径向基函数神经网络

摘要： 鉴于新旧桥梁在日常运营中缺乏连续、实时的损伤情况分析,基于桥梁结构损伤识别与机器学习中的径向基函数理论,提出了2种损伤识别方法。一是分步识别法,运用频率的变式识别损伤位置,曲率、频率组合输入识别损伤程度,得到了88%以上的位置识别正确率与92%以上的程度识别正确率,适用于对准确率要求较高的结构损伤识别。二是综合识别法,在分步识别法的基础上对网络结构进行优化,利用神经网络的输出特征可直接判别损伤位置和损伤程度,得到了78%以上的识别准确率,适用于桥梁结构大数据的在线分析。试验证明了2种径向基函数(radial basis function,RBF)神经网络可以用于桥梁不同实际条件下的损伤情况识别,对于神经网络在桥梁结构损伤识别方面有更加准确的认识和分析,为以后进一步研究神经网络在桥梁结构损伤识别方面提供参考。

摘要： 研究了以高精度为目的的航天器悬停系统控制设计。采用相对轨道要素描述目标航天器和跟踪航天器之间的相对运动模型,具有清晰的几何意义和较高的精度。为了实现高精度的相对位置和相对速度跟踪,提出了一种改进型重复控制方案,该方案利用重复控制能够精确跟踪目标信号的优点,并通过加入非奇异终端滑模控制器克服了传统重复控制器易受非周期干扰影响的缺点。此外,利用非线性状态误差反馈改善了重复控制器的动态性能,并利用径向基函数神经网络逼近悬停模型的未知非线性项。通过严格的李雅普诺夫稳定性分析,保证了整个闭环控制系统的稳定性。最后,通过数值仿真验证了所提控制方案的有效性和优越性。

摘要： 针对单一模型在矿山地表沉降预测中的缺陷,提出了一种基于贝叶斯估计法的沉降预测组合模型。以甘肃金昌西二采区为例,以Sentinel-1A卫星SAR影像为数据源,分别用差分整合移动平均自回归(ARIMA)模型和径向基函数神经网络模型进行单一模型预测,另外基于残差修正法和贝叶斯估计法进行组合模型预测,结果表明:ARIMA模型、径向基函数神经网络模型、残差修正法组合模型、贝叶斯估计法组合模型的平均绝对误差分别为14.067、9.427、7.415、3.326 mm,平均相对误差分别为11.40%、7.39%、6.14%、2.65%,均方根误差分别为15.878、12.097、11.335、6.254 mm;组合模型预测精度较单一模型有明显的提升,其中基于贝叶斯估计法的组合模型性能最佳,可用于中长期的矿山地表沉降预测。

摘要： 建立精确的模型是使用砷化镓异质结双极晶体管器件(GaAs HBT)设计集成电路的必要基础,传统经验模型建立过程复杂,在输出功率、增益、功率附加效率等功率特性方面的模拟精度不太高,给电路设计带来了一定的难度。本文利用径向基函数(RBF)神经网络算法和反向传播(BP)神经网络算法分别建立GaAs异质结双极晶体管器件的大信号模型。这些模型的训练和测试数据分别来自于测试的双端口散射参数,以及测试的直流特性和功率特性数据。然后将模型数据与实测结果进行对比,结果发现,基于神经网络的器件模型能够精确地模拟器件特性,而且RBF神经网络模型相比BP神经网络模型,误差更小,预测更精确。

摘要： 为实现化纤长丝断头自动化巡检,提高企业生产效率,提出一套基于机器视觉的化纤长丝断头检测系统。检测系统通过工业相机采集长丝图像,并采用小波去噪和阈值分割算法进行图像增强处理;利用霍夫变换实现长丝主体与断头部分的形状分割;基于提取的多个形状特征,建立和训练径向基函数神经网络模型,实现对化纤长丝断头的检测和分类。选取150 tex/36 f规格的POY(pre-oriented yarn)长丝进行试验,结果显示该算法断头识别率超过95%,断头识别时间由人工检测的10^(2) s数量级提升到10^(-1) s数量级。

