径向基神经网络

摘要： 阐述对非线性系统建模设计是十分关键的。建立一个通用的且控制精度高的非线性系统模型,可以为实际生产过程提供理论基础。传统的PID控制算法的数学模型已经得到了广泛的使用,但是也暴露出诸如稳定性差、精度不够高等许多局限性。基于当前困难,提出了利用径向基神经网络改进传统的PID控制算法,实现更高稳定性和更高精度的目的。2个实验案例的分析表明,结合了RBF的PID控制器网络更具有逼近真实信号输入的能力,同时还满足在经典U模型上的非线性控制。

摘要： 由于重载列车空气制动具有强非线性、反馈减压量误差较大的特点,且充风、排风时间与减压过程之间存在耦合关系,使得重载列车循环空气制动的操纵精确度难以保证,进而影响其操纵安全。为提高重载列车循环空气制动的控制精确度,文章提出一种基于模糊神经网络(fuzzy logic-based neural network,FLNN)的空气制动力预测方法。其首先采用径向基神经网络(radial basis function neural network,RBF-NN)训练空气制动离线数据,得到模糊逻辑形式的空气制动力离线预测规则;然后,计算当前数据与空气制动力离线预测规则的匹配度,得到相应的预测规则;最后,根据当前数据和相应的预测规则,输出空气制动力预测值。该预测方法通过数据处理的方式摆脱了对传统空气制动模型的依赖,避免了充、排风时间与减压过程之间的耦合分析,能够较准确地得到空气制动力预测值。试验结果显示,本文提出的基于FLNN的空气制动力预测方法将重载列车空气制动力在100 kN内的预测精度提高至99%,这验证了该方法在不同的工况下能有效实现空气制动力预测。

摘要： 可用输电能力(ATC)是电力系统经济安全运行的一项重要指标。由于大量风电并网和用户用电行为的多样化,ATC的计算必须要考虑其带来的不确定源。而在对不确定源相关性的处理时,Nataf变换中标准正态分布域相关系数的求解尤为复杂,传统的基于辛普森数值积分和二分法的相关系数转换法耗时极其严重。在概率计算中,采用蒙特卡洛法基于最优潮流的ATC计算模型实现ATC的概率分析耗时也极其严重。基于以上困难,本文采用径向基神经网络实现Nataf变换中相关系数的转换过程,同时采用径向基神经网络近似ATC的确定性计算模型,从概率建模和单次ATC的计算量两个方面对ATC的概率分析进行提速。本文基于两个相连接的IEEE 9节点算例,以传统相关系数转换法作为相关系数精度参考,以基于最优化ATC模型的蒙特卡洛法作为概率结果精度参考,测试了本文所提方法的性能。

摘要： 针对冷负荷预测问题,提出了一种基于相空间重构(PSR)、经验模态分解(EMD)和径向基神经网络(RBFNN)的冷负荷组合预测模型。该模型首先利用经验模态分解方法,把冷负荷序列分解为少数模态分量,然后利用分组分量法将其分为多个高频子分量、总低频分量和残余量,最后以PSR为基础对各分量利用RBFNN方法建模并将预测结果重构。该方法应用于实际冷站负荷预测后,与单一RBFNN、SVM、LSSVM及基于EMD的SVM、基于EMD的RBFNN5类方法进行比较,结果表明该方法对冷负荷预测精度有明显提高。

摘要： 为提高感应电机(IM)伺服驱动系统的控制性能,抑制电机参数变化、外部扰动和未建模动态等不确定性因素对系统的影响,提出一种基于径向基神经网络(RBFN)的智能动态滑模控制(IDSMC)方法。首先利用动态滑模控制(DSMC)方法削弱抖振,提高系统的跟踪精度。但由于DSMC中切换函数所需的不确定性边界值无法获知,因此将RBFN不确定性估计器与DSMC相结合,设计IDSMC方法进一步提高系统的鲁棒性。RBFN可通过自适应学习算法估计不确定性因素值并在线训练调整网络参数,以确保系统在不确定性因素存在时仍能高性能运行。最后,通过TMS320C31 DSP控制核心验证所提方法的有效性。实验结果表明,IDSMC不但可以保证系统精准的响应能力,还有较强的鲁棒性。

