径向基

摘要： 对贯流风机流动机理进行了定性分析,得到了影响其风量的关键结构参数。采用参数灵敏度分析法,得到了各个参数对风量的影响程度和正负相关性。以关键结构参数为径向基(RBF)网络的输入参数,风量为输出参数,按影响程度分配参数权重,构建了RBF神经网络,并对贯流风机的风量进行了预测、评估。结果表明:影响贯流风机风量的关键结构参数包括蜗喉倾斜度、蜗喉间隙、蜗舌间隙、吸气角、蜗舌长度、扩压角、进风口宽度;影响程度由强到弱依次为进风口宽度、蜗舌长度、扩压角、蜗喉倾斜度、蜗舌间隙、吸气角、蜗喉间隙,其中蜗喉间隙、吸气角、扩压角和进风口宽度与风量呈正相关,蜗喉倾斜度、蜗舌间隙和蜗舌长度与风量呈负相关;构建的RBF神经网络预测值与实际值最大相对误差为4.56%,平均相对误差为2.2%;使用该神经网络,可以对贯流风机风量进行快速评估。

摘要： 结合模糊聚类、径向基神经网络和卷积神经网络,利用深度学习框架,构建了一种具有时间序列特征的轮渡客流量预测模型.首先,运用模糊聚类方法把输入的轮渡客流量数据进行聚类,聚类结果为每条模糊规则对应一个聚类数据集.接着,构建多个径向基神经网络—卷积神经网络回归器.在该回归器中,模糊聚类的数据集被转化为高维空间数据,并运用此高维数据训练卷积神经网络.最后,使用训练好的多个回归器对数据进行预测,各个回归器的预测值的均值作为预测模型的最终结果.以福州市琅岐码头的客运数据为对象,对所提出的预测模型进行验证,结果表明提出的预测模型优于其他模型.

摘要： 结合模糊聚类、径向基神经网络和卷积神经网络,利用深度学习框架,构建了一种具有时间序列特征的轮渡客流量预测模型。首先,运用模糊聚类方法把输入的轮渡客流量数据进行聚类,聚类结果为每条模糊规则对应一个聚类数据集。接着,构建多个径向基神经网络—卷积神经网络回归器。在该回归器中,模糊聚类的数据集被转化为高维空间数据,并运用此高维数据训练卷积神经网络。最后,使用训练好的多个回归器对数据进行预测,各个回归器的预测值的均值作为预测模型的最终结果。以福州市琅岐码头的客运数据为对象,对所提出的预测模型进行验证,结果表明提出的预测模型优于其他模型。

摘要： 为提高建筑电力负荷的预测精度,在考虑天气信息和日期类型等影响因素的基础上,提出基于吸引子传播(affinity propagation,AP)相似日选取和改进搜索者优化算法-径向基(fusion improvement seeker optimization algorithm-radial basis function,FISOA-RBF)神经网络的建筑用电短期负荷预测模型.采用AP算法对短期电力负荷进行相似日选取,以克服外界环境对建筑电力负荷预测精度的影响;以RBF神经网络的网络参数为优化对象,采用搜索者优化算法(seeker optimization algorithm,SOA)进行参数寻优,并引入融合改进策略提高传统人群算法的寻优性能,以进一步提高RBF神经网络的预测精度和学习速度;根据FISOA算法优化后的RBF神经网络对相似日数据进行训练,建立最优参数下的建筑短期电力负荷预测AP-FISOA-RBF模型.在相同数据集和气候特征条件下,与传统RBF、PSO-RBF和SOA-RBF预测模型相比,AP-FI-SOA-RBF模型平均预测绝对百分比误差分别降低了 93.05％、83.60％和71.13％,平均预测速度分别提高了 54.34％、39.25％和23.96％,表明AP-FISOA-RBF模型在预测精度和预测速度上的表现更好.

摘要： BP(back propagation)神经网络算法在变形预测方面存在收敛速度慢、学习效率低、容易陷入局部最小值等问题,直接影响预测结果的精准性,利用误差分级迭代法优化的神经网络能够更好地降低误差,提升预测性能.通过对比分析误差分级迭代法与BP神经网络的优势,建立误差分级迭代法模型并编制误差分级迭代法变形预测程序.采用基坑工程实测数据,经过误差分级迭代法优化后神经网络的最大误差为0.96％,与径向基神经网络预测精度相比提高3.5％,利用误差分级迭代法预测基坑变形结果其精准性较高,具有一定的实用价值.

