径向基函数(RBF)

摘要： 采用有限元法(FEM)进行水下壳结构振动响应分析,边界元法(BEM)进行结构振动声学分析;组合有限元法与边界元法构成耦合FEM-BEM方法进行水下薄壳结构声振强耦合分析。为了克服传统拉格朗日函数近似几何模型与物理场插值计算时的不连续与低精度问题,采用Loop细分曲面等几何法构建几何模型,并采用相同的样条函数进行物理场高阶插值计算,实现水下声振强耦合系统的CAD/CAE的集成分析。随机性分析致力于研究系统输入的不确定造成的输出不确定。蒙特卡罗模拟(MCs)因简单直接被认为是解决复杂多维不确定性问题的通用工具,然而巨大的计算成本降低了其适用性。采用本征正交分解(POD)和径向基函数(RBF)可降低计算成本,提高计算效率,实现基于MCs的快速随机性分析。考虑结构材料属性参数以及结构形状参数的不确定性对计算结果的影响,采用MCs分析随机变量下的结构声学响应的统计特征。最后通过若干算例验证该算法的正确性与有效性。

摘要： 为了明确移动基站架设在高压输电铁塔上对电力运检人员的电磁辐射影响,对移动基站共址高压输电铁塔的电磁场分布特性进行了研究.在4G基站共址220 kV高压输电铁塔的真实场景下开展了电磁场强度测量,获得了铁塔周围地面区域和铁塔内部垂直方向上的场强测量数据;基于射线追踪仿真,在实测验证的基础上,全面分析了移动基站共址高压输电铁塔的电磁场分布特性,并根据实测和仿真结果提出了强中弱场区划分方法;将径向基函数(radial basis function,RBF)神经网络应用于场强预测,建立了电磁场分布特性预测模型.结果表明所提出的模型能够较为准确地实现移动基站共址高压输电铁塔场景下的场强预测,可为移动基站共址高压输电铁塔的安全运检工作提供参考.

摘要： 为了提高卫星结构优化的设计质量和计算效率,结合径向基函数(RBF)代理模型和自适应模拟退火(ASA)算法提出了一种基于高保真度动态代理模型(HFDSM)的全局优化方法.该方法依据全局优化结果构造了一种搜索空间自适应更新策略,在优化过程中完成搜索空间的更新后,在其内部补充样本点以及重建近代理模型,并以最优解的预测误差和目标函数的下降程度作为优化过程收敛的判定准则,保证了优化的全局收敛性和最优解处的模型精确性.高维测试函数和工字梁算例的优化结果表明,该方法不仅能获得高精度的优化结果,还显著提高了优化求解的效率.最后,采用该方法求解某高维卫星结构优化问题,优化结果巾结构基频及动力学响应等约束函数的最大预测误差仅为0.65％,并且相对于直接采用自适应模拟退火算法进行求解,时间成本降低了50％以上,从而验证了该方法在求解卫星结构设计优化问题时具有很高的精确性和计算效率.

摘要： 致密砂岩储层具有物性差、孔隙结构复杂、非均质性强等特点,导致利用传统方法难以精确预测或计算其相对渗透率和含水率.为此,文中提出基于径向基函数(RBF)的神经网络预测相对渗透率方法:在介绍RBF神经网络原理的基础上,选择高斯函数和最近邻聚类算法构建网络模型;以含水饱和度、核磁束缚水饱和度、孔隙度、渗透率等四参数为输入,油、水相对渗透率为输出,根据误差分析确定最佳相对渗透率预测网络模型及参数;最后采用分流量方程计算得到储层含水率.将该方法应用于鄂尔多斯盆地陇东地区延长组长8储层,预测的油、水相对渗透率与相渗实验结果一致,计算的含水率与测试结果吻合.

摘要： 针对使用频响函数进行有限元模型修正存在的时间成本和精度问题,结合模态参与变异系数法和模态动能法分别优化激励点和测点,使获得的模态信息更完整;然后,引入径向基函数(RBF)模型减少原有限元模型计算次数,并根据均方根误差准则对所构建代理模型的参数(spread)进行优选,提高模型预测精度;最后,选用一个36自由度的二维桁架模型进行可行性验证,对比有限元法、Kriging模型及二阶响应面模型的修正精度和迭代时间,结果表明,本文方法具有较好的优势.

