RBF网络

摘要： 针对运动平台磁悬浮直线同步电动机驱动系统存在的非线性、耦合性以及外部扰动的不确定性问题,提出一种RBF神经网络PID自学习控制器。首先对磁悬浮直线同步电动机的结构及其运行机理进行详细介绍;并建立磁悬浮直线同步电动机的数学模型,推导出电压方程、磁链方程、水平推力方程以及水平运动方程的表达式;设计一种基于RBF神经网络的PID自学习控制器,RBF神经网络中一般采取梯度法对参数w、b、c进行整定,为能有效地缩短网络的学习时间,并减小系统的振荡,论文在RBF神经网络中引入动量因子项,通过MATLAB对控制系统进行仿真,验证RBF-PID自学习算法较PI控制器有更好的稳定性和抗扰动性。

摘要： 卷烟质量检测的关键是发现不达标产品,分析存在缺陷的原因,根据缺陷对产品优良率加以明确并进行提升。传统卷烟质量的检测通过专用仪器和领域专家的客观评定进行综合测评。本文尝试结合RBF神经网络算法,以信息化方式对卷烟质量进行全面分析诊断。首先简要概括了项目开展背景;其次介绍了现有卷烟质量检测情况,同时对建设内容进行了说明;最后分析了开发数据处理系统的必要性,供相关人员参考。

摘要： 教学质量是高职院校的办学立校之本,是高职院校作为高等教育的重要组成部分,是向社会培养输送人才的重要指标保障。基于此,文章主要对一种以定性特征为考评思路的高职教学质量评价体系进行分析探究,即RBF神经网络质量评价模型,以期帮助相关高职院校机构,采用分层分析的方法来切实解决教学质量评价问题。

摘要： 为了给隧道工程提供一个相对适宜的作业环境,降低由于机械噪声而造成的作业干扰,提出基于RBF网络的轴流式隧道通风机噪声控制方法。通过RBF网络对获取到的轴流式隧道通风机噪声消除模拟,根据模拟结果,针对噪声最大位置,设置机械噪声隔声层,控制通风机噪声。以某地区隧道工程作为实验场地,开展对比实验,实验结果表明:相比基于分布式FxLMS技术的噪声控制方法,文中所设计的控制方法在实际应用中,对噪声的控制效果更佳。

摘要： 精确可靠的列车制动预测模型对于列车制动控制系统和列车精确停车控制等应用领域意义重大,由于列车制动过程受线路条件、车型自身参数及外界天气环境等客观因素影响,是一个复杂的非线性系统,因此采用免疫RBF神经网络逼近制动系统模型.本文介绍了免疫RBF网络拓扑结构的构建方法,分析了列车制动过程模型,建立了列车制停的免疫RBF网络,并提取实车运行数据进行特征化处理后训练网络从而实现了列车制动的精准预测.经实车数据仿真实验验证,本文建立的列车制停免疫RBF网络性能优越,预测停车位置与实际值吻合率高达96.3％,具有较大应用价值.

摘要： 火电厂主汽温对象具有大惯性、大延迟和非线性时变等特性,传统的火电厂主汽温控制系统大多采用基于模型的PID串级控制.模糊控制具有不依赖于过程模型、鲁棒性强等优点,且RBF网络具有收敛速度快、逼近能力强等优点,结合模糊控制、神经网络和常规PID的优点提出了基于RBF网络模糊推理的PID串级控制系统;仿真结果表明,使用该方法设计的串级控制系统具有响应速度快,控制精度高等优点,改善了串级控制系统的性能.

摘要： 精确可靠的列车制动预测模型对于列车制动控制系统和列车精确停车控制等应用领域意义重大,由于列车制动过程受线路条件、车型自身参数及外界天气环境等客观因素影响,是一个复杂的非线性系统,因此采用免疫RBF神经网络逼近制动系统模型。本文介绍了免疫RBF网络拓扑结构的构建方法,分析了列车制动过程模型,建立了列车制停的免疫RBF网络,并提取实车运行数据进行特征化处理后训练网络从而实现了列车制动的精准预测。经实车数据仿真实验验证,本文建立的列车制停免疫RBF网络性能优越,预测停车位置与实际值吻合率高达96.3%,具有较大应用价值。

摘要： 针对典型的不稳定、高阶次、多变量、强耦合、非线性的跷跷板系统,考虑环境对跷跷板的作用,提出了一种RBF网络干扰补偿解耦滑模控制(RBF-SMC)算法.通过解耦算法对模型进行解耦,并使用RBF神经网络对模型受到的干扰和不确定项自适应逼近补偿,使系统在较小的切换增益下实现较大干扰下的跷跷板平衡控制.在Matlab和Matlab/Adams联合仿真的环境下,对该算法进行了仿真.仿真结果表明,对比传统的SMC算法,在不确定环境下,通过RBF网络对外加干扰、建模误差、模型简化、外部激励、摩擦阻尼等建模不确定性因素进行学习评估,有效地提升了系统抗干扰能力,同时降低了系统的切换增益,并在有限时间内实现了跷跷板的平衡控制.通过仿真实验结果的比较,证明了本文提出算法的有效性与可行性.

