径向基函数网络

摘要： 传统导弹武器装备健康状态评估方法严重依赖设计人员与产品专家的经验与水平,效率低、准确度差。针对导弹的控制系统,提出基于径向基函数(RBF)网络观测器和自组织(SOM)网络的健康状态评估方法。利用基于RBF网络的自适应故障观测器计算输出信号的残差以及不同工作状态下的自适应判别阈值,通过比较残差和阈值实现故障检测;利用基于SOM网络的健康状态评估模型对残差进行聚类分析,通过距离度量实现健康状态评估;通过某型导弹的控制系统案例验证所提方法。结果表明:该方法能够准确地对10个不同的故障模式和10组不同的健康状态进行检测和评估,为维修保障和后勤管理提供有效的技术支撑。

摘要： 为求解实际复杂工程应用中的高维计算费时优化问题,提出一种全局与局部代理模型交替辅助的差分进化算法。利用历史样本训练全局和局部代理模型,通过交替搜索全局和局部代理模型得到模型最优解并对其进行真实目标函数评价,实现探索和开采的平衡以减少真实目标函数的计算次数,同时通过针对性地选择个体进行真实目标函数计算,辅助算法快速找到目标函数的较优解。在15个低维测试问题和14个高维测试问题上的实验结果表明,在有限的计算资源情况下,该算法在12个低维测试问题上相较于最优重启策略代理辅助的社会学习粒子群优化算法、基于主动学习的代理模型辅助的粒子群优化算法等表现更好,在7个高维测试问题上相较于高斯过程辅助的进化算法、代理模型辅助的分层粒子群优化算法、求解高维费时问题的代理辅助的多种群优化算法等能找到目标函数的更优解。

摘要： 内河航运是现代综合运输体系的重要组成部分,实时和高精度的船舶轨迹预测方法能够有效规避水上交通事故、增强船舶自动化与智能化监管能力。针对现有内河船舶轨迹预测方法精度不高的问题,以提高船舶轨迹短期预测精度为目标,综合使用待测船舶近期船舶自动识别系统(AIS)数据和历史AIS数据,基于轨迹与航速和航向间的内在联系以及内河航道特点,构建了面向航速和航向预测的时域卷积网络模型、船舶轨迹动力学方程模型、自适应双隐层径向基函数网络等模型,提出了基于多模型融合的船舶轨迹预测方法。实验结果表明,所提方法轨迹预测精度有明显提高,并能满足实时性要求。

摘要： 为解决用传统方法进行渔场预测时存在的性能欠佳、特征转换困难、拟合程度不足等问题,提出了一种基于深度学习和典型相关分析的新型渔情预测方法——CNN-DNN-CCA(连接融合)-RBF模型,该方法首先在5°×5°渔业作业区域内将不同海洋环境因子按相对空间位置映射为三维矩阵,然后分别采用卷积神经网络(CNN)和深度神经网络(DNN)对海表温度(SST)、叶绿素a(Chl-a)浓度、海面高度(SSH)3种环境因子和渔场时空因子两种多源异构数据进行模态特征提取,得到两种不同模态的特征向量,并将两种特征向量通过典型相关分析(CCA)进行特征级融合,最后将融合后的特征输入到径向基函数网络(RBF)中进行分类.结果表明,通过试验验证,基于深度学习和典型相关分析的渔场预报模型CNN-DNN-CCA(连接融合)-RBF对南太平洋长鳍金枪鱼Thunnus alalonga中心渔场的召回率达到了90.3％,相较于随机森林(RF)、CNN和DNN模型提高了6.8％～21.8％.研究表明,CNN-DNN-CCA(连接融合)-RBF新型渔情预测模型通过深度学习和典型相关分析方法分别进行特征自动提取和特征融合,消除了冗余信息,简化了特征转换,提高了运算速度和预测精度.