摘要： 随着信息技术的快速发展,如何利用大数据进行有效分析已经成为各行业关注的焦点。大数据必然带来数据噪声和数据冗余,传统的大数据预处理方法没有考虑变量之间的函数关系,常用的大数据建模工具不能有效地对包含复杂非线性关系的大数据进行建模。文章提出了一种融合DEA与RBF的预测方法(DEARBF),利用DEA对大数据进行预处理,筛选出有效数据,然后利用RBF对所得数据进行建模,并与未经预处理的原始数据的预测精度进行比较。结果表明,DEA-RBF方法的预测效率更高、预测精度更好。

摘要： 为建立软土常规物理参数与压缩模量之间的模糊数学关系并对土体压缩模量进行预测,以27个钻孔中90件高质量淤泥及淤泥质土试样的土常规物理参数及压缩模量数据作为研究的数据源,基于MLP和RBF神经网络分别以tanh、sigmoid和标准径向基函数、一般径向基函数为激发函数建立不同的“软土物理参数—压缩模量”神经网络预测模型.结果显示,通过优选可以得到对于Es1-2预测值和Es2-4预测值的MRE分别在5％左右和11％以下、RMSE分别在6％左右和14％以下预测模型.结论表明,在一定误差的允许范围内,基于神经网络可以依靠软土的常规物理参数对压缩模量进行预测.

摘要： 为提高工业控制领域中多变量、非线性、强耦合系统的解耦能力和动态特性,基于聚类结合算法和神经网络原理,提出了一种改进的基于动态径向基函数(RBF)神经网络的多变量解耦控制方法.采用聚类结合算法优化动态RBF神经网络,更好地描述了控制对象的动态行为,获得了PID参数在线调整信息,实现了多变量非线性系统的解耦控制.仿真结果表明,与基于常规RBF神经网络的PID控制方法相比,该方法具有更高的控制精度、更快的系统响应以及更好的适应性和鲁棒性,是解决多变量、非线性和强耦合问题的一种简便、有效的控制算法.

摘要： 为提高工业控制领域中多变量、非线性、强耦合系统的解耦能力和动态特性,基于聚类结合算法和神经网络原理,提出了一种改进的基于动态径向基函数(RBF)神经网络的多变量解耦控制方法.采用聚类结合算法优化动态RBF神经网络,更好地描述了控制对象的动态行为,获得了PID参数在线调整信息,实现了多变量非线性系统的解耦控制.仿真结果表明,与基于常规RBF神经网络的PID控制方法相比,该方法具有更高的控制精度、更快的系统响应以及更好的适应性和鲁棒性,是解决多变量、非线性和强耦合问题的一种简便、有效的控制算法.

摘要： 为提高工业控制领域中多变量、非线性、强耦合系统的解耦能力和动态特性,基于聚类结合算法和神经网络原理,提出了一种改进的基于动态径向基函数(RBF)神经网络的多变量解耦控制方法.采用聚类结合算法优化动态RBF神经网络,更好地描述了控制对象的动态行为,获得了PID参数在线调整信息,实现了多变量非线性系统的解耦控制.仿真结果表明,与基于常规RBF神经网络的PID控制方法相比,该方法具有更高的控制精度、更快的系统响应以及更好的适应性和鲁棒性,是解决多变量、非线性和强耦合问题的一种简便、有效的控制算法.

摘要： 为提高工业控制领域中多变量、非线性、强耦合系统的解耦能力和动态特性,基于聚类结合算法和神经网络原理,提出了一种改进的基于动态径向基函数(RBF)神经网络的多变量解耦控制方法.采用聚类结合算法优化动态RBF神经网络,更好地描述了控制对象的动态行为,获得了PID参数在线调整信息,实现了多变量非线性系统的解耦控制.仿真结果表明,与基于常规RBF神经网络的PID控制方法相比,该方法具有更高的控制精度、更快的系统响应以及更好的适应性和鲁棒性,是解决多变量、非线性和强耦合问题的一种简便、有效的控制算法.