摘要： 针对现有路面破损状况评价指数较为单一且无法准确预测路面实际破损发展趋势的问题,为探究路面使用指标、路面性能指标和路面环境指标对路面破损状况的影响,提出基于改进粒子群优化(IPSO)与径向基(RBF)神经网络耦合的沥青路面破损预测模型.首先,利用灰色关联分析和主成分分析(PCA)筛选出主要影响因子;然后,通过改进粒子群惯性权重因子,调整粒子全局和局部寻优能力,并利用IPSO算法训练RBF模型中的参数;最后,以主成分分析降维后数据为输入,建立路面破损状况的IPSO-RBF神经网络预测模型.实例研究表明,PCA-IPSO-RBF神经网络预测模型预测平均绝对误差为0.8416.因此,针对复杂非线性路面破损状况预测问题,该模型能够准确预测沥青路面破损状况,为路面养护决策提供有力支持.

摘要： 六自由度波浪补偿平台所采用的大长径比非对称液压系统在深海区需完成大跨度、高速度的波浪补偿任务,这为控制系统的控制精度和抗干扰能力带来严峻的挑战.引入径向基神经网络(RBFNN)辨识,提出一种自适应反馈线性化控制策略.首先,建立六自由度波浪补偿平台非对称液压系统的非线性模型.然后,基于RBFNN辨识利用反馈线性化设计自适应控制器.最后,利用MATLAB/Simulink开展五级海浪(90°遭遇角恶劣工况)作用下和外力干扰下的仿真分析.结果表明:相比于经典比例系数-积分系数-微分系数(PID)和滑模控制,新型控制器控制精度和抗干扰能力明显提高,更适合用于复杂海况下六自由度波浪补偿平台的控制,且具有很好的跟踪效果和较强的稳健性,可为深海区六自由度波浪补偿平台控制系统设计提供参考.

摘要： 为了更好地分析CORS站(连续)运行参考站——北京房山站的高程时间序列的变化规律,使其能更好地应用到地壳运动监测.对房山站观测数据进行数据处理,得出其数据类型为非线性、非稳态时间序列,然后采用正则化RBF(径向基)神经网络对其进行相空间重构,使其满足高斯分布.采用小波神经网络进行滤波处理,剔除噪声,采用加窗谱估计得出高程时间序列的平均谱功率和周期性,经过去除趋势FFT周期拟合和BP神经网络预测等处理,并进行计算分析.由数据处理结果可知,北京房山站高程时间序列斜趋势不明显,其中年周期最为明显,高程时间序列受多因素的影响,BP网络能很好地预测高程时间序列.

摘要： 文章结合部分零售商品的销售特征和影响销售的因素,采用改进神经网络模型进行预测分析。由于基本径向基(RBF)神经网络模型容易出现对训练样本过度拟合现象,因此使用粒子群(PSO)算法和随机梯度下降法(SGD)混合优化RBF模型,其中PSO能够降低算法陷入局部极小的可能性,SGD则可以保证算法的局部搜索能力。针对零售商品短期销量的预测,优化模型预测精度较高、预测稳定性好。

摘要： 针对电液伺服系统在水井钻机推进工况下存在的参数不确定以及未知负载扰动突变等非线性因素,提出了基于径向基(RBF)神经网络扰动观测器的无模型自适应控制方法.首先,通过改进的无模型自适应控制动态线性化方法,将被控系统线性化为与输入输出相关的增量形式,并将未知负载扰动合并到一个非线性项中;然后,设计了径向基神经网络扰动观测器对含有未知负载扰动的非线性项进行估计,作为对未知扰动的补偿;最后,设计了时变参数估计律,通过在线调整伪偏导数,给出了电液伺服系统的控制更新律.仿真结果表明,所设计的控制器能够对未知负载扰动突变进行补偿,并能确保跟踪误差有界收敛.

摘要： 客流预测是铁路旅客运输组织工作的重要基础和主要依据之一,准确的客运量预测是铁路运输企业面向市场、把握未来的重要保障,是铁路部门调整和优化列车开行方案的重要依据,为精准投放运力提供了科学决策依据.本文研究了径向基神经网络的基本原理,通过对京津城际下行方向客流的分析,并结合该客流的规律特点,以客票历史数据为依据,建立了径向基神经网络交通出行预测模型,并通过实例验证了方法的可行性,结果表明,预测结果与实际客流量吻合较好.