摘要： 为解决用传统方法进行渔场预测时存在的性能欠佳、特征转换困难、拟合程度不足等问题,提出了一种基于深度学习和典型相关分析的新型渔情预测方法——CNN-DNN-CCA(连接融合)-RBF模型,该方法首先在5°×5°渔业作业区域内将不同海洋环境因子按相对空间位置映射为三维矩阵,然后分别采用卷积神经网络(CNN)和深度神经网络(DNN)对海表温度(SST)、叶绿素a(Chl-a)浓度、海面高度(SSH)3种环境因子和渔场时空因子两种多源异构数据进行模态特征提取,得到两种不同模态的特征向量,并将两种特征向量通过典型相关分析(CCA)进行特征级融合,最后将融合后的特征输入到径向基函数网络(RBF)中进行分类。结果表明,通过试验验证,基于深度学习和典型相关分析的渔场预报模型CNN-DNN-CCA(连接融合)-RBF对南太平洋长鳍金枪鱼Thunnus alalonga中心渔场的召回率达到了90.3%,相较于随机森林(RF)、CNN和DNN模型提高了6.8%~21.8%。研究表明,CNN-DNN-CCA(连接融合)-RBF新型渔情预测模型通过深度学习和典型相关分析方法分别进行特征自动提取和特征融合,消除了冗余信息,简化了特征转换,提高了运算速度和预测精度。

摘要： 针对道路交通的复杂性,提出利用改进的径向基函数神经网络算法处理车辆的动态称重数据。该算法使用粒子群寻优的方式确定RBF神经网络中心,通过惯性权重因子控制寻优速度,将车辆的动态称重重量、车速、车长、轴数作为辅助神经网络的输入向量预测真实车重。训练结果表明,车辆速度与误差率呈正相关关系,改进的RBF神经网络可以明显提升动态称重数据的精度,在处理高速数据时,改进的RBF算法优化效果更好,在实际应用中具有重大意义。

摘要： 针对道路交通的复杂性,提出利用改进的径向基函数神经网络算法处理车辆的动态称重数据.该算法使用粒子群寻优的方式确定RBF神经网络中心,通过惯性权重因子控制寻优速度,将车辆的动态称重重量、车速、车长、轴数作为辅助神经网络的输入向量预测真实车重.训练结果表明,车辆速度与误差率呈正相关关系,改进的RBF神经网络可以明显提升动态称重数据的精度,在处理高速数据时,改进的RBF算法优化效果更好,在实际应用中具有重大意义.

摘要： 针对非线性机械臂系统中难以权衡控制能量与控制误差比重的最优控制问题,本文提出一种基于自适应径向基函数(RBF)神经网络二阶段叠加优化的双二次泛函最优求解模型,实现在非线性机械臂控制系统中用不大的控制能量来保持较小的控制误差的综合最优控制.在本文所提模型中,首先设计一种线性误差函数,作用于非线性控制方程,并采用自适应RBF网络逼近非线性控制方程中存在的不确定项,构成闭环反馈系统,实现对非线性系统的最优控制;其次,将待求参数复合成双二次泛函的解域,并设计一种新型的类递归神经网络求解该带约束条件的双二次型模型,实现模型求解的快速收敛并得其解.通过理论分析及数值仿真实例验证了所提模型能有效提高非线性系统的控制精度、稳定性、鲁棒性及自适应性,从而实现非线性系统的综合最优控制.

摘要： 本文以典型前馈神经网络中的BP神经网络、RBF网络与ELM网络为代表,介绍了几种网络的特点及研究现状,分析了几种网络今后的研究方向.

摘要： 结合BP网络、径向基函数网络及遗传算法的各自优点，提出一种混合式预测方法——基于自适应遗传算法的径向基函数网络。该算法采用径向基函数网络的学习算法，引入自适应机制的浮点数编码的遗传算法，并将其与梯度下降法混合交互运算。它可以用模型的预测性能作为优化目标，克服了径向基函数网络在现有学习算法上的缺陷。同时，也解决了单独利用遗传算法往往只能在短时间内寻找到接近全局最优解的这一问题。仿真结果表明该算法有较好的预测精度。

摘要： 针对复杂的非线性时间序列难以准确预测的问题,将最近邻法(NN)与径向基函数网络(RBFN)相融合,设计了一种新的最近邻-径向基函数网络(NN-RBFN)的时间序列预测方法。NN-RBFN算法结构简单、易于编程,并具有通用性。将NN-RBFN应用于我国粮食产量的时间序列预测,取得了良好的预测效果,可为政府部门提供决策依据。

摘要： 本文利用径向基函数网络理论,采用Matlab软件进行编程,对盾构隧道引起的轴线上方地面长期沉降进行预测.在实际操作中,将训练(即拟合)和仿真(即预测)融为一体,使预测结果具有较高的精度.6个算例分析结果表明,径向基函数网络方法可以较好地预测盾构隧道引起的地面长期沉降.