摘要： 在介绍径向基函数神经网络基本原理的基础上,提出了基于RBF的数字模式识别的设计及其原则,包括识别数字网络模型结构、最近聚类学习算法等问题.

摘要： 在介绍径向基函数神经网络基本原理的基础上,提出了基于RBF的数字模式识别的设计及其原则,包括识别数字网络模型结构、最近聚类学习算法等问题.

摘要： 在介绍径向基函数神经网络基本原理的基础上,提出了基于RBF的数字模式识别的设计及其原则,包括识别数字网络模型结构、最近聚类学习算法等问题.

摘要： 在介绍径向基函数神经网络基本原理的基础上,提出了基于RBF的数字模式识别的设计及其原则,包括识别数字网络模型结构、最近聚类学习算法等问题.

摘要： 提出一种新型预测支持系统，预测分析方法采用基于径向基函数的神经网络方法，所有预测支持系统的数据均放在数据仓库内，针对不同预测支持子系统，通过在线分析处理（Ｏ－ＬＡＰ）及数据开采，从数据仓库中提取综合数据和信息，作为预测输入样本。仿真及实际应用表明了该方法的有效性。

摘要： 提出一种新型预测支持系统，预测分析方法采用基于径向基函数的神经网络方法，所有预测支持系统的数据均放在数据仓库内，针对不同预测支持子系统，通过在线分析处理（Ｏ－ＬＡＰ）及数据开采，从数据仓库中提取综合数据和信息，作为预测输入样本。仿真及实际应用表明了该方法的有效性。

摘要： 本发明公开了一种结合径向基函数和核主成分分析的太赫兹光谱识别方法，用于有效对太赫兹光谱进行降维且能解决太赫兹光谱线性不可分时的分类问题，本发明通过对待测物质进行制样处理，再将制样处理后的待测物质样品放进太赫兹时域光谱系统中得到待测样品的太赫兹光谱，采用滑动平均滤波法对待测物质的太赫兹光谱进行去躁处理，再使用径向基函数映射，最后利用核主成分分析进行降维处理得到特征，并将特征输入到经过训练的支持向量机进行分类得到物质识别结果。本发明提出了结合径向基函数和核主成分分析的方法提取太赫兹光谱特征，该方法提取得到的特征聚类效果好，分类准确率高。

摘要： 本发明提供了一种基于径向基函数模型的翼身融合水下滑翔机外形优化方法，建立翼身融合水下滑翔机外形参数化模型，将翼身融合水下滑翔机滑翔过程的计算域和划分网格，并滑翔过程的控制方程和湍流模型，通过计算翼身融合水下滑翔机滑翔过程中升阻比大小，建立径向基函数模型，从而计算翼身融合水下滑翔机最优外形。本发明建立了适用的翼身融合水下滑翔机外形设计优化数学模型，介绍了基于径向基函数模型的翼身融合水下滑翔机外形设计优化方法，为研究翼身融合水下滑翔机外形设计优化提供了参考依据，并可作为翼身融合水下滑翔机外形水动力性能研究。

摘要： 一种数据分析方法与系统，包括产生第一节点，确定所述第一节点的第一超立方体，确定样本是否存在于所述第一超立方体内。若所述样本不存在于所述第一超立方体内，则所述方法包括确定所述样本是否存在于第一超球体内，其中所述第一超球体具有与所述第一超立方体的对角线相等的半径。

摘要： 本发明涉及一种基于径向基函数网络的多楼层室内定位方法，包括：1)获取观测点的信号强度向量，并输入训练好的第一径向基函数网络，估计观测点所在楼层；2)将观测点的信号强度向量输入其所在楼层对应的训练好的第二径向基函数网络，估计观测点的平面位置坐标；第一、第二径向基函数网络的构建过程包括：在各楼层设置若干个参考点以及无线接入点，记录每个参考点的位置指纹，构建位置指纹样本数据库；将参考点作为隐藏节点，构建第一径向基函数网络以及每个楼层对应的第二径向基函数网络；利用位置指纹样本数据库训练网络。与现有技术相比，本发明具有定位精度高、鲁棒性强等优点。