摘要： 在目标发射率未知的情况下,建立一种基于RBF(radial basis function)神经网络的红外测温方法.首先推导出目标温度同辐射亮度峰值及其波长之间的强非线性关系,明确神经网络输入变量;然后基于RBF网络对样本数据进行充分学习,建立目标辐射测温模型,该模型不需要发射率输入.利用黑体和钢板目标分别作为测试目标源,验证这种方法,得到黑体测温最大相对误差为0.016％、钢板的最大相对误差为1.08％,验证了本文测温方法的合理性.

摘要： 动车组制动过程复杂,运行环境多变.如何建立有效的列车制动模型是动车组安全高效停车的基础.针对动车组制动过程的特点,本文首先从列车制动特性和动力学角度提出列车制动的动态结构,然后运用改进的速度变异粒子群算法对模型参数辨识建立动车组制动模型.针对所建立的制动模型,采用基于RBF网络的模型参考自适应控制方法实现动车组安全准确的停车.基于CRH380AL现场运行数据的仿真结果表明,本文提出的方法满足动车组制动过程要求.

摘要： 动车组制动过程复杂,运行环境多变.如何建立有效的列车制动模型是动车组安全高效停车的基础.针对动车组制动过程的特点,本文首先从列车制动特性和动力学角度提出列车制动的动态结构,然后运用改进的速度变异粒子群算法对模型参数辨识建立动车组制动模型.针对所建立的制动模型,采用基于RBF网络的模型参考自适应控制方法实现动车组安全准确的停车.基于CRH380AL现场运行数据的仿真结果表明,本文提出的方法满足动车组制动过程要求.

摘要： 动车组制动过程复杂,运行环境多变.如何建立有效的列车制动模型是动车组安全高效停车的基础.针对动车组制动过程的特点,本文首先从列车制动特性和动力学角度提出列车制动的动态结构,然后运用改进的速度变异粒子群算法对模型参数辨识建立动车组制动模型.针对所建立的制动模型,采用基于RBF网络的模型参考自适应控制方法实现动车组安全准确的停车.基于CRH380AL现场运行数据的仿真结果表明,本文提出的方法满足动车组制动过程要求.

摘要： 动车组制动过程复杂,运行环境多变.如何建立有效的列车制动模型是动车组安全高效停车的基础.针对动车组制动过程的特点,本文首先从列车制动特性和动力学角度提出列车制动的动态结构,然后运用改进的速度变异粒子群算法对模型参数辨识建立动车组制动模型.针对所建立的制动模型,采用基于RBF网络的模型参考自适应控制方法实现动车组安全准确的停车.基于CRH380AL现场运行数据的仿真结果表明,本文提出的方法满足动车组制动过程要求.

摘要： BP网络和RBF网络是神经网络中使用颇为广泛的两种网络,同时也被广泛得使用在分类问题中.本文介绍了BP及RBF网络的拓扑结构和基本理论,并从数学角度阐述了两种算法的学习过程,其后简要得阐述了MATLAB神经网络工具箱设计BP和RBF网络的主要函数.为了比较两种网络的性能差异,最后在MATLAB环境下将两种网络分别应用在葡萄酒分类的实例中(在此实例中,葡萄酒的属性作为网络的训练和测试输入,类别作为结果),并从训练时间和分类正确率两个方面考察网络的性能.仿真结果表明,针对于此类分类问题,BP网络结构比RBF网络简单,训练速度快且精度稍高于RBF网络.

摘要： BP网络和RBF网络是神经网络中使用颇为广泛的两种网络,同时也被广泛得使用在分类问题中.本文介绍了BP及RBF网络的拓扑结构和基本理论,并从数学角度阐述了两种算法的学习过程,其后简要得阐述了MATLAB神经网络工具箱设计BP和RBF网络的主要函数.为了比较两种网络的性能差异,最后在MATLAB环境下将两种网络分别应用在葡萄酒分类的实例中(在此实例中,葡萄酒的属性作为网络的训练和测试输入,类别作为结果),并从训练时间和分类正确率两个方面考察网络的性能.仿真结果表明,针对于此类分类问题,BP网络结构比RBF网络简单,训练速度快且精度稍高于RBF网络.

