径向基网络

摘要： 针对某钢厂2250热连轧产线是一个变时滞、强耦合的非线性系统,传统的PID控制在处理此类非线性系统时存在着抗干扰性差以及实时控制能力不足等问题,为了提高轧制成品质量,提出一种基于强化学习优化PID控制器参数的设计办法,并在钢铁热连轧领域首次应用。该控制器通过强化学习与PID控制相结合,应用基于执行器⁃评价器结构以及径向基网络的自适应PID控制器在线优化PID控制器参数。实验结果表明,在外部存在干扰的情况下,该控制器能快速回到稳态,且在存在变时延的情况下响应迅速,能快速地作出反应,具有良好的动态性能。通过该控制器的设计结果证明,该智能优化控制器与传统PID控制器相比具有超调量小、响应时间短的优点,具有良好的鲁棒性以及自适应性。

摘要： 开放域对话系统目前采用的检索-生成方法是基于相似问题具有相似回答这一假设,其中最新的聚类-生成方法对训练集中的问题进行硬聚类,并从每个问题簇所对应的回答中学习该簇问题的回复模式.然而现有的方法忽略了问题的语义多样性,影响了生成回复的相关性和信息性.为了解决上述问题,本文提出了面向语义多样性的对话生成模型,利用可学习的软聚类网络将训练集的问题分配到多个语义簇来更好地捕获语义多样性.特别的,本文使用径向基神经网络实现软聚类过程,径向基网络的可微性使得模型能够对软聚类和回复生成过程进行端到端的训练,让这两个过程更加紧密耦合.在Chat数据集上进行实验,结果表明本文算法的性能高于已有的先进算法.

摘要： 针对锅炉过热汽温模型结构和参数发生较大变化时常规PID控制效果难以令人满意的问题,提出一款基于actor-critic(AC)强化学习(reinforcement learning, RL)的自适应PI控制器.控制器采用径向基神经网络(RBF-NN)实现AC强化学习结构,其中actor网络输出为PI控制器参数,cri-tic网络对actor网络输出进行评判以生成时序差分(temporal difference, TD)误差信号,TD误差信号驱动RBF网络权值在线更新.介绍了锅炉过热汽温控制系统结构特点,给出了RL-PI控制器设计和算法执行步骤.完成了锅炉过热汽温控制系统的设计.以典型的非线性时变锅炉过热汽温系统为被控对象,进行了正常工况、增益增大、惯性增大、增益突变、惯性突变以及加扰动等6种工况下的仿真试验.结果表明:与模型预测控制、模糊控制以及常规PI串级控制方法相比,该RL-PI控制器具有明显的优势,能够极大提高系统适应工况变换的能力,且具有更强的自学习能力,收敛速度更快,鲁棒性更强.

摘要： 石油勘探面临的油气储集地质环境日趋复杂,当目标储层与多种岩性地质体混杂时,人工分辨困难,也难以定量化评估判别精度,取得最佳识别结果.针对此问题引入贝叶斯机器学习算法进行自动化目标判别.其中,提出了采用径向基神经网络估计先验分布概率密度,不再假设先验分布模型,增强了贝叶斯分类方法的实用性,替代了人工处理工序,实现了储层目标的高精度、定量、自动化判别.应用于油田地震勘探资料进行实际储层预测,判别结果与工业气井吻合,表明了方法可行、有效.

摘要： 针对变体飞机非线性模型的不确定性问题,提出了一种基于径向基神经网络(radial basis function neural networks,RBFNN)的高精度自适应反步控制方法.首先,在变体飞机静态和动态气动参数分析的基础上,运用传统反步法设计了非线性控制律,并引入径向基神经网络在线逼近系统的不确定项,提高系统鲁棒性;并设计鲁棒项消除径向基神经网络带来的逼近误差.其次,通过对虚拟控制变量进行求导项设计微分跟踪器,解决了传统反步法中存在的"微分膨胀"问题.通过Lyapunov稳定性分析,证明该方法能保证闭环系统跟踪误差最终收敛且一致有界.最后,基于Matlab/Simulink搭建了变体飞机的数字仿真模型,并与常规反步法进行了对比分析,仿真结果表明该方法具有控制精度高、鲁棒性强的特点.

