当前位置:首页 > 自然科学
先进动态系统仿真  模型复制与蒙特卡罗研究  第2版
先进动态系统仿真  模型复制与蒙特卡罗研究  第2版

先进动态系统仿真 模型复制与蒙特卡罗研究 第2版PDF电子书下载

自然科学

  • 电子书积分:10 积分如何计算积分?
  • 作 者:任翔宇译;(美)格拉尼诺·A,科恩(Granino A Korn)
  • 出 版 社:北京:国防工业出版社
  • 出版年份:2017
  • ISBN:9787118114553
  • 页数:237 页
图书介绍:本书介绍了基于DESIRE建模仿真软件的先进、前沿的动态系统仿真技术。本书共8章:1.动态系统模型与仿真;2.差分方程、限幅器和开关模型;3.快速矢量矩阵运算子模型;4.高效参数 - 影响研究及统计计算;5.真实动态系统的蒙特卡洛仿真;6.神经网络的矢量模型;7.动态神经网络;8.矢量模型的更多应用。
《先进动态系统仿真 模型复制与蒙特卡罗研究 第2版》目录

第1章 动态系统模型与仿真 1

1.1 仿真是指利用模型进行实验 1

1.1.1 仿真与计算机程序 1

1.1.2 动态系统模型 2

1.1.3 实验协议定义仿真研究 3

1.1.4 仿真软件 4

1.1.5 交互式建模快速仿真程序 4

1.2 仿真运行剖析 8

1.2.1 动态系统时程的定期采样 8

1.2.2 数值积分 10

1.2.3 采样时间和积分步长 11

1.2.4 排序定义变量的赋值 11

1.3 简单应用程序 12

1.3.1 振荡器和计算机显示器 12

1.3.2 利用可变步长积分进行空间飞行器轨道仿真 16

1.3.3 种群动态模型 17

1.3.4 拼接多个仿真运行:台球仿真 19

1.4 控制系统仿真简介 20

1.4.1 电机磁场延迟和饱和电气伺服机构 20

1.4.2 控制系统频率响应 23

1.4.3 简单导弹仿真(参考文献[12-15]) 23

1.5 停下来思考一下 27

1.5.1 现实世界的仿真:忠告 27

参考文献 28

第2章 差分方程、限幅器和开关模型 29

2.1 采样数据系统和差分方程 29

2.1.1 采样数据差分方程系统 29

2.1.2 一阶差分方程求解系统 30

2.1.3 微分方程和采样数据运算相结合的模型 32

2.1.4 简单例子 33

2.1.5 初始化和重置采样数据变量 34

2.2 两个混合连续/采样数据系统 34

2.2.1 数字控制制导鱼雷 34

2.2.2 带有数字PID控制器的受控体的仿真 35

2.3 带限幅器和开关的动态系统模型 37

2.3.1 限幅器、开关和比较器 37

2.3.2 开关和限幅器输出、事件预测和显示问题的积分 40

2.3.3 用采样数据赋值 41

2.3.4 阶梯运算符和启发式积分步长控制 41

2.3.5 例子:Bang-Bang伺服机构的仿真 42

2.3.6 限幅器、绝对值和最大值/最小值选择(参考文献[7-10]) 42

2.3.7 输出受限的积分(参考文献[4]) 44

2.3.8 模拟信号的量化(参考文献[10]) 44

2.4 利用递归赋值的高效器件模型 45

2.4.1 递归开关和限幅器运算 45

2.4.2 跟踪/保持仿真 46

2.4.3 最大值和最小值的保持(参考文献[9]) 46

2.4.4 简单的间隙和迟滞模型(参考文献[9]) 47

2.4.5 迟滞比较器(施密特触发器)(参考文献[8,9]) 48

2.4.6 信号发生器和信号调制(参考文献[7-9]) 49

参考文献 51

第3章 快速向量-矩阵运算与子模型 52

3.1 数组、向量和矩阵 52

3.1.1 数组和下标变量 52

3.1.2 实验协议中的向量和矩阵 53

3.1.3 时程数组 53

3.2 向量和模型复制 54

3.2.1 DYNAMIC程序段中的向量运算:向量化编译器(参考文献[1]) 54

3.2.2 向量表达式中的矩阵向量积 55

3.2.3 索引-移位运算 57