摘要： 针对多智能体编队系统执行器发生故障时,所引起的参数不确定以及系统瞬态不稳定问题,本文采用径向基函数神经网络(radial basis function neural networks,RBFNNs)对不确定参数(未知函数)进行估计。同时,基于反推技术设计出合理的自适应容错控制器,并通过有限时间理论保证系统实现瞬态稳定。首先,本文采用10个智能体作为被控对象,基于有向通讯拓扑结构理论,构建了非线性多智能体系统模型。其次,基于RBFNNs逼近特性,采用反推技术与动态面技术相结合,设计出合理的容错控制器,补偿多智能体中出现的未知非线性执行器故障,并采用有限时间理论解决系统瞬态不稳定问题。接着,基于Lyapunov稳定性理论分析了控制器的稳定性和快速收敛性。最后,通过两种算例对比,验证了所设计的控制器性能优于传统的反推技术,为工程实践提供了一种有效的研究思路。

摘要： 针对GNSS信号受遮挡或干扰导致的位姿测量系统(POS)量测信息失锁问题,提出一种基于多元线性回归(MLR)和径向基函数神经网络(RBFNN)的混合预测方法,用于GNSS失锁期间的POS导航误差预测。该方法利用Hodrick-Prescott(HP)滤波将POS导航误差样本数据分解成趋势性成分序列与波动性成分序列,分别采用MLR和RBFNN对其进行预测建模,充分表征POS导航误差数据的线性与非线性特征。车载实验结果表明,所提出的基于MLR/RBFNN混合预测方法与标准Kalman滤波方法相比,位置误差精度提高72.9%~89.1%,速度误差精度提高50.1%~60.8%,其位置和速度误差统计结果均优于单一的MLR预测模型和RBFNN预测模型。

摘要： 针对灵巧手的手指轨迹跟踪问题,设计了一种基于径向基函数神经网络(RBFNN)的自适应控制系统。首先,采用n+1型肌腱驱动方案来实现机械手指的位置跟踪控制;其次,针对模型手指与物体的接触,采用基于径向基函数神经网络的自适应控制,逼近了未知的动力学模型,提高了接触力的自适应能力,为了解决肌腱张力约束的影响,引入了辅助系统;最后,通过Lyapunov方法证明了稳定性。仿真结果表明,灵巧手指的轨迹能被稳定跟踪,证明了所提控制算法的有效性和可行性。

摘要： 为了更好地解决单一钟差预测模型预测结果发散,预测精度差等问题,提出一种基于最小残差绝对值的径向基(RBF)神经网络和广义回归神经网络(GRNN)组合预测方法。该方法利用预处理差分数据,分别建立RBF神经网络预测模型和GRNN预测模型,然后进行数据重构;最后利用最小残差绝对值方法对两种模型进行组合。实验结果表明:组合模型预测精度高、稳定性好,12 h内的预报精度在0.6 ns以下,能够对北斗卫星导航系统(BDS)精密卫星钟差进行短期高精度预报。

摘要： 针对传统锻造操作机在作业过程中因自身惯量较大而导致行进速度不稳定的问题,本研究结合锻造操作机大车行走机构建立了其速度的动力学模型,采用基于径向基函数神经网络的PID控制与Smith预估器相结合的控制方法,实现对锻造操作机大车行走速度的精确控制。通过MATLAB/Simulink仿真对比分析得出:基于Smith-RBF-PID算法的控制效果与传统PID相比,其超调量以及调节时间都显著减小;与RBF-PID控制算法相比,缩短了响应时间,大大提高了操作机大车行走速度的控制精度。

摘要： 起飞总重的估算在民用客机设计中起着至关重要的作用,但在飞机的概念设计阶段,用于估算的参数较少,拟合的结果存在较大的误差.而径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)有着良好的泛化能力、快速的学习收敛速度,尤其是在复杂函数逼近方面具有优良性质,只需要较少的神经元就能有很好的逼近效果.本文将径向基函数神经网络对非线性函数的逼近应用于起飞总重的估算,可以有效解决参数及样本数量较少且自变量间存在多重相关性的问题.结果证明,径向基函数神经网络有较强的容错功能,并具有很好的逼近效果.

摘要： 针对神经网络及其改进的神经网络易陷入局部极小值、精度和泛化之间不可调和等固有缺陷,本文将主成分分析(PCA)优化径向基函数神经网络(RBFN)应用于毫米波辐射计的目标识别,利用该方法对探测目标较多的情况下进行目标识别,并与BP和传统RBFN神经网络方法进行比较.结果表明:经过主成分分析优化的径向基函数神经网络相比BP神经网络和传统RBFN神经网络对目标的预测精度更高、发生错判的几率更低、识别效果更好.