摘要： BP网络和RBF网络是神经网络中使用颇为广泛的两种网络,同时也被广泛得使用在分类问题中.本文介绍了BP及RBF网络的拓扑结构和基本理论,并从数学角度阐述了两种算法的学习过程,其后简要得阐述了MATLAB神经网络工具箱设计BP和RBF网络的主要函数.为了比较两种网络的性能差异,最后在MATLAB环境下将两种网络分别应用在葡萄酒分类的实例中(在此实例中,葡萄酒的属性作为网络的训练和测试输入,类别作为结果),并从训练时间和分类正确率两个方面考察网络的性能.仿真结果表明,针对于此类分类问题,BP网络结构比RBF网络简单,训练速度快且精度稍高于RBF网络.

摘要： BP网络和RBF网络是神经网络中使用颇为广泛的两种网络,同时也被广泛得使用在分类问题中.本文介绍了BP及RBF网络的拓扑结构和基本理论,并从数学角度阐述了两种算法的学习过程,其后简要得阐述了MATLAB神经网络工具箱设计BP和RBF网络的主要函数.为了比较两种网络的性能差异,最后在MATLAB环境下将两种网络分别应用在葡萄酒分类的实例中(在此实例中,葡萄酒的属性作为网络的训练和测试输入,类别作为结果),并从训练时间和分类正确率两个方面考察网络的性能.仿真结果表明,针对于此类分类问题,BP网络结构比RBF网络简单,训练速度快且精度稍高于RBF网络.

摘要： RBF网络可以逼近任意连续非线性函数，且训练速度快，性能好，被广泛应用于过程建模和预测。网络的一个重要因素是隐层节点的选择，隐层节点过多或过少都会影响最终网络的性能。本文提出了一种改k-means聚类算法，可以自动确定最优的聚类区数，并且可使最终的聚类中心合理地分布在数据空间中。在RBF网络进行建模和预测时，采用该方法确定隐层节点的中心，跟用通常的聚类方法相比，可以大大减小网模。仿真和实际应用结果都证明该方法的有效性。

摘要： RBF网络可以逼近任意连续非线性函数，且训练速度快，性能好，被广泛应用于过程建模和预测。网络的一个重要因素是隐层节点的选择，隐层节点过多或过少都会影响最终网络的性能。本文提出了一种改k-means聚类算法，可以自动确定最优的聚类区数，并且可使最终的聚类中心合理地分布在数据空间中。在RBF网络进行建模和预测时，采用该方法确定隐层节点的中心，跟用通常的聚类方法相比，可以大大减小网模。仿真和实际应用结果都证明该方法的有效性。

摘要： 本发明公开了一种基于迭代优化RBF神经网络的网络安全态势分析方法。本发明首次通过遗传算法迭代的优化RBF网络的宽度和链接权重，在总体上维持了较低的绝对误差，并且赖交叉模型和基因突变几率进行自适应调整，使种群向有利方向迭代，加快了算法的收敛速度，混沌搜索策略也避免了算法在迭代过程中陷入局部极小值。

摘要： 本发明公开了一种基于RBF神经网络的网络入侵检测系统，设置有数据包采集模块，用于对数据包进行监听和采集，并对拦截到的数据包进行监控、管理和参数配置；数据预处理模块，抽取数据包中能够区别正常访问流量和恶意入侵流量的字段及特征并规整化形成数据报文；子特征提取模块，将数据预处理模块输出的格式化字段数据结构作为数据样本进行有效特征提取；分析判别模块，主要利用RBF神经网络对子特征提取模块所提取的特征进行分析和归类判别；结果反馈模块，将分析判别模块的判别输出结果进行处理，并分析和评估模型表现，且能够将需要调整的参数信息格式化后送至数据预处理模块和子特征提取模块。

摘要： 本发明公开了一种基于GCV‑RBF神经网络的认知无线电网络频谱的预测方法，包括如下步骤：步骤1：获取信道历史数据信息；步骤2：将信道历史数据信息作为预设的RBF神经网络的输入样本，通过OLS算法对RBF神经网络进行训练，并通过GCV评估方法获取最优的RBF神经网络结构；步骤3：根据信道历史数据信息，通过最优的RBF神经网络结构对当前频谱状态进行预测。相比于现有技术，本发明通过GCV评估方法获取最优的RBF神经网络结构，解决了训练过程中过度拟合的问题，提高了预测准确率。进一步地，RBF神经网络结构作为一种局部逼近网络，具有结构简单，收敛速度快，实时性强等优势，可以充分地适应网络的变化提高了网络的自适应型。