摘要： 在低温状态下的含蜡原油由于蜡晶析出而形成凝胶体系,原油具有触变特性.含蜡原油管道输送时,由于设备检修或者意外事故等需要停输再启动,触变特性是此过程数值模拟计算的基础参数.该文应用人工神经网络理论中的径向基(Radial basis function,RBF)三层网络模型,通过MATLAB软件编程计算每层结点对应的权重系数值,线性加权得到最终的输出值.输入部分实验数据对输出值进行修正与泛化,得到最优输出值则是预测的含蜡原油触变性曲线.以平均绝对偏差评价剪切速率加载条件下不同温度的剪切应力变化曲线.结果表明,仅需少量的实验数据训练网络结构,径向基网络模型即可准确预测含蜡原油的触变特性曲线.

摘要： 科学的岗位价值评估是构建绩效工资体系的重要一环,而由于评估专家对岗位理解偏差所带来的不确定因素会导致评估数据部分失真.文章以某科研事业单位薪酬改革中实施岗位价值评估为例,探索将径向基神经网络应用在岗位价值评估中,利用人工神经网络的非线性建模功能,甄别出各评估专家对岗位的理解偏差,再有针对性地开展小范围的二次评估或是剔除偏差较大的评估专家评估数据后,实现评估的科学性、合理性、公平性.文章的研究思路可拓展至人力资源管理活动中的人才盘点、人才招聘等活动,为实现管理科学性提供借鉴.

摘要： 本文以分析预警配变设备异常状态为目的,研究基于人工智能的配变异常分析预警模式。从配变设备本体、电网环境与外部环境三方面分析配变运行状况数据,对相关数据实施数据清洗等预处理,导出对拟合模型产生影响的异常数据并将其清除,实现配变基础数据的整理;根据整理后的数据进行建模要素评估,选取设备老化、长期重过载、三相不平衡与温度过高这四个因素对配电异常风险进行评估与预警。在此基础上,选取收网算法确定人工智能技术中径向基神经网络模型的参数,利用确定参数后的径向基神经网络模型实现配变异常预警。测试结果显示该方法的预警精度达到96%以上,且采用该方法进行分析预警后,配变设备年故常率降低3.7%。

摘要： 根据中央气象台自2017年10月—2018年9月20:00起报未来72 h 0.05°×0.05°分辨率格点日最高、最低温度指导预报和国家气象信息中心格点温度实况,应用Matlab神经网络工具箱提供的newrbe函数,建立基于径向基函数(RBF)神经网络的温度预报模型,对2018年10月—2019年9月RBF预报产品进行格点检验评估,并与同期的EC模式预报产品做了对比。结果表明:(1)通过RBF模型订正后的24 h、48 h和72 h日最高和最低温度预报准确率较中央气象台指导预报(NMC)分别提高了7.21%、6.98%、5.48%和5.67%、4.46%、4.47%,均为正技巧,且春、夏、秋季预报订正效果要好于冬季;(2)分区域预报检验来看,除海源、同心、彭阳的最高温度预报和海源、惠农的最低温度预报误差偏较大外,其他区域的误差基本都小于2°C。特别是对强降温、霜冻天气的温度预报准确率高于NMC,对预报员有一定的参考价值。

摘要： 以某大跨度斜拉桥为背景,建立其ANSYS有限元模型,并在随机地震理论和动力可靠度理论研究的基础上,提出了一种基于径向基(RBF)神经网络考虑双重随机性(随机荷载和随机结构参数)的动力可靠度分析方法。根据结构静力可靠度功能函数的建立方式进行拓展,推导出在随机地震作用下结构动力可靠度分析的功能函数;然后利用RBF神经网络法对非线性隐式功能函数进行快速拟合;最后通过MALTAB线性规划算法对结构动力可靠度指标进行求解,避免了神经网络求解一阶偏导数的难题。结果表明:相较BP神经网络法,RBF神经网络具有更好的拟合精度与效率,对复杂结构引入动力可靠度分析具有实用价值。