摘要： 结合天体物理学对行星状星云研究成果，设计一个径向基函数网络，对观测得到的行星状星云NGC7293内部的采样数据进行训练，建立起一个符合星云内部气体密度分布规律的数学模型，并据此得到星云体数据模型的各项属性参数．然后通过体视化算法，对行星状星云NGC7293进行三维重建，生成的模型可应用于球幕数字电影的生产．

摘要： 在冷轧薄钢板的过程中,轧辊和钢板之间要有一定浓度的工艺润滑剂--乳化液,轧钢乳化液浓度的高低对钢板的产量、质量有着重大影响.如通过化学分析得到浓度数据费时较长,不能达到实时的要求. 超声波浓度测量是利用超声波的声速随介质浓度的变化而变化这一原理实时检测乳化液溶液的浓度[1].对于不同浓度的乳化液溶液,其浓度D表达式为:D=f(c,T,p),式中,c为声波在溶液中的声速,T为溶液温度,p为溶液的压力.对于溶液可认为压力恒定,则有:D=f(c,T)(1) 又超声波的传播时间t、声速c和声程L有关系:c=L/t,得: D=f(L/t,T)=F(t,T)(2) 式中t为声时,T为温度.当三者的关系较为复杂时,线性插值方法的精度不再能够满足测量的要求.神经网络模型作为多模型方法的一种,具有概念清楚,结构简单,使用性强等优点,已广泛应用于过程建模.同时该方法计算量小、精度高,易于在线校正,在多数情况下,能很好地满足生产要求.本文通过RBF神经网络对F(t,T)进行拟合,从而实现浓度实时测量的目的.

摘要： 利用亚洲夏季风系统中各成员变化活动与西太平洋副高存在的不同程度的时延相关性，从1995～2004年NCEP/NCAR逐日再分析资料中，提取了亚洲夏季风系统各成员变化活动的特征指标及其对应的超前三候的西太平洋副高(简称副高)面积和脊线指数.在此基础之上，建立了自组织网络与径向基函数网络串级耦合的副高指数预测模型.该模型首先用自组织网络对各指标样本按其自身相似原则进行无监督分类，随后用广义回归网络分别对分类出的各指数样本子集进行有监督的训练建模和预测.模型的预测试验结果表明:副高指数的预测结果与其实际值之间的相关系数达到0.89，明显优于单一的神经网络模型预测效果.

摘要： 针对某些具有可能故障先验知识的非线性系统,提出了一种基于径向基函数(RBF)网络的逆系统多模型内模主动容错控制方法.首先采用RBF对系统正常及各种先验故障情形的逆系统建模,并由此建立动态系统逆模型库,然后基于逆系统方法将逆模型与系统串联形成伪线性系统,并对其设计了具有良好鲁棒性能的内模控制器.系统实际运行时,监控决策机制依据系统性能容忍度指标和模型失配度指标的实时计算分析,诊断系统所处运行模式,调用与之匹配的RBF逆模型,使其通过始终与原系统模型的串联保持为不变的伪线性系统,从而在无需改变内模控制器的情况下达到对非线性系统主动容错控制的目的，仿真实例验证了所提方法的有效性.

摘要： 针对某些具有可能故障先验知识的非线性系统,提出了一种基于径向基函数(RBF)网络的逆系统多模型内模主动容错控制方法.首先采用RBF对系统正常及各种先验故障情形的逆系统建模,并由此建立动态系统逆模型库,然后基于逆系统方法将逆模型与系统串联形成伪线性系统,并对其设计了具有良好鲁棒性能的内模控制器.系统实际运行时,监控决策机制依据系统性能容忍度指标和模型失配度指标的实时计算分析,诊断系统所处运行模式,调用与之匹配的RBF逆模型,使其通过始终与原系统模型的串联保持为不变的伪线性系统,从而在无需改变内模控制器的情况下达到对非线性系统主动容错控制的目的，仿真实例验证了所提方法的有效性.

摘要： 针对某些具有可能故障先验知识的非线性系统,提出了一种基于径向基函数(RBF)网络的逆系统多模型内模主动容错控制方法.首先采用RBF对系统正常及各种先验故障情形的逆系统建模,并由此建立动态系统逆模型库,然后基于逆系统方法将逆模型与系统串联形成伪线性系统,并对其设计了具有良好鲁棒性能的内模控制器.系统实际运行时,监控决策机制依据系统性能容忍度指标和模型失配度指标的实时计算分析,诊断系统所处运行模式,调用与之匹配的RBF逆模型,使其通过始终与原系统模型的串联保持为不变的伪线性系统,从而在无需改变内模控制器的情况下达到对非线性系统主动容错控制的目的，仿真实例验证了所提方法的有效性.