摘要： 由于红外诱饵干扰样式复杂、目标机动形式多变导致传统比例导引律极易被干扰.为提高采用比例导引方法的导弹性能,提出一种利用径向基函数网络调控比例系数及导弹发射时机的智能导引律.以飞行时间及脱靶量为参考,通过构建加权型指标函数将求解最优比例系数及发射时机问题转化为单目标优化问题;引入量子粒子群算法求解最优决策参量,并以其作为网络输出,干扰样式作为网络输入,离线训练径向基函数网络;为提高训练效率,结合K-means及K最近邻算法初始化径向基函数网络.仿真结果表明,当存在红外诱饵干扰时,智能导引律性能优于扩展比例导引律及自适应滑模导引律.

摘要： 为提高故障诊断准确度,针对航空发动机气路故障中状态参数非线性强且易受噪声污染的问题,提出一种改进降噪自编码的航空发动机气路诊断方法.该方法在降噪自编码器(denoising autoencoder,简称DAE)基础上,采用改进萤火虫算法(firefly algorithm,简称FA)优化的径向基(radial basis function,简称RBF)神经网络,进行航空发动机故障诊断,DAE能够提取出更利于故障诊断的深层鲁棒特征.为了进一步提高算法的诊断准确度,引入惯性权重与自适应光强因子的改进FA来优化RBF网络从而得到萤火虫径向基(firefly radial basis function,简称FRBF)网络,再将DAE提取的特征导入其中进行故障诊断.通过实例,将提出方法与原始DAE、单独的FRBF、支持向量机(support vector machine,简称SVM)和RBF这4种算法进行对比,结果表明,所提出方法诊断精度最高,达到98.1％,且算法性能稳定,鲁棒性也优于其他几种方法.

摘要： 为了提高城市道路短时交通流预测的时效性、准确性,提出一种基于果蝇优化算法(Fruit FlyOptimization Algorithm,FOA)的径向基(Radial Basis Function,RBF)网络预测方法,简称FOA-RBF网络.以交通数据的混沌特性为依据,对短时交通流时间序列进行相空间重构,在相空间中构造混沌模型,凭借FOA算法对参数空间的探索能力,优化RBF网络的超参数,以此建立FOA-RBF网络.在城市道路数据上对FOA-RBF网络的有效性进行验证,实验结果表明,FOA-RBF网络在精度上有较大提升,并在处理大数据方面表现出较好的性能.%To improve the speed and the accuracy of short-term traffic flow prediction of urban road,a prediction model optimized by fruit fly optimization algorithm (FOA) based on radial basis function (RBF)network is proposed,called the FOA-RBF network.Based on the chaotic characteristics of traffic data,the phase space reconstruction is carried out for short-term traffic flow time series,and a chaos model is established in the phase space for prediction.Because FOA algorithm has a good exploration in the parameter space,the hyper-parameters of RBF are optimized by FOA,and then a FOA-RBF network is established.The validity of the FOA-RBF network is validated on urban road data.Experimental results show that the FOA-RBF network has better accuracy and good performance when handling large data.