摘要： 本发明属于网络安全技术领域，特别涉及一种基于吸引子传播差分进化算法的径向基函数APDE‑RBF神经网络的网络安全态势预测方法，包括利用AP聚类算法对样本数据进行划分聚类，从而获得径向基函数RBF的中心和网络的隐含层节点数；利用AP聚类得出种群差异度，自适应地改变DE算法的缩放因子和交叉概率，对RBF的宽度和连接权值进行优化；同时为了避免陷入局部最优以及跳出局部极值点，对每一代种群的精英个体和种群差异度中心进行混沌搜索；确定最终RBF网络模型，输入测试数据集，输出态势预测值；本发明旨在增强泛化能力的同时，提高对网络安全态势的预测精度。

摘要： 本发明公开了一种基于RBF神经网络的网络流量测量方法，依次包括以下步骤：建立RBF神经网络模型、网络流量数据行归一化处理、RBF神经网络模型的学习算法、RBF神经网络模型的训练算法、RBF神经网络模型性能的评价。本发明通过建立了一个基于RBF神经网络的流量测量模型，给出了RBF神经网络的结构设计及基于正交最小二乘的学习算法，相对于BP流量预测模型，RBF方法预测准确度更高，能够很好地描述网络流的变化规律，具有泛化能力强、稳定性良好的特点，在网络流量预测中有较高的实用价值。

摘要： 本发明涉及一种基于混合递阶遗传算法的RBF神经网络的网络RBF评价方法，涉及信息安全技术领域。该方法将遗传算法与RBF网络结合，采用递阶遗传算法确定合理的RBF网络隐含层节点，基函数宽度和中心，再采用灰狼算法确定输出层权值，将递阶遗传算法与灰狼算法相结合，采用混合递阶遗传算法的RBF神经网络算法对网络RBF进行评价，实现了对网络RBF指标系统进行量化评估，综合考虑各能力要素的重要程度以及RBF能力水平，采用全面的，高效的，高逼真的评分方式，能够充分有效评估网络RBF效能。

摘要： 本发明公开了一种基于迭代优化RBF神经网络的网络安全态势分析方法。本发明首次通过遗传算法迭代的优化RBF网络的宽度和链接权重，在总体上维持了较低的绝对误差，并且赖交叉模型和基因突变几率进行自适应调整，使种群向有利方向迭代，加快了算法的收敛速度，混沌搜索策略也避免了算法在迭代过程中陷入局部极小值。

摘要： 本发明实施例提供一种基于RBF神经网络和贝叶斯网络的高压电气设备实时检测方法，其包括以下步骤：步骤S1，利用温度传感器采集高压电气设备的触点温度数据，并结合高压电气设备的电流、电阻和电压作为待诊断故障数据，再进行归一化预处理；步骤S2，利用三个RBF神经网络进行基本概率分配，对待诊断故障数据进行准确分类；步骤S3，利用贝叶斯网络对高压电气设备进行故障诊断。该基于RBF神经网络和贝叶斯网络的高压电气设备实时检测方法在利用拉曼光纤传感器对高压电气设备测温的基础上，并将信息融合技术用于以温度为主要参数、电流等为辅助参数的高压电气设备温度监测预警系统中，从而有效地提高诊断的可信度，减少诊断的不确定性。

摘要： 本发明公开了一种基于RBF神经网络的网络入侵检测系统，设置有数据包采集模块，用于对数据包进行监听和采集，并对拦截到的数据包进行监控、管理和参数配置；数据预处理模块，抽取数据包中能够区别正常访问流量和恶意入侵流量的字段及特征并规整化形成数据报文；子特征提取模块，将数据预处理模块输出的格式化字段数据结构作为数据样本进行有效特征提取；分析判别模块，主要利用RBF神经网络对子特征提取模块所提取的特征进行分析和归类判别；结果反馈模块，将分析判别模块的判别输出结果进行处理，并分析和评估模型表现，且能够将需要调整的参数信息格式化后送至数据预处理模块和子特征提取模块。

摘要： 本发明公开了一种基于GCV‑RBF神经网络的认知无线电网络频谱的预测方法，包括如下步骤：步骤1：获取信道历史数据信息；步骤2：将信道历史数据信息作为预设的RBF神经网络的输入样本，通过OLS算法对RBF神经网络进行训练，并通过GCV评估方法获取最优的RBF神经网络结构；步骤3：根据信道历史数据信息，通过最优的RBF神经网络结构对当前频谱状态进行预测。相比于现有技术，本发明通过GCV评估方法获取最优的RBF神经网络结构，解决了训练过程中过度拟合的问题，提高了预测准确率。进一步地，RBF神经网络结构作为一种局部逼近网络，具有结构简单，收敛速度快，实时性强等优势，可以充分地适应网络的变化提高了网络的自适应型。