摘要： 针对某些具有可能故障先验知识的非线性系统,提出了一种基于径向基函数(RBF)网络的逆系统多模型内模主动容错控制方法.首先采用RBF对系统正常及各种先验故障情形的逆系统建模,并由此建立动态系统逆模型库,然后基于逆系统方法将逆模型与系统串联形成伪线性系统,并对其设计了具有良好鲁棒性能的内模控制器.系统实际运行时,监控决策机制依据系统性能容忍度指标和模型失配度指标的实时计算分析,诊断系统所处运行模式,调用与之匹配的RBF逆模型,使其通过始终与原系统模型的串联保持为不变的伪线性系统,从而在无需改变内模控制器的情况下达到对非线性系统主动容错控制的目的，仿真实例验证了所提方法的有效性.

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： 本发明属于环境照度快速测量的方法，特别涉及一种基于径向基函数神经网络建立的环境照度测量方法，包括：采用摄像设备获取灰度图像信息，利用被测环境中参考点放置的照度传感器的照度测量数据，使用照度计测量环境工作面照度数据，生成数据集；使用数据集训练径向基函数神经网络实现对照明工作面照度分布的估计。这种照度分布测量方法解决了当前使用摄像头或相机进行照度测量时必须进行的相机或摄像头繁琐而昂贵的校准过程，以及测量过程需要读取摄像头或相机曝光时间、增益等参数的弊端，照度分布测量对相机或摄像头要求低，通用性强，为工程化应用提供了极大地便利。

摘要： 一种基于径向基函数神经网络的继电器质量波动抑制设计方法，属于继电器产品设计技术领域。为了解决目前参数设计方法无法确定全局最优解、无法消除因素交互性影响方案稳健性的问题。方法如下：一、确定可控因素、误差因素与正交试验方案；二、进行信噪比、灵敏度显著性分析，确定稳定因素；三、进行交互性分析，确定调整因素；四、建立稳定因素的径向基函数神经网络模型及优化抑制目标函数，确定稳定因素最优解；五、建立调整因素多项式模型及偏移量补偿目标函数，确定调整因素最优解。本发明通过对参数进行解耦，确定出调整因素，再利用调整因素对输出特性的偏离量进行补偿，从而实现在不影响稳定因素的稳健性最优的情况下输出特性调整至目标值。

摘要： 本发明属于生成式对抗网络技术领域，具体涉及一种基于径向基函数的气动建模生成式对抗网络模型训练方法，设计气动数据的生成和回归。该模型在传统生成式对抗网络模型基础上，引入径向基神经网络，从而将传统的基于拟合的生成式对抗网络变为基于差值的生成式对抗网络，同时实现对非线性气动数据的回归和生成。

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。

摘要： 本发明适用于工程机械技术领域，提供了一种基于径向基函数神经网络的挖掘机负载预测方法，包括以下步骤：将挖掘机工作过程中的结构载荷、被动载荷和相互作用载荷组合为挖掘机负载的整体不确定性；建立挖掘机负载预测模型；采集挖掘机动臂、斗杆和铲斗上液压执行器的压力和流量信号并输入控制单元；对信号进行预处理；使用处理后的信号构建特征向量；特征向量输入径向基函数神经网络模型，输出当前时刻挖掘机负载。该方法基于径向基函数神经网络模型对挖掘机负载进行预测，不单纯依赖精确的物理模型和物料性质参数的先验知识，符合挖掘机作业环境复杂多变的实际工况，能够实现对挖掘机实时负载的准确预测，预测结果可应用于智能挖掘系统开发。

摘要： 本发明公开的一种基于混合径向基函数神经网络的飞行器优化方法，属于飞行器设计优化领域。本发明采用拉丁超方试验设计方法构造初始样本点并对其进行随机分组，分为训练样本点集合与求值样本点集合。利用训练样本点训练不同径向基函数类型的神经网络，利用求值样本点与广义逆矩阵求解不同径向基核函数类型神经网络的权重系数并加权，以充分利用不同类型径向基核函数的优势提高近似精度，能够有效降低因缺乏先验信息造成的单核径向基函数神经网络的构造风险，最终结合智能优化算法对构建的混合径向基神经网络进行寻优，实现对飞行器系统性能的快速优化。本发明对于缓解飞行器优化的计算耗时性、提高优化效率等方面具有重要意义。

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。