3.2.4 排序向量和下标变量赋值 58

3.2.5 动态系统模型的复制 58

3.3 更多向量运算 59

3.3.1 和、点积和向量范数 59

3.3.2 最大值/最小值的选择和屏蔽 60

3.4 向量等价声明简化模型 61

3.4.1 子向量 61

3.4.2 矩阵-向量的等价 61

3.5 动态系统模型中的矩阵运算 62

3.5.1 简单矩阵赋值 62

3.5.2 二维模型复制 62

3.6 物理学和控制系统问题中的向量 63

3.6.1 物理学问题中的向量 63

3.6.2 核反应堆的向量模型 63

3.6.3 线性变换和旋转矩阵 65

3.6.4 线性控制系统的状态方程模型 66

3.7 用户定义的函数和子模型 66

3.7.1 简介 66

3.7.2 用户定义的函数 66

3.7.3 子模型的声明和调用(参考文献[5]) 67

3.7.4 采样数据赋值、限幅器和开关的处理 69

参考文献 69

第4章 高效参数-影响的研究及统计数据的计算 70

4.1 模型复制可以简化参数-影响的研究 70

4.1.1 探索参数变化的影响 70

4.1.2 重复仿真运行和模型复制 70

4.1.3 对参数-影响研究的编程 73

4.2 统计数据 76

4.2.1 随机数据和统计数据 76

4.2.2 样本均值和统计相对频率 77

4.3 通过向量平均来计算统计数据 77

4.3.1 样本均值的快速计算 77

4.3.2 快速概率估计 78

4.3.3 快速概率密度估计(参考文献[2,5]) 78

4.3.4 采样范围的估计 83

4.4 复制的均值生成抽样分布 83

4.4.1 通过时间平均计算统计数据 83

4.4.2 样本复制和抽样分布统计数据 83

4.5 随机过程仿真 87

4.5.1 随机过程和蒙特卡罗仿真 87

4.5.2 随机参数和随机初始值的建模 88

4.5.3 采样数据随机过程 89

4.5.4 “连续”随机过程 89

4.5.5 模拟的噪声问题(参考文献[12-14]) 91

4.6 简单的蒙特卡罗实验 92

4.6.1 简介 92

4.6.2 赌博回报 92

4.6.3 连续随机漫步的向量化蒙特卡罗研究(参考文献[3]) 95

参考文献 98

第5章 真实动态系统蒙特卡罗仿真 100

5.1 简介 100

5.1.1 概述 100

5.2 重复运行蒙特卡罗仿真 100

5.2.1 重复仿真运行的运行结束统计数据 100

5.2.2 例子:火炮仰角误差对1776加农炮炮弹弹道的影响 101

5.2.3 顺序蒙特卡罗仿真 103

5.3 向量化蒙特卡罗仿真 104

5.3.1 1776加农炮炮弹的向量化蒙特卡罗仿真 104

5.3.2 组合式向量化和重复运行蒙特卡罗仿真 106

5.3.3 交互式蒙特卡罗仿真:用DYNAMIC程序段DOT运算计算统计数据运行时程 107

5.3.4 例子:鱼雷弹道的离差 108

5.4 含噪控制系统的仿真 110

5.4.1 非线性伺服系统蒙特卡罗仿真:噪声输入测试 110

5.4.2 由噪声引起的控制系统误差蒙特卡罗研究 112

5.5 其他主题 115

5.5.1 蒙特卡罗优化 115

5.5.2 方便的启发式伪随机噪声测试方法 115

5.5.3 蒙特卡罗仿真的备选方法 115

参考文献 116

第6章 神经网络的向量模型 117

6.1 人工神经网络 117

6.1.1 简介 117

6.1.2 人工神经网络 117

6.1.3 静态神经网络:训练、验证和应用 118

6.1.4 动态神经网络 119

6.2 简单向量赋值模拟神经元层 119

6.2.1 神经元层声明和神经元运算 119

6.2.2 神经元层级联简化偏置输入 120

6.2.3 归一化和对比度增强层 120

6.2.4 多层网络 121

6.2.5 运行神经网络模型 122

6.3 有监督的回归训练 124

6.3.1 均方回归 124

6.3.2 反向传播网络 127