摘要： 针对航天器舱门展收过程中由根铰间隙引起的振动问题,提出一种基于数字孪生和径向基模型的材料参数优化方法.首先建立根铰间隙动力学模型,并应用数字孪生技术构建舱门的数字孪生模型.以根铰材料的接触刚度系数、阻尼系数和动摩擦系数为设计变量,以最大角加速度为优化目标,利用优化拉丁方试验设计构建样本空间;应用径向基神经网络模型构建近似模型;采用结合的序列二次规划算法和多岛遗传算法求解近似模型的最优值.优化结果表明,与优化前相比,舱门的角加速度峰值和根铰间隙接触力明显减小,舱门的动态性能得到提升.

摘要： 在防空作战中,对部署方案进行评估是非常关键的一环,评估模型的优劣对结论起着重要的影响.在深入分析防空部署方案的基础上,给出影响作战效能的指标.提出一种改进的变精度粗糙集—径向基神经网络的评估决策系统,有效简化了神经网络的规模和结构,缩短了网络训练时间,提高了系统的实时性.仿真结果表明,改进后的模型可行,为防空部署方案评估决策提供了重要参考.

摘要： 为了探索智能优化方法在汽车空气动力学领域的工程实用性,本文基于Ahmed模型展开研究.研究选取两种优化方法分别为:多岛遗传算法(MIGA)直接优化;先经过试验设计(DOE),选择径向基神经网络(RBF)搭建近似模型后使用多岛遗传算法优化.本研究基于Isight软件搭建优化平台,RBF+MIGA优化与直接应用MIGA优化相比,可以在得到相同优化结果情况下大规模节约计算成本,提高效率.

摘要： 图像分割是计算机进行视觉图像处理的基础,遗传算法和神经网络算法在图形分割处理中有着较为广泛的应用.由于传统遗传算法的种群收敛速度过快,容易陷入局部最优,稳定性较差,求精确解效率往往较低.本文对传统的遗传算法收敛速度过快和精确度较低的缺点进行了改进,仿真结果表明,改进遗传算法具有较快的学习速度,收敛性也较传统遗传算法更好.同时,文章结合径向基神经网络的优点,将改进的遗传算法和径向基神经网络算法进行了进一步的结合,并利用改进后的遗传-径向基神经网络算法对图像进行了处理,结果表明,改进后的遗传-径向基神经网络算法对图像进行处理后,图片更为清晰,效果较好.

摘要： 气象预测预报与人们的生活工作息息相关,因气象数据存在不确定性、持续性、动态性、高复杂性等特点,致使灾害天气的预测预报在实际生活中效果不好,尤其是局域极端恶劣天气的预测预报准确率低下,这给人们的生命财产带来巨大损失.本文在深入分析南方某局域气象数据的基础上,提出构建多网络模型(概率神经网络PNN和径向基神经网络RBF混合模型)对局域地区降雨类型进行识别及雨量预测.首先构建PNN神经网络模型识别降雨类型;其次,针对大雨级别以下和大雨级别以上分别建立两个不同的RBF神经网络模型,实现对降雨量的进一步预测;最后将RBF网络预测的雨量结果逆向校正PNN网络的预测识别结果并获得降雨类型数据的雨量等级划分.本文的多网络模型均采用K折交叉验证方法(k-foldercross-validation)校验模型的可靠性与稳定性.经实验验证,证实了本文提出的混合多网络模型在降雨类型识别及雨量预测中的有效性.本文的研究可为气象部门的天气预测预报提供决策支持与参考.

摘要： 针对传统任务维修性分析中存在的未考虑维修效果以及未分析功能单元组合任务维修度的问题,建立了基于径向基神经网络的维修效果评估模型对修后功能单元技术状态进行了评估,并在此基础上建立了基于贝叶斯公式的任务维修度评估模型,实现了功能单元组合任务维修度评估.

