RBF

摘要： 针对欠驱动的四旋翼无人机运动目标跟踪问题,提出了一种新的渐近跟踪控制器。首先,将控制系统解耦为位置控制系统和姿态控制系统;其次,提出了一种将人工势场(APF)与滑模控制(SMC)相结合的方法,实现了对运动目标的保持固定距离的高精度跟踪;第三,采用径向基神经网络(RBF)算法对姿态系统进行控制,并用李雅普诺夫方法进一步证明了两个子系统的稳定性。最后,仿真结果验证了所提控制方法的优越性和鲁棒性。

摘要： 在对煤自然发火程度预测的方法中,采用径向基(RBF)神经网络预测煤自燃的方法容易发生局部最优、结构冗杂现象,采用支持向量机(SVM)预测会由于Mercer条件的限制导致其核函数对参数反应敏感,常规的机器学习方法存在较大误差,因此引入以相关向量机(RVM)为基础进行预测。结合晋能控股集团四老沟煤矿实际生产情况,对煤自燃升温过程进行数值模拟,并构建样本。以训练样本为基础建立相关向量机(RVM)模型,获得模型最佳参数;在已训练的模型中代入测试样本,对煤自燃温度进行预测。通过对比SVM和RBF预测方法,结果证明:采用SVM和RBF神经网络预测煤自燃的方法虽然训练误差不大,但是测试误差较高,具有“过拟合”问题,泛化能力不高,而采用RVM预测方法,其测试误差和训练误差二者相对接近,而且具有最高的预测精度。

摘要： 针对污水处理过程具有复杂非线性特性以及出水BOD难以精确测量的问题,文中提出一种基于变宽度的逆平方根和高斯函数线性组合的RBF神经网络软测量方法。神经网络的激活函数由逆平方根函数和高斯函数线性组合,弥补了单一激活函数在某些区间饱和的问题,提高了隐层激活函数的表达能力和自适应能力。由于激活函数的宽度对模型的泛化性能有较大的影响,因此引入基于核密度的变宽度策略可以有效提高网络泛化能力。文中采用改进LM算法实现了神经网络参数的在线学习。基于污水处理过程实际运行数据的仿真实验表明,所提方法对于出水BOD具有较高的预测精度和良好的自适应能力。

摘要： 随着低碳经济时代的到来,不论是理论研究还是实际应用方面,碳排放权的定价问题越来越受到大家的关注,尤其是研究新冠疫情下碳排放权期权定价问题。本文借助于决策树梯度提升算法(LGBM)、自适应噪声的完全经验模态分解(CEEMDAN)及AE近似熵重构算法,集机制转换的跳–扩散模型(RSJM)、径向基神经网络模型(RBF)的优点,建立了一种不同特征维度下RSJM-RBF碳排放权期权定价模型;并利用新冠疫情下欧盟EUA碳排放权期权数据进行了实证分析。实证结果表明:与基于GARCH的分数布朗运动模型(FBM)相比,本文提出的RSJM-RBF碳排放权期权定价模型具有较高的预测精度;以皮尔逊相关系数为指标,对两种模型进行了鲁棒性分析,结果显示本文所建模型的稳健性更强。

摘要： 基于蔬菜种植试验温室内温度、相对湿度和光照强度的实测数据,根据ARIMA模型和RBF神经网络对线性和非线性问题的预测能力差异,构建ARIMA-RBF神经网络权重组合的温湿度预测模型,对温室内温度和湿度的动态变化进行预测,并比较各模型预测精度。结果表明:温室内温湿度分别具有更明显的线性和非线性变化特征,对应预测性能较好的单一模型分别为ARIMA模型和RBF模型。相较单一模型,ARIMA-RBF神经网络权重组合模型的预测精度更高、稳定性更好。最佳温度组合模型的MAE、MAPE和RMSE分别为1.04°C、2.95%和1.21°C;最佳湿度组合模型的MAE、MAPE和RMSE分别为0.35个百分点、0.36%和0.55个百分点。权重组合模型通过适当的加权策略充分发挥了单一模型对数据不同特征的处理能力,能较好地评估温室内温湿度状态,可为建立更具普适性的温室环境因子模型提供参考。