6.4 更多神经网络模型 133

6.4.1 函数连接型网络 133

6.4.2 径向基函数网络 133

6.4.3 神经网络子模型 135

6.5 模式分类 136

6.5.1 简介 136

6.5.2 来自文件的分类器输入 136

6.5.3 分类器网络 137

6.5.4 例子 139

6.6 模式的简化 146

6.6.1 模式中心的确定 146

6.6.2 特征约简 146

6.7 网络训练问题 148

6.7.1 学习速率的调整 148

6.7.2 过拟合和泛化 148

6.7.3 逾越简单梯度下降 149

6.8 无监督的竞争层分类器 150

6.8.1 模板-模式匹配和CLEARN运算 150

6.8.2 用心学习 153

6.8.3 竞争学习实验 154

6.8.4 简化的自适应谐振仿效 154

6.9 有监督的竞争学习 157

6.9.1 双向分类LVQ算法 157

6.9.2 对向传播网络 157

6.10 CLEARN分类器的例子 158

6.10.1 已知模式的识别 158

6.10.2 学习未知模式 162

参考文献 164

第7章 动态神经网络 166

7.1 简介 166

7.1.1 动态和静态神经网络 166

7.1.2 动态神经网络的应用 166

7.1.3 神经网络和微分方程模型相结合的仿真 167

7.2 延迟线输入神经网络 167

7.2.1 简介 167

7.2.2 延迟线模型 168

7.2.3 延迟线输入网络 169

7.2.4 使用伽马延迟线 171

7.3 用作动态网络的静态神经网络 172

7.3.1 简介 172

7.3.2 简单的反向传播网络 172

7.4 递归神经网络 173

7.4.1 层反馈网络 173

7.4.2 简化的将上下文和输入层相结合的递归-网络模型 174

7.4.3 反馈延迟线神经网络 176

7.4.4 教师强制 177

7.5 预测器网络 177

7.5.1 离线预测器训练 177

7.5.2 真实在线预测的在线训练 179

7.5.3 预测实验的混沌时序 181

7.5.4 预测器网络图库 182

7.6 动态网络的其他应用 188

7.6.1 时态模式识别:回归与分类 188

7.6.2 模型匹配 190

7.7 其他主题 193

7.7.1 生物-网络软件 193

参考文献 194

第8章 向量模型的更多应用 195

8.1 用对数图进行向量化仿真 195

8.1.1 欧洲仿真联合会(EUROSIM) 1号基准问题 195

8.1.2 用对数图进行向量化仿真 195

8.2 模糊逻辑函数生成器的建模 197

8.2.1 规则表指定启发式函数 197

8.2.2 模糊集逻辑 198

8.2.3 模糊集规则表和函数生成器 201

8.2.4 用模糊基函数简化的函数生成 202

8.2.5 模糊集划分的向量模型 202

8.2.6 多维模糊集划分的向量模型 204

8.2.7 实例:伺服机构的模糊逻辑控制 204

8.3 偏微分方程(参考文献[11,12]) 209

8.3.1 直线法 209

8.3.2 向量化直线法 209

8.3.3 柱面坐标中的热传导方程 213

8.3.4 概论 215

8.3.5 简单热交换器模型 215

8.4 傅里叶分析和线性系统动态 217

8.4.1 简介 217

8.4.2 函数表查找和插值 218

8.4.3 快速傅里叶变换运算 218

8.4.4 线性伺服机构的脉冲和频率响应 219

8.4.5 线性动态系统的紧凑型向量模型(参考文献[14]) 222

8.5 在地图网格上复制农业生态模型 225

8.5.1 地理信息系统 225

8.5.2 景观特征演变的建模 226

8.5.3 地图网格上的矩阵运算 226

参考文献 229

附录 231

A.其他参考资料 231

参考文献 236

B.使用随书光盘 236

相关图书
作者其它书籍
返回顶部