简介:对具有重根的广义特征值问题,采用基于快速Fourier变换的方法进行求解,实现重根辨识.文章中采用多次单点初始激励的方式,仿真计算测点上的自由振动响应,对响应进行快速Fourier变换后得到频域数据.而后对频域数据分析,得到固有频率和多组测点振型数据.根据单频和重频处的振型特性,引入振型的余弦相似度为判别参数,辨识重根.数值算例表明,该方法可有效实现重根辨识,同时特征值的计算能达到较高精度.
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:研究了改进的Morris—Lecar(ML)神经元模型的放电节律模式和模式转化的峰峰间期(interspikeintervals,ISIs)分岔结构,通过调节模型中的两个重要参数μ和Vk,发现对于固定的μ,改变Vk,神经元呈现出从倍周期级联分岔到加周期分岔的复杂结构,放电模式从静息态转化为周期、混沌簇放电状态;若选取此分岔过程中的某一Vk值,对μ进行调节,呈现出的ISIs分岔结构在很大程度上取决于单个神经元的放电节律模式,且单个神经元处于混沌簇放电时,肛带来的分岔动力学行为较丰富.由于神经元能够通过动作电位对信息进行编码,所以我们推测,研究神经元的放电节律模式和动作电位的ISIs分岔结构能为理解神经信息编码机制提供线索.