摘要： 本申请实施例提供一种基于径向基函数的机械臂点对点轨迹规划方法，方法包括：采用高斯径向基函数，构造机械臂的运动轨迹；依据径向基函数的参数构造相应的优化目标方程，对整条轨迹的时间进行优化；本申请能够在任意目标点之间生成光滑的运动轨迹，并且轨迹的任意阶次导数均是连续的，不受目标点个数影响。同时所生成的轨迹形式简单，计算量小，能够采用统一的参数优化其加速度、加加速度等重要参数提高轨迹的平滑性，进而减小整条轨迹的运行时间，提高机械臂的平稳性和工作效率。

摘要： 本申请提供了基于径向基函数RBF的边坡系统失效概率计算方法，提出强度折减法SRM方法对稳定性系数进行评估，并采用初始采样策略和主动学习函数，构建了原始极限状态函数LSF的主动学习径向基函数ARBF代理模型，将蒙特卡罗模拟MCS和ARBF代理模型相结合来评估边坡系统的失效概率，可以量化随机变量及其相关参数对边坡稳定性的影响，大大减少了初始样本点数，有效提高了计算效率，可自动识别土质边坡中任意形状的滑动面，在对具有复杂几何形状的层状边坡进行可靠度分析时更为方便。

摘要： 本发明公开了一种基于径向基函数神经网络的单位脉冲响应函数提取方法，其在求解隐层权值矩阵的过程中，先将隐层权值矩阵进行稀疏表示，然后设定稀疏度，并利用正交匹配追踪OMP算法求解得到隐层权值矩阵在二维离散余弦变换下的稀疏系数矩阵，再根据稀疏系数矩阵得到隐层权值矩阵，这个过程相比利用最小二乘法求逆来得到权值矩阵的方法，不会出现奇异矩阵，并且在较强噪声下也能准确地提取出单位脉冲响应函数，鲁棒性更好，可以有效地提高网络的泛化能力，减小误差；此外，这个过程中利用了正交匹配追踪OMP算法，可以有效地提高本发明方法的运算速度，而且可以有效地提高本发明方法的计算精度。

摘要： 本发明提供了一种融合机器学习的径向基函数曲面复杂矿体建模方法和装置，其中方法包括：重采样三维剖面数据并赋予矿体特征属性；stacking机器学习模型的训练；剖面形态复杂且稀疏部分的插值加密；剖面集合的边界点以及对应法向量的提取；Hermite型径向基函数建立隐式场；基于行进四面体算法可视化三维矿体模型。本发明利用stacking机器学习挖掘三维剖面数据的特点，实现了对曲面复杂矿体建立连续可靠且表面光滑的三维矿体模型的技术效果。

摘要： 本发明公开了一种基于紧支集径向基函数的海底电缆载流量快速计算方法，包括如下步骤：S1、获取海缆参数及其取值范围；S2、构建基于紧支集径向基函数和电磁‑热‑流耦合的自适应表面响应模型；S3、利用构建的自适应表面响应模型快速计算任意海缆参数下的电缆载流量。本发明可以快速计算出任意电缆参数下的载流量，在保证计算结果准确性的同时，还能大大减少计算时间，降低计算成本。

摘要： 本发明公开了一种新型针对多旋翼飞行器执行器故障的具有新融合核的时空径向基函数神经网络容错控制方法。利用一种新型的具有时空信息扩展的径向基函数神经网络处理具有时间动态特性和空间非线性的信号，比传统处理一维信号的径向基函数神经网络有更高的估计信号精度的优势。针对多旋翼飞行器模型不确定性、执行器故障以及阵风干扰问题，将时空径向基函数神经网络的参数输出用于积分反步滑模控制器设计容错控制律，可使系统鲁棒控制提高的同时，故障飞行器的轨迹就可在短时间内转向平衡点。本发明用于一类含有多旋翼飞行器多执行器故障、模型不确定性和阵风扰动的飞行器的故障容错飞行控制。