摘要： 主要影响角正切tanβ是采用概率积分法进行矿山开采沉陷预计的主要参数之一,决定着开采沉陷的影响范围.为了提高tanβ求取精度,在分析tanβ及其影响因素的基础上,选取tanβ的5个主要影响因素作为输入层神经元,将粒子群(PSO)快速搜索全局最优解算法与径向基(RBF)神经网络相结合,提出一种求取tanβ的PSO-RBF神经网络预测模型,获得tanβ和地质采矿条件之间的非线性映射关系.运用中国30个典型观测站的实测数据作为学习训练和测试样本,进行了PSO-RBF神经网络模型的适应度和泛化能力测试,对预测结果与实测值进行了对比分析.结果表明:应用PSO-RBF神经网络模型预测tanβ,收敛速度快,预测精度高.预测结果的最大相对误差为6.54％,最小为2.56％,所得到的tanβ精度有了一定的提高.

摘要： 文章提出了一种组合聚类分析和神经网络的预测方法.聚类分析将大的数据集聚类划分为几类小的数据集,这样在每一类中,数据的相似度比较高,然后再分类训练相应的模型,最后做预测.建立加入聚类分析的径向基神经网络模型,用金融时间序列做试验,并跟径向基神经网络模型进行比较.试验结果表明,加入聚类分析的径向基神经网络模型提高了连续预测的趋势准确率,降低了时间代价,并减小了模型的复杂度.

摘要： 为了能在提高计算效率的同时也使计算结果具有较高的可靠性，本文提出了一种基于近似模型和模型管理的非线性区间优化方法，局部加密的模型管理方法通过在每个迭代中局部加密构造近似模型的样本，使得近似模型在目标函数和各约束响应边界处具有较高的近似精度，同时可以放宽在近似模型在非响应边界处的精度，节约昂贵的样本计算开销，保证了不确定优化求解结果的可靠性，达到同时提高计算效率和保证计算精度的目标。文中利用一个多参数带约束的不确定优化模型来验证该方法的有效性，最后将此方法运用到一个实际的工程问题中。

摘要： 为了能在提高计算效率的同时也使计算结果具有较高的可靠性，本文提出了一种基于近似模型和模型管理的非线性区间优化方法，局部加密的模型管理方法通过在每个迭代中局部加密构造近似模型的样本，使得近似模型在目标函数和各约束响应边界处具有较高的近似精度，同时可以放宽在近似模型在非响应边界处的精度，节约昂贵的样本计算开销，保证了不确定优化求解结果的可靠性，达到同时提高计算效率和保证计算精度的目标。文中利用一个多参数带约束的不确定优化模型来验证该方法的有效性，最后将此方法运用到一个实际的工程问题中。

摘要： 为了能在提高计算效率的同时也使计算结果具有较高的可靠性，本文提出了一种基于近似模型和模型管理的非线性区间优化方法，局部加密的模型管理方法通过在每个迭代中局部加密构造近似模型的样本，使得近似模型在目标函数和各约束响应边界处具有较高的近似精度，同时可以放宽在近似模型在非响应边界处的精度，节约昂贵的样本计算开销，保证了不确定优化求解结果的可靠性，达到同时提高计算效率和保证计算精度的目标。文中利用一个多参数带约束的不确定优化模型来验证该方法的有效性，最后将此方法运用到一个实际的工程问题中。

摘要： 为了能在提高计算效率的同时也使计算结果具有较高的可靠性，本文提出了一种基于近似模型和模型管理的非线性区间优化方法，局部加密的模型管理方法通过在每个迭代中局部加密构造近似模型的样本，使得近似模型在目标函数和各约束响应边界处具有较高的近似精度，同时可以放宽在近似模型在非响应边界处的精度，节约昂贵的样本计算开销，保证了不确定优化求解结果的可靠性，达到同时提高计算效率和保证计算精度的目标。文中利用一个多参数带约束的不确定优化模型来验证该方法的有效性，最后将此方法运用到一个实际的工程问题中。