摘要： 海洋浮式平台在位后,其性能指标受到人员流动、设备调整等多方面因素影响,使平台基本设计参数(如质量、回转半径、重心位置等)发生变化,引起基本设计参数的误差,对平台性能评估的准确性带来影响.本文在中国南海浮式平台所开展的原型实测的基础上,基于现场获取的台风数据,通过径向基函数神经网络方法开展平台结构运动响应分析研究.利用径向基神经网络结合水动力学分析软件ANSYS-AQWA对平台的几何参数进行修正.以实测数据中纵荡、横荡均值和纵摇、横摇均方差作为神经网络输入参量,以平台的五个基本参数(质量、三个转动量的回转半径、重心高度)作为优化目标.优化结果显示出,实测和计算的纵荡、横荡、纵摇、横摇误差在5％以内,证明了径向基神经网络方法能够良好的获得平台参数的最优解.最后在修正后的平台模型施加百年一遇极端环境荷载条件下,重新评估平台系统的运动响应并与设计值进行对比,对平台设计指标进行评估.

摘要： 随着可再生清洁能源太阳能和风能的广泛应用,孤岛式微型直流电网被用于偏僻的地区和一些孤立的海岛.这些地方的特征往往是随着大气的不规律特性,造成太阳能和风能发电系统的非线性特征非常明显,并且二次端直流负载的接入与断开的随机性也比较大,容易引起微型电网的波动.为不影响其他用电设备的正常工作,恒功率直流变换是一种合适的解决方案.本论文提出的基于RBF神经网络在线辨识的单神经元PID控制的直流变换,结合了普通PID控制结构简单和神经网络非线性系统自适应性强的双重优点,解决了二次直流负载端稳定的直流电源供电问题.

摘要： 随着可再生清洁能源太阳能和风能的广泛应用,孤岛式微型直流电网被用于偏僻的地区和一些孤立的海岛.这些地方的特征往往是随着大气的不规律特性,造成太阳能和风能发电系统的非线性特征非常明显,并且二次端直流负载的接入与断开的随机性也比较大,容易引起微型电网的波动.为不影响其他用电设备的正常工作,恒功率直流变换是一种合适的解决方案.本论文提出的基于RBF神经网络在线辨识的单神经元PID控制的直流变换,结合了普通PID控制结构简单和神经网络非线性系统自适应性强的双重优点,解决了二次直流负载端稳定的直流电源供电问题.

摘要： 随着可再生清洁能源太阳能和风能的广泛应用,孤岛式微型直流电网被用于偏僻的地区和一些孤立的海岛.这些地方的特征往往是随着大气的不规律特性,造成太阳能和风能发电系统的非线性特征非常明显,并且二次端直流负载的接入与断开的随机性也比较大,容易引起微型电网的波动.为不影响其他用电设备的正常工作,恒功率直流变换是一种合适的解决方案.本论文提出的基于RBF神经网络在线辨识的单神经元PID控制的直流变换,结合了普通PID控制结构简单和神经网络非线性系统自适应性强的双重优点,解决了二次直流负载端稳定的直流电源供电问题.

摘要： 随着可再生清洁能源太阳能和风能的广泛应用,孤岛式微型直流电网被用于偏僻的地区和一些孤立的海岛.这些地方的特征往往是随着大气的不规律特性,造成太阳能和风能发电系统的非线性特征非常明显,并且二次端直流负载的接入与断开的随机性也比较大,容易引起微型电网的波动.为不影响其他用电设备的正常工作,恒功率直流变换是一种合适的解决方案.本论文提出的基于RBF神经网络在线辨识的单神经元PID控制的直流变换,结合了普通PID控制结构简单和神经网络非线性系统自适应性强的双重优点,解决了二次直流负载端稳定的直流电源供电问题.

摘要： 储粮温度预测有利于及时采取通风降温等措施保障储粮安全,因而具有重要意义.传统预测方法多是基于历史温度数据的向量形式进行特征提取,破坏了原有数据的高阶特性和内部结构,导致局部空间信息丢失,预测精度难以满足要求.本文针对这一问题,提出了一种以数据张量表示为基础的多线性主成分分析(multi-linear principle component analysis,MPCA)方法.该方法保留了粮堆温度历史数据的高阶性,即在使用MPCA进行特征提取和降维的同时,充分保留了原有数据的内部结构,因而提取的特征更为有效.实验表明,本文方法预测结果优于其他典型预测方法.