摘要： 三维地质模型是表征地下地层分布和地质构造的有力工具,可以简单有效的帮助地质解译和空间分析工作,但由于传统三维地质建模方法建模过程复杂、人为干扰影响大,非专业人士短时间内很难掌握并且建模质量难以保证。为满足矿山智能开采对高精度地质模型的需求,提高三维地质建模与可视化的高效性和直观性,提出一种基于支持向量机的三维地质建模方法,将地质体划分为大小均匀的栅格单元,根据栅格单元的属性类别构建三维地质体模型,并使用基于径向基核函数(radial basis function,RBF)的支持向量机分类器对顾北煤矿北一矿区进行了实例验证,将模型进行开挖显示,与实际钻孔数据构建的地质剖面图进行对比,结果表明,该方法具有很大的适用性,能够科学预测地层分界位置并且可以很好地处理尖灭地层,建模效率以及准确率较高。

摘要： 以潇湘大道为依托工程,对其路面近5 a的车辙数据进行聚类分析,找出车辙发展规律,并建立潇湘大道未来10 a车辙数据的动稳定度车辙预测模型、GM(1,1)模型、改进GM(1,1)+RBF模型,基于检测数据对比分析3种预测方法的可靠性。结果表明:路面通车前2 a,车辙发展比较平稳,第3年开始发生突变和质变。路面通车5 a以后,各类车辙保持在较为平稳的状态,但一直在持续发展中。沥青路面流动性车辙深度预测模型中车辙预测值与实测值具有较好的相关性,最大绝对误差不超过0.1 mm,具有较高的应用价值。动稳定度车辙预测模型的车辙预测结果与实测值最为接近,其次为灰色神经网络的组合改进后GM(1,1)+RBF模型,传统的GM(1,1)预测结果与实测值差异略大。

摘要： 目前研究的电网大型设备运行状态监测方法监测时间长,导致监测结果无法满足实际要求。为了解决上述问题,提出了基于RBF的电网大型设备运行状态实时监测方法,该监测方法对电网大型设备的运行状态进行了在线监测和脉冲监测,通过分析电网大型设备中的运行数据,得到大型设备内部数据的数据流及局部放电信号脉冲,通过上述信号值判断电网大型设备的运行状态,一旦出现信号异常可以及时作出诊断,识别出异常运行状态所处的运行阶段和对应的异常运行数据。实验结果表明,基于RBF的电网大型设备运行状态实时监测方法优于对比的监测方法,可以更精准、快速地捕获大型设备中的异常运行数据,进而判断电网大型设备的运行状态。

摘要： Multifdelity surrogates(MFSs)replace computationally intensive models by synergistically combining information from diferent fdelity data with a signifcant improvement in modeling efciency.In this paper,a modifed MFS(MMFS)model based on a radial basis function(RBF)is proposed,in which two fdelities of information can be analyzed by adaptively obtaining the scale factor.In the MMFS,an RBF was employed to establish the low-fdelity model.The correlation matrix of the high-fdelity samples and corresponding low-fdelity responses were integrated into an expansion matrix to determine the scaling function parameters.The shape parameters of the basis function were optimized by minimizing the leave-one-out cross-validation error of the high-fdelity sample points.The performance of the MMFS was compared with those of other MFS models(MFS-RBF and cooperative RBF)and single-fdelity RBF using four benchmark test functions,by which the impacts of diferent high-fdelity sample sizes on the prediction accuracy were also analyzed.The sensitivity of the MMFS model to the randomness of the design of experiments(DoE)was investigated by repeating sampling plans with 20 diferent DoEs.Stress analysis of the steel plate is presented to highlight the prediction ability of the proposed MMFS model.This research proposes a new multifdelity modeling method that can fully use two fdelity sample sets,rapidly calculate model parameters,and exhibit good prediction accuracy and robustness.