摘要： 为了能在提高计算效率的同时也使计算结果具有较高的可靠性，本文提出了一种基于近似模型和模型管理的非线性区间优化方法，局部加密的模型管理方法通过在每个迭代中局部加密构造近似模型的样本，使得近似模型在目标函数和各约束响应边界处具有较高的近似精度，同时可以放宽在近似模型在非响应边界处的精度，节约昂贵的样本计算开销，保证了不确定优化求解结果的可靠性，达到同时提高计算效率和保证计算精度的目标。文中利用一个多参数带约束的不确定优化模型来验证该方法的有效性，最后将此方法运用到一个实际的工程问题中。

摘要： 为了能在提高计算效率的同时也使计算结果具有较高的可靠性，本文提出了一种基于近似模型和模型管理的非线性区间优化方法，局部加密的模型管理方法通过在每个迭代中局部加密构造近似模型的样本，使得近似模型在目标函数和各约束响应边界处具有较高的近似精度，同时可以放宽在近似模型在非响应边界处的精度，节约昂贵的样本计算开销，保证了不确定优化求解结果的可靠性，达到同时提高计算效率和保证计算精度的目标。文中利用一个多参数带约束的不确定优化模型来验证该方法的有效性，最后将此方法运用到一个实际的工程问题中。

摘要： 本发明能够在以规定区域作为服务提供区域的路径向导服务器存在多个时，选择适于进行终端装置（20）要求的处理的路径向导服务器。从终端装置（20）接收到处理要求的路径向导服务器（30A）判定成为处理要求对象的区域及以该区域作为服务提供区域的路径检索服务器（30B1等），当在同一区域内存在多个路径向导服务器时，取得各路径向导服务器（30B1等）持有的服务器持有数据的详细信息，根据服务器持有信息的充实度、信息数、更新日期新鲜度将表示等级的数值作为评价值，通过其合计算出各路径向导服务器（30B1等）的评价值，向终端装置（20）发送包含评价值的服务器信息，终端装置（20）根据从路径向导服务器（30A）接收的服务器信息，选择多个路径向导服务器（30B1等）之一。

摘要： 本发明公开的基于径向基网络的跨介质飞行器快速入水近似优化方法，属于飞行器总体优化技术领域。本发明实现方法为：对从空中入水过程的跨介质飞行器进行受力分析，同时考虑重力、浮力、理想流体作用力与粘性流体作用力，建立高精度跨介质飞行器的动力学模型。对跨介质飞行器的入水状态进行数据采样，调用跨介质飞行器动力学模型构造样本点，构建径向基网络模型，对跨介质飞行器入水时间进行高效准确预测，降低模型调用次数。综合考虑跨介质飞行器多种入水状态变量，建立入水时间优化模型，采用粒子群算法对跨介质飞行器入水状态设计空间进行搜索寻优，求解最优入水状态。以最优入水状态指导跨介质飞行器制定任务流程，提高任务完成率。

摘要： 本发明公开了一种基于径向基神经网络的阀控液压缸滑模控制方法，它包括a.设定神经网络权值初始值及切换函数系数；b.输入给定值；c.测量输出值；d.计算误差及切换函数；e.计算控制量；f.调整神经网络权值；g.控制器输出控制量驱动阀控液压缸并重新执行步骤c至h。本发明得到的伺服电机调节的冷镦机，排除了传统使用线性化分析模拟非线性控制过程的阀控液压缸1控制方式，而采用神经网络及滑模控制方式，对阀控液压阀的输入和输出直接进行控制接近，消除了既有的系统误差，提高了控制精度。

摘要： 本发明提供基于径向基神经网络终端滑模控制机械臂轨迹方法及系统，包括：建立n自由度旋转关节的刚性机械臂动力学模型；为刚性机械臂动力学模型设计线性双幂次转换滑模面；将线性双幂次转换滑模面中的非奇异固定时间终端滑模面代入刚性机械臂动力学模型中，据以得出未知非线性函数数据；设计并利用径向基神经网络对未知非线性函数数据进行逼近，据以获取控制器设计数据；根据控制器设计数据设计基于径向基神经网络的非奇异固定时间终端滑模控制器，据以跟踪控制机械臂在固定时间内的轨迹。本发明解决了现有技术中存在的机械臂未知模型参数、自身摩擦和外部扰动、系统奇异性、模型的不确定性产生的误差及抖振的技术问题。