摘要： 针对高阶柔性直线系统的跟踪控制,设计了将自适应GBF-CMAC神经网络与鲁棒控制相结合的控制系统.首先,将跟踪控制问题转化为标准的鲁棒控制问题,再将之转化为一类凸优化问题.然后,利用符号距离和参数自适应律设计了自适应GBF-CMAC神经网络,并且将设计的鲁棒控制器与自适应GBF-CMAC神经网络相结合,构成自适应神经网络鲁棒控制器.实验结果表明所设计的控制器不仅具有较快的响应速度,较短的收敛时间和较好的跟踪精度,而且对于输入端扰动表现出较强的抗干扰能力.

摘要： 针对高阶柔性直线系统的跟踪控制,设计了将自适应GBF-CMAC神经网络与鲁棒控制相结合的控制系统.首先,将跟踪控制问题转化为标准的鲁棒控制问题,再将之转化为一类凸优化问题.然后,利用符号距离和参数自适应律设计了自适应GBF-CMAC神经网络,并且将设计的鲁棒控制器与自适应GBF-CMAC神经网络相结合,构成自适应神经网络鲁棒控制器.实验结果表明所设计的控制器不仅具有较快的响应速度,较短的收敛时间和较好的跟踪精度,而且对于输入端扰动表现出较强的抗干扰能力.

摘要： 针对高阶柔性直线系统的跟踪控制,设计了将自适应GBF-CMAC神经网络与鲁棒控制相结合的控制系统.首先,将跟踪控制问题转化为标准的鲁棒控制问题,再将之转化为一类凸优化问题.然后,利用符号距离和参数自适应律设计了自适应GBF-CMAC神经网络,并且将设计的鲁棒控制器与自适应GBF-CMAC神经网络相结合,构成自适应神经网络鲁棒控制器.实验结果表明所设计的控制器不仅具有较快的响应速度,较短的收敛时间和较好的跟踪精度,而且对于输入端扰动表现出较强的抗干扰能力.

摘要： 本发明提供一种基于改进的径向基神经网络算法的网络异常流量预测方法，包括RBF神经网络初始化、采用QAPSO算法优化RBF神经网络参数、根据RBF神经网络的最优参数重新构建一个优化的RBF神经网络预测模型、以及使用优化的RBF神经网络预测模型进行流量预测。本发明针对PSO算法存在的早熟收敛、易于陷入局部最优解和搜索精度不足等问题，在基于自适应思想的APSO算法和基于量子理论的QPSO算法的基础上，使之结合，设计了一种具备更高全局收敛能力和全局搜索精度QAPSO算法，并使用QAPSO算法优化RBF算法参数，提高了RBF神经网络的预测精度。

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。

摘要： 本发明公开了一种基于捕猎算法优化径向基神经网络的多源车速融合方法，其包括：通过三种地点车速采集方式获取目标路段某断面的地点车速，将地点车速分为融合组以及对照组；采用K‑means聚类对融合组进行聚类，并通过elbow method确定最佳聚类中心数K；将最佳聚类中心数K作为径向基神经网络的神经元个数；根据神经元个数，采用高斯函数作为核函数构建径向基神经网络；以融合组作为径向基神经网络的输入，将神经网络的输出与相应的对照组进行对比，以对比结果作为适应度函数；(S5)采用捕猎算法，适应度函数对径向基神经网络的参数进行优化以得到径向基神经网络的各参数，并利用该径向基神经网络进行多源车速融合。本发明的方法可以地点车速进行准确高效地融合。

摘要： 本发明提供一种运载火箭姿态系统自适应径向基神经网络控制方法，所述方法包括步骤一：建立运载火箭姿态控制系统动力学模型；步骤二：建立运载火箭故障下姿态控制系统动力学模型，在建立步骤一所述模型的基础上考虑执行器故障建立故障下姿态控制系统动力学模型；步骤三：设计非奇异终端滑模面，通过设计终端滑模控制律使得姿态跟踪误差在有限时间内收敛到零；步骤四：设计径向基神经网络逼近未知系统参数，增加自适应控制项，用来补偿扰动和近似过程中误差，从而使得姿态跟踪误差在有限时间内收敛到零。本发明考虑了干扰、执行器故障和模型不确定因素的影响，设计控制率使得运载火箭姿态跟踪系统误差在有限时间内收敛到零。