摘要： 针对光伏电池输出非线性的特点,为高效地追踪光伏电池的发电输出功率,本文提出了一种基于蚁群算法优化的RBF-BP组合神经网络,用于对光伏阵列最大功率点追踪(MPPT)。本文依据光伏电池的输出特性,首先提出构建RBF-BP双隐层组合神经网络,在此基础上运用蚁群算法对组合神经网络进行优化。将影响光伏电池输出特性的主要因素光照强度和外界环境温度作为神经网络输入端建立预测模型,通过Matlab对该模型进行仿真。

摘要： 针对转炉炼钢过程终点钢水温度和碳含量命中率低的问题,依据转炉炼钢工艺机理,提出一种转炉终点静态增量控制模型.该模型应用粗糙集理论优选参考炉次；应用RBF神经网络技术建立校正模型.测试结果表明,建立的数学模型能够有效提高转炉终点命中率.

摘要： 针对转炉炼钢过程终点钢水温度和碳含量命中率低的问题,依据转炉炼钢工艺机理,提出一种转炉终点静态增量控制模型.该模型应用粗糙集理论优选参考炉次；应用RBF神经网络技术建立校正模型.测试结果表明,建立的数学模型能够有效提高转炉终点命中率.

摘要： 针对转炉炼钢过程终点钢水温度和碳含量命中率低的问题,依据转炉炼钢工艺机理,提出一种转炉终点静态增量控制模型.该模型应用粗糙集理论优选参考炉次；应用RBF神经网络技术建立校正模型.测试结果表明,建立的数学模型能够有效提高转炉终点命中率.

摘要： 针对转炉炼钢过程终点钢水温度和碳含量命中率低的问题,依据转炉炼钢工艺机理,提出一种转炉终点静态增量控制模型.该模型应用粗糙集理论优选参考炉次；应用RBF神经网络技术建立校正模型.测试结果表明,建立的数学模型能够有效提高转炉终点命中率.

摘要： 针对转炉炼钢过程终点钢水温度和碳含量命中率低的问题,依据转炉炼钢工艺机理,提出一种转炉终点静态增量控制模型.该模型应用粗糙集理论优选参考炉次；应用RBF神经网络技术建立校正模型.测试结果表明,建立的数学模型能够有效提高转炉终点命中率.

摘要： 为提高巡航导弹发动机的可靠性和利用率、降低传统的定期维护成本,提出了应用RBF(径向基函数)神经网络技术对巡航导弹发动机进行诊断.文中将采集到的巡航导弹发动机有关数据分为故障现象和故障集分别进行编码,而后利用神经网络的自学习、联想、推测、记忆、容错、自适应和多模式处理等功能对巡航导弹发动机的故障进行诊断.

摘要： 为提高巡航导弹发动机的可靠性和利用率、降低传统的定期维护成本,提出了应用RBF(径向基函数)神经网络技术对巡航导弹发动机进行诊断.文中将采集到的巡航导弹发动机有关数据分为故障现象和故障集分别进行编码,而后利用神经网络的自学习、联想、推测、记忆、容错、自适应和多模式处理等功能对巡航导弹发动机的故障进行诊断.

摘要： 为提高巡航导弹发动机的可靠性和利用率、降低传统的定期维护成本,提出了应用RBF(径向基函数)神经网络技术对巡航导弹发动机进行诊断.文中将采集到的巡航导弹发动机有关数据分为故障现象和故障集分别进行编码,而后利用神经网络的自学习、联想、推测、记忆、容错、自适应和多模式处理等功能对巡航导弹发动机的故障进行诊断.