摘要： 一种基于改进Levenberg‑Marquardt的径向基神经网络优化方法，属于参数优化技术领域。主要包括三个部分，即“典型样本选取”，“改进Levenberg‑Marquardt的参数优化”和“多步更新规则”。“典型样本选取”步骤：典型样本可以用来近似样本整体，利用样本之间的最小距离来表示多样性构建典型样本集，可以在网络稳定性和快速响应之间取得较好平衡。“改进的LM参数优化”步骤：利用模型参数组合重新定义学习率，消除了奇异点，保证了模型的有效稳定。“多步更新规则”步骤：通过计算典型样本集中的Hessian矩阵和梯度，使用多步更新规则以减少单个样本引入的样本误差，加速了网络收敛。

摘要： 本发明公开了一种基于宽度径向基神经网络的机械臂阻抗学习控制方法，包括如下步骤：根据机械臂结构建立机械臂的运动学模型；基于拉格朗日方程及运动学模型，在任务空间下建立机械臂的动力学模型；建立期望的任务空间回归轨迹模型以及二阶阻抗模型；构造宽度径向基神经网络以实现神经网络节点的动态调整；利用宽度径向基神经网络结合二阶阻抗模型，构建自适应神经网络阻抗控制器；基于确定学习理论获取经验知识，构建常值神经网络阻抗控制器。本方法不仅有效解决了机械臂在未知动力学信息条件下与环境交互的精确阻抗控制，而且提高了控制系统的实时性，为机械臂在与环境重复交互的情景下，提供一种新的安全可靠方法。

摘要： 本发明公开了一种基于径向基神经网络的IGBT寿命估算方法，其包括以下步骤：S1、建立IGBT器件的历史数据集；S2、利用随机采样一致性算法进行数据处理；S3、利用径向基神经网络训练数据模型；S4、估算IGBT的使用寿命。本发明采用径向基神经网络来进行模型训练，该神经网络对非线性模型具有很好的拟合效果，且网络结构简单，该方法的估算准确性高，对于提高电力电子器件的可靠性具有重要意义。

摘要： 本发明公开了一种基于径向基插值模型的血压校准方法，具体涉及健数据处理技术领域，所述方法包括：在模型血压不满足精度要求时，判断样本集中样本数量是否大于M；若是，则根据第一规则更新样本集，若否，则根据第二规则更新样本集；根据更新后的样本集，获取目标径向基插值模型，得到校准后的模型血压，以实现模型血压的校准。本发明将待校准的模型血压和其对应的校准血压进行分析对比后，根据径向基插值模型算法,进行用户模型血压的校准，随着用户提供的校准数据的增多,采用改进的多方法协作优化方法进行径向基插值模型的优化改进。本发明针对小批量的样本，可以快速有效的进行近似修正，从而提高模型血压的精准度，提高用户体验感。

摘要： 本发明提供了一种基于径向基神经网络的雷达有源压制干扰识别方法及系统，包括如下步骤：特征分别提取步骤：选择雷达有源干扰信号的时频域特征，对时频域特征进行分析和提取，完成预处理；神经网络训练步骤：选择RBF神经网络参数特征，确定RBF神经网络结构，并对所选择的参数特征构成的数据集进行训练集和测试集划分，分别进行RBF神经网络的训练和测试，得到RBF神经网络模型；识别结果输出步骤：将训练好的RBF神经网络模型用于雷达有源干扰样式识别，将经过预处理的时频域特征作为RBF神经网络模型的输入，得到RBF神经网络模型的输出结果。本发明能够提高雷达有源压制识别概率，为实现雷达有源压制干扰识别解决了技术难点。

摘要： 基于径向基神经网络的智能开关可靠性分析方法，包括：构建智能开关可靠性分析的径向基神经网络，获取智能开关的状态数据；基于多组训练数据对径向基神经网络进行训练学习；使用完成训练的径向基神经网络进行迭代计算，得到智能开关的可靠性预算值；可靠性预算值小于可靠性阈值，发出智能开关可靠性不足的警告。能够实现对电网中智能开关的可靠性进行数据采集及分析，并根据可靠性不足的结果有针对性的报警，保证电网的安全顺畅运行。