到了神经元集群编码的哈密尔顿函数随时间的演变过程,即神经元集群随时间的能量演化过程的定量表达式.

简介：通过对龙虾心脏神经节模型的研究，从非线性动力学角度对模型所产生的簇发放做了详细的分析，讨论了不同电生理参数条件下，模型簇发放中所蕴含着的丰富的动力学性质，如：峰峰间距（InterSpikeIntervals，ISis）的加周期分岔和倍周期分岔等．通过模型分析结果可进一步理解龙虾心脏神经节动作电位簇发放中所蕴含的丰富的发放模式和节律编码.

简介：在神经元的生理实验中经常观察到丰富的钙振荡模式，本文详细综述了产生这些现象的钙流交换机理和各类通道调节机理，以及描述这些生理机理的数学表达式．介绍三类典型的研究钙振荡的非线性动力学模型，即电压动力学与钙动力学相耦合的模型，多个钙存储单元之间钙流平衡的模型和考虑信使物质IP3的振荡与钙振荡相互作用的模型；并针对第一个模型简要地讨论其复杂的动力学行为；最后对神经元钙振荡的非线性动力学研究提出了一些展望．

简介：浦肯野神经元是小脑皮层唯一的输出神经元,其传入纤维主要包括来自橄榄核的盘状纤维和来自皮层颗粒神经元的平行纤维.基于与实际神经系统十分相似浦肯野神经元回路模型,本文研究了回路中三种神经元（浦肯野神经元,颗粒神经元,盘状纤维）的相位响应曲线（PRC）并结合它们各自的f-I曲线对来区分三种神经元的兴奋性;进而对不同类型的神经元之间的同步性进行分析,着重考察了不同神经元之间突触的电导系数与浦肯野神经元树突上的CaP电导系数的影响等,分析结果显示神经元之间同步性对于它们信息传递起着重要作用.

简介：基于动力系统的稳定性理论、数值计算分岔图和线性化系统的最大Lyapunov指数,研究了经兴奋性化学耦合的快峰神经元的同步动力学.研究表明,随着一些关键参数的改变,耦合神经元能呈现丰富的同步行为,如各种周期的同步和混沌的同步.研究结果对理解神经元系统的同步运动具有指导意义.