摘要： 为提高巡航导弹发动机的可靠性和利用率、降低传统的定期维护成本,提出了应用RBF(径向基函数)神经网络技术对巡航导弹发动机进行诊断.文中将采集到的巡航导弹发动机有关数据分为故障现象和故障集分别进行编码,而后利用神经网络的自学习、联想、推测、记忆、容错、自适应和多模式处理等功能对巡航导弹发动机的故障进行诊断.

摘要： 软计算、软测量技术与优化技术有密切的关系.本文简单介绍了软测量技术、软计算、优化技术的概念、基于Gauss-Newton法的Levenberg-Marguardt(LM)算法和BP神经网络.提出了用可以实现零误差设计的径向基(RBF)神经网络建立热电偶特性模型的方法,以镍铬-镍硅热电偶为例阐述了建立无差优化模型的过程并与BP进行了比较,结果表明提出方法的有效性并优于BP网络.

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： 一种基于EEMD‑RBF组合的分位数回归风速区间预测方法，采用结合集合经验模态分解的径向基函数神经网络的方法进行风速预测。首先基于EEMD对原始风速数据进行预处理，分解风速原始序列得到若干个频率不同的IMF分量和残量res；然后使用RBF神经网络对EEMD分解后的多个IMF分量和一个res残量进行训练和预测，得出对应的多个预测量值；再将各个IMF分量所得的预测数据进行累加重构得出风速点预测结果，实现更加精确的对风速分钟值进行实时预测；最后通过分位数回归方法对离散化风速预测点的概率分布进行表达，进一步进行风速区间预测，量化了预测的不确定性。

摘要： 基于RBF神经网络的隐伏大型溶洞预测方法，涉及土木工程技术和计算机技术，本发明包括下述步骤：1)整理隐伏大型岩溶数据集，所述数据包括岩性厚度、围岩破碎程度、地形地貌、地质构造、降水气温、地下水；2)对数据集进行归一化处理；3)将数据集分为训练数据集和测试数据集，采用训练数据集对RBF神经网络进行训练，并采用遗传算法优化RBF神经网络的结构参数；4)用测试数据集对训练完成后的RBF神经网络进行测试；5)采用通过测试的RBF神经网络进行实际预测。本发明能更加快速准确的预测超大岩溶洞穴存在的可能性。

摘要： 本发明公开了一种基于RBF近似模型自卸车车厢综合轻量化设计方法，分析车厢特殊工况后，建立车厢匀速满载和0°举升综合工况参数模型并定义6个车厢板件为设计变量；采用哈默斯利抽样得到样本点；保证车厢弯曲刚度，提高优化结果的精度和进一步减少车厢的质量；调整响应值拟合的数值，提高车厢近似模型的精度；多目标遗传算法对车厢的质量最小和弯曲刚度最大作为优化目标；选取的优化方案整圆后进行验证。本发明优化方案的仿真可以减少制造的成本；RBF神经网络适合处理非线性问题，提取响应面时，速度快、拟合模型紧凑，在非线性函数拟合时选用RBF神经网络往往得到的拟合精度较高，更加贴切现实模型；满足弯曲刚度和静强度同时质量大幅下降。

摘要： 本发明提供了一种基于RBF神经网络的心电图机的导联脱落检测系统及方法，该系统包括：数据采集模块，获取来自若干患者的生物电信号和对应的患者信息，并将其作为人体数据样本传递给中央控制模块；中央控制模块，构建RBF神经网络模型，将预处理后的人体数据样本输入RBF神经网络模型中进行多次训练，获得最终检测模型；导联监测模块，用于对当前患者进行实时监测，获取监测数据，将监测数据输入到最终检测模型中，获得十二导联的实时连接状况；终端显示模块，用于将十二导联的连接状况显示出来，若出现导联脱落状况则进行报警提示。本发明通过导联监测模块实时监测心电图机十二导联的连接状况，实现了导联脱落的有效检测，提升了检测的准确率和效率。