摘要： 储粮温度预测有利于及时采取通风降温等措施保障储粮安全,因而具有重要意义.传统预测方法多是基于历史温度数据的向量形式进行特征提取,破坏了原有数据的高阶特性和内部结构,导致局部空间信息丢失,预测精度难以满足要求.本文针对这一问题,提出了一种以数据张量表示为基础的多线性主成分分析(multi-linear principle component analysis,MPCA)方法.该方法保留了粮堆温度历史数据的高阶性,即在使用MPCA进行特征提取和降维的同时,充分保留了原有数据的内部结构,因而提取的特征更为有效.实验表明,本文方法预测结果优于其他典型预测方法.

摘要： 储粮温度预测有利于及时采取通风降温等措施保障储粮安全,因而具有重要意义.传统预测方法多是基于历史温度数据的向量形式进行特征提取,破坏了原有数据的高阶特性和内部结构,导致局部空间信息丢失,预测精度难以满足要求.本文针对这一问题,提出了一种以数据张量表示为基础的多线性主成分分析(multi-linear principle component analysis,MPCA)方法.该方法保留了粮堆温度历史数据的高阶性,即在使用MPCA进行特征提取和降维的同时,充分保留了原有数据的内部结构,因而提取的特征更为有效.实验表明,本文方法预测结果优于其他典型预测方法.

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： 本发明涉及一种基于FPGA设计的径向基函数神经网络自适应增强器电路，其技术特点是：由信号转换电路、径向基函数电路、信号调整电路、LMS滤波器电路及输出调整电路连接构成，信号转换电路的输入端与原始信号相连接，其输出端与信号调整电路及径向基函数电路的输入端相连接，该径向基函数电路的输出端与信号调整电路另一个输入端相连接，信号调整电路的两个输出信号分别连接到LMS滤波器电路上，输出调整电路的输入端分别与LMS滤波器电路的输出端、调整信号m及调整信号n相连接并输出去除噪声的信号。本发明设计合理，提高了常规LMS滤波器的性能，实现了快速计算功能，保证其性能的稳定可靠，可满足对体感诱发电位实时监护的要求。

摘要： 本发明公开了一种基于径向基函数神经网络的接触器动态特性的快速计算方法，其步骤如下：一、根据接触器的图纸获得接触器各结构的尺寸，接触器的额定电压、线圈电阻、线圈匝数、衔铁质量及接触器各结构所用材料；二、建立接触器的有限元模型；三、对接触器有限元模型进行仿真；四、建立接触器磁链的径向基函数神经网络模型和接触器电磁力的径向基函数神经网络模型；五、设定接触器动态特性计算的初始状态，确定计算时间步长及计算总时间；六、利用四阶龙格库塔法对接触器的动态特性方程进行求解；七、将求解得到的数据与时间对应即得到接触器的动态特性。该方法兼顾计算效率和计算精度，为接触器优化设计提供了基础，具有很好的实际应用价值。

摘要： 一种基于径向基函数神经网络的多父代遗传算法空气源热泵多目标优化控制方法，包括以下步骤：步骤1、根据用户需求将输入输出变量输入进系统中；步骤2、径向基函数神经网络的创建、训练以及测试；步骤3、基于训练完成的径向基函数神经网络，利用多父代遗传算法对空气源热泵进行多目标优化；步骤4通过上述步骤可以根据Pareto解得到最优解的输入变量的参数值，将得到的输入变量值传递给系统来调节热泵的控制量。本发明在高精度的同时还能够快速实现对系统的COP制热量Qh或者二氧化碳释放量m和制热量Qh多目标优化。

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： 一种基于径向基函数神经网络代理模型辅助粒子群算法的背光提取方法：将区域调光中的背光提取过程视为一个最优化问题，基于粒子群算法(PSO)求解该最优化问题，来获得一组最优背光阵列。为了提高算法的效率，采用RBFN代理模型应用到算法的求解过程中，使用RBFN代理模型来替换掉复杂耗时的背光平滑、像素补偿过程。相比于基于图像参数的背光提取方法和基于进化算法的背光提取方法，本发明提出的基于径向基函数神经网络代理模型辅助粒子群算法的背光提取方法具有图像显示质量高、算法效率快的特点。