摘要： 本文就船舶临修费用的预测，提出了一种基于径向基神经网络算法。介绍了径向基网络的基本结构、算法、临修费用数据输入预处理方案以及临修费用的预测的应用情况。

摘要： 针对粒子滤波算法的缺陷,提出了改进粒子滤波算法。该算法利用径向基网络的最佳逼近特性,提高先验概率密度估计精度,消除噪声引起的估计误差,利用支撑向量回归法实现较少粒子的高精度跟踪.机动目标的跟踪仿真表明该算法的精度和稳定性优于粒子滤波和无迹粒子滤波,可实现实时鲁棒艰踪,视频目标的跟踪试验也表明该算法对有遮挡现象的跟踪问题的有效性。

摘要： 由于临修费用预测分析所具有的一系列特殊性,使得在具体应用分析中存在着一些不同于其他领域的独有特点。针对单船年度临修费用变化具有较大的随机性,样本数相对较少,样本是时间序列并具有一定跳跃性的情况。本文应用径向基网络模型对单船年度临修费用进行估算探讨,作为临修经费预测参考。

摘要： 研究了一种利用瞬态振动信号进行齿轮故障模式识别的方法.首先利用B&K3560多分析仪对齿轮箱启动时的原始振动信号和速度信号进行时域里等时间间隔的同步采样,利用样条插值算法对速度信号进行角域重采样得到等角度分布的采样点;然后根据该采样点所对应的时间对振动信号进行插值得到等角度采样的信号,并对得到的数据进行阶次跟踪分析;再对该信号进行特征参量提取,建立了基于阶次跟踪的齿轮故障特征参量集;最后利用径向基网络对得到的特征参量集进行模式识别.结果证明,阶次跟踪技术对于瞬态信号有较好的分析处理能力,它能够有效地避免传统频谱分析方法所无法解决的"频率模糊"现象,而径向基网络对齿轮的故障特征参量集具有较强的识别能力,将二种方法相结合能够对齿轮进行有效地故障识别,具有广阔的应用前景.

摘要： 在选取各项指标参照值并设定相应的规范变换式基础上,提出适用于多项污染指标的具有普适性的水质评价径向基函数神经网络,克服了传统径向基函数网络的使用局限性.并采用猴王遗传算法优化网络中的参数,得到优化后具有简明形式的评价计算公式.将此规范化的径向基函数网络应用于实例分析计算,表明该模型不受污染物种类和数目多少的限制,为评价模型的普适化、简单化提供了一条途径.

摘要： 在分析经典的脉冲响应信号时域法(相关系数法)的基础上，提出采用径向基网络进行脉冲响应信号提取，以增强噪声抵抗能力，使得在较强噪声情况下还能提取出较理想的脉冲响应信号。在径向基网络样本设计中，提出了对输入信号样本矩阵采用矩阵LU变换来提高网络的训练性能，LU分解也增强了网络的泛化能力。试验结果表明:基于径向基网络的脉冲响应信号提取在较强噪声环境下的表现优越于经典的时域法，并且算法时间也较快，能够适用于实际工程应用。

摘要： 利用神经网络进行光电轴角编码器的误差补偿,是一种新的编码器误差修正技术。在利用径向基函数网络(RBF)建立非线性模型对编码器的长周期误差进行修正时,实验数据中的随机噪声会造成过拟合现象的产生,影响模型的补偿效果。针对RBF网络的过拟合现象,分别采用滑动平均法与异常点剔除法对实验数据进行预处理以减小随机噪声的影响。实验表明,使用径向基神经网络进行误差补差可以将编码器的系统精度提高至3倍以上,在此基础上对建模数据进行预处理,可以进一步优化网络性能,使得编码器的系统精度在原有基础上得到进一步的改善,验证了方法的有效性。

摘要： 本文提出了一种基于小波变换、傅立叶变换与神经网络相结合的模拟电路故障诊断新方法。该法使用小波变换和傅立叶变换对模拟电路在各种故障状态下进行特征的提取，即首先对电路在各种故障状态下的节点电压信号进行小波变换以将干扰信号(如噪声)除去，防止不相关的能量混在有效信号中，然后采用傅立叶变换进行分析，得到有效信号频谱，提取其能量值再经主元分析与归一化处理后作为故障特征。考虑概率型神经网络具有结构简单、训练速度快、追加样本容易的特点，本义提出了采用这种神经网络来实现故障的定位。本文详述了其诊断原理及诊断步骤，并通过电路诊断实例，验证了所提方法的有效性。