摘要： 本发明涉及曲面建模技术领域，具体涉及一种基于可视点和RBF插值的悬垂曲面建模方法。该方法包括：获取悬垂曲面建模的覆盖元素和基准平面，对覆盖元素和基准平面进行网格划分，得到三维场景网格模型；提取悬垂方向下三维场景网格模型中的可视顶点，将可视点作为悬垂曲面建模的输入参数；利用RBF插值算法计算悬垂曲面的拟合方程，根据悬垂曲面建模的输入参数，拟合悬垂曲面。本发明采用三维场景可视点作为悬垂曲面建模输入，可以尽可能保留目标曲面的局部特征，并利用RBF插值算法计算目标曲面方程，得到平滑的输出结果，无需进行二次平滑操作，能够一次性创建出效果较好的平滑悬垂曲面。

摘要： 本发明实施例提供了一种基于RBF神经网络的多普勒频偏估计方法和系统,所述方法包括：利用给定的神经网络学习算法实现接收端导频符号与多普勒频偏之间的映射关系，然后对多普勒频偏进行估计。首先确定5G高速移动环境中接收端收到的导频符号样本集；根据5G高速移动环境中随机生成多普勒频偏，利用不同多普勒频偏情况下的导频信号组成训练样本对三层RBF神经网络进行训练，得到最优权值；计算RBF神经网络权值调节律；判断RBF神经网络误差值是否大于给定误差；如果是则继续计算RBF神经网络误差值。

摘要： 本发明公开一种基于稀疏RBF神经网络的光伏电板运行状态监测方法，旨在有效的挖掘光伏电板各测量数据之间的非线性关系特征，并在此基础上监测光伏电板的运行状态。具体来讲，本发明方法通过设计一种稀疏的RBF神经网络结构，并将光伏电板的实时采样数据同时作为输入与输出，通过生成的误差来反映光伏电板运行状态是否出现了异常。本发明方法的优势在于：其一，本发明方法利用了RBF神经网络的非线性拟合能力，并通过搭建的稀疏RBF神经网络实现了对光伏电板正常运行状态下的样本数据非线性特征提取；其二，本发明方法通过稀疏RBF神经网络来生成误差用于实时判断光伏电板是否异常，不同于传统方法监测提取的非线性特征成分。

摘要： 本发明公开了一种基于RBF神经网络的爆破块度预测方法，包括：步骤一、基于历史爆破数据构建包括爆破设计参数、岩石系数、平均块度的训练数据集，其中，岩石系数基于反映岩石性质的多组数据计算得到；步骤二、构建RBF神经网络，以训练数据集的爆破设计参数、岩石系数为输入层，以平均块度为输出层，训练RBF神经网络，以确定RBF神经网络的隐层，隐层与输出层之间的权重系数，即得训练完成的RBF神经网络；步骤三、输入爆破设计参数和待爆破位置处的岩石系数至训练完成的RBF神经网络，输出得到平均块度。本发明具有RBF神经网络契合爆破数据的分布特征，输入数据维度少，且预测准确度高的有益效果。

摘要： 本发明提出了一种基于RBF神经网络预测的厌氧发酵温度控制系统及方法，该系统主要包括烟气余热换热器、排渣余热换热器、乏汽余热换热器、加热循环换热器、温度监测器、恒温储水箱以及RBF神经网络控制器，该控制方法包括如下步骤：构建神经网络模型，获取厌氧发酵系统的目标温度、实际温度以及温度控制参数样本，进行神经网络学习，在线辨识系统控制规律，利用神经网络学习结果设置控制器，调节温度控制参数使得厌氧发酵实际温度与目标温度一致。本温度控制系统利用电厂余热维持厌氧发酵温度，具有显著的节能效益，控制方法利用神经网络极强的非线性拟合能力，克服系统的不确定性和时变性干扰，保证温度控制精度和准确性，具有较好的鲁棒性。