摘要： 本文提出了一种基于小波变换、傅立叶变换与神经网络相结合的模拟电路故障诊断新方法。该法使用小波变换和傅立叶变换对模拟电路在各种故障状态下进行特征的提取，即首先对电路在各种故障状态下的节点电压信号进行小波变换以将干扰信号(如噪声)除去，防止不相关的能量混在有效信号中，然后采用傅立叶变换进行分析，得到有效信号频谱，提取其能量值再经主元分析与归一化处理后作为故障特征。考虑概率型神经网络具有结构简单、训练速度快、追加样本容易的特点，本义提出了采用这种神经网络来实现故障的定位。本文详述了其诊断原理及诊断步骤，并通过电路诊断实例，验证了所提方法的有效性。

摘要： 本文提出了一种基于小波变换、傅立叶变换与神经网络相结合的模拟电路故障诊断新方法。该法使用小波变换和傅立叶变换对模拟电路在各种故障状态下进行特征的提取，即首先对电路在各种故障状态下的节点电压信号进行小波变换以将干扰信号(如噪声)除去，防止不相关的能量混在有效信号中，然后采用傅立叶变换进行分析，得到有效信号频谱，提取其能量值再经主元分析与归一化处理后作为故障特征。考虑概率型神经网络具有结构简单、训练速度快、追加样本容易的特点，本义提出了采用这种神经网络来实现故障的定位。本文详述了其诊断原理及诊断步骤，并通过电路诊断实例，验证了所提方法的有效性。

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： 本发明公开了一种基于自组织特征映射网络聚类和径向基网络的语音转换法，属于语音信号处理技术领域，包含以下步骤：预处理，清浊音判决与特征参数提取；参数聚类；频谱包络转换规则的建立；基音频率转换规则的建立；特征参数的转换；语音合成。本发明将源语音特征参数分成若干个聚类，相应的目标特征参数也分成与源语音各聚类一一对应的若干类，对每一聚类分别建立转换规则，这样不仅将训练数据进行划分减少了训练的时间复杂度，使得转换生成的语音具有良好的自然度；在语音特征参数转换时，将基音频率与频谱包络联系起来，建立两者间的转换关系，克服了孤立的对基音频率转换的缺点，使得转换出的基音频率更加具有目标说话人的特性。

摘要： 本发明公开了一种基于自组织特征映射网络聚类和径向基网络的语音转换法，属于语音信号处理技术领域，包含以下步骤：预处理，清浊音判决与特征参数提取；参数聚类；频谱包络转换规则的建立；基音频率转换规则的建立；特征参数的转换；语音合成。本发明将源语音特征参数分成若干个聚类，相应的目标特征参数也分成与源语音各聚类一一对应的若干类，对每一聚类分别建立转换规则，这样不仅将训练数据进行划分减少了训练的时间复杂度，使得转换生成的语音具有良好的自然度；在语音特征参数转换时，将基音频率与频谱包络联系起来，建立两者间的转换关系，克服了孤立的对基音频率转换的缺点，使得转换出的基音频率更加具有目标说话人的特性。

摘要： 本发明公开的基于径向基网络的跨介质飞行器快速入水近似优化方法，属于飞行器总体优化技术领域。本发明实现方法为：对从空中入水过程的跨介质飞行器进行受力分析，同时考虑重力、浮力、理想流体作用力与粘性流体作用力，建立高精度跨介质飞行器的动力学模型。对跨介质飞行器的入水状态进行数据采样，调用跨介质飞行器动力学模型构造样本点，构建径向基网络模型，对跨介质飞行器入水时间进行高效准确预测，降低模型调用次数。综合考虑跨介质飞行器多种入水状态变量，建立入水时间优化模型，采用粒子群算法对跨介质飞行器入水状态设计空间进行搜索寻优，求解最优入水状态。以最优入水状态指导跨介质飞行器制定任务流程，提高任务完成率。