信息熵和RBF神经网络的发动机故障诊断

针对汽车发动机气门间隙异常故障,探讨了应用小波分解后求各尺度小波系数信息熵,和RBF神经网络对发动机进行不解体故障诊断的方法。由此,对某汽油发动机进行了故障模拟试验,分别在正常工况和三种故障工况下测取了缸盖表面振动信号。对所采集信号进行Stein无偏估计消噪处理,利用小波系数信息熵提取特征向量,进行归一化处理,然后用RBF神经网络对处理后的振动信号进行分类识别。发动机气门间隙故障的诊断实例表明,在不同工况下利用小波系数信息熵提取故障特征向量、进行基于RBF神经网络的故障诊断方法现实可行,对实现发动机不解体故障诊断具有一定的应用价值。

RBF网络在冲击波测试系统动态特性应用中的优势

针对冲击波实际测试系统的幅频特性曲线在截止频率前存在多个幅值各异的“鼓包”,造成输出信号严重畸变的现象,提出了基于径向基(RBF)网络的系统辨识与系统动态特性优化方法。利用RBF神经网络进行系统辨别模型和动态补偿模型的建立,对比RBF网络和BP网络对测试数据的训练成效,发现相较BP网络而言,利用RBF网络进行动态补偿后的输出信号与测试系统理性模型的输出信号之间有更好的一致性,残差均值为0.6×10-8,优化具有动态补偿特性的测试系统幅频特性曲线。得到结论:RBF神经网络具有比BP神经网络更好的泛化能力,冲击波测试系统动态性能在RBF神经网络训练后达到盍态补偿。

基于Rife法的波浪发电RBF神经网络功率优化控制

为提高不规则海况下直驱式波浪发电系统的功率捕获能力,通过建立水动力模型及直线电机模型,分析等效模拟电路共振状态,构造最优功率捕获条件;针对波浪工作环境强噪声干扰问题,采用Rife法获取波浪主导激励分量,设置等效阻尼系数,计算q轴最优期望电流跟踪值;通过设计径向基函数(RBF)神经网络PI控制,提高等效控制电流信号的跟踪精度,改善系统动态性能。仿真结果表明,所提策略对含强噪声干扰的波浪信号主频段幅值和频率预估精度高,跟踪期望电流效果好,鲁棒性强,系统输出功率优化效果显著。

基于改进ALO-RBF的高频地波雷达海杂波预测模型

高频地波雷达是海上动目标检测的重要手段,其中海杂波是影响海面目标检测性能的主要因素。为了提高海杂波的预测精度进而有效抑制海杂波,本文提出了一种基于改进蚁狮算法(Ant Lion Optimizer,ALO)优化RBF神经网络的海杂波预测模型(MGPALO-RBF,Multiple elites dynamic guidance Ant Lion Optimizer based on Gaussian difference variation-based learning with Perturbation factor-radial basis function)。由于标准蚁狮算法具有易陷入局部最优且收敛速度慢的缺点,本文在蚂蚁进行随机行走的过程中加入扰动因子以增加种群的活跃性和多样性,并提出多个精英动态引导机制,强化算法前期的探索能力和后期的开发能力,同时对种群中较差蚁狮进行高斯差分变异以提高算法的收敛速度。仿真结果表明:改进的蚁狮算法在对比算法中具有更高的收敛精度和收敛速度,MGPALO-RBF模型具有更好的海杂波预测性能。

基于RBF神经网络对基桩完整性的预测

为准确预测基桩缺陷类型及程度,消除常规理论分析与实际状态的偏差。基于RBF神经网络,结合低应变反射波法基本数据,分析包括定性识别桩身缺陷类型和定量分析缺陷程度。针对反射波法基本数据和桩身物理特性,将桩身均分为60份加上凝土波速、桩长、桩径,63个变量作为影响因子,建立神经网络基桩缺陷评价体系,完整、离析、断裂、扩径、缩径、多缺陷作为输出,通过RBF神经网络模型,预测桩身完整性,并结合工程实例证明准确性与有效性。

一种改进的RBF神经网络DOA估计方法

提出一种优化径向基函数神经网络来波方位(DOA)估计模型结构和参数的方法。利用误差准则函数的收敛性,合理确定模型的隐层神经元数目,根据阵列信号相位差特征的空间分布特点,选择具有代表性的隐层神经元的中心,构建的RBF神经网络更能反映阵列的测向能力。相比于目前的径向基函数神经网络测向模型的构建方法,改进的DOA估计模型具有更好的泛化性能,能够提高测向精度。实验结果验证了该方法的有效性。

传感器校正方法在雷管暗伤自动检测系统中的应用

提出了采用电磁理管、分管、瞬间高气压冲击检测的原理,融合计算机控制和新型传感器技术研制出了雷管暗伤自动检测机.同时运用RBF神经网络对压力传感器进行校正,选取其中动态最近邻聚类算法作为学习算法训练网络,降低传感器网络体系受环境温度和电源波动等因素的影响,使其具有良好的线性输出.设备运行表明,暗伤检测合格率为100%,检测效率为128个/min.

基于径向基神经网络的配电网单相接地故障研究

分析了配电网单相接地故障定位的主要问题,提出了基于径向基(RBF)神经网络的配电网故障定位方法。利用RBF神经网络善于特征提取和模式识别的优点,可以确定出故障所在的分支。同时结合C型行波测距法,实现了对故障分支的准确定位。通过仿真建立RBF神经网络模型,并与传统的BP网络进行比较,结果表明,在线路模型复杂且分支增多的情况下,BP神经网络无法正确判断故障所在分支,RBF网络在故障定位方面更准确,可判断更多的故障分支,可以实现对故障的准确定位,为进一步对该方法的研究奠定了基础。

一种冲击波压力传感器的准静态校准神经网络模型

由冲击波压力传感器准静态校准原理,间接比对式校准的精度取决于重锤的落高与压力拟合模型的精度,本文采用RBF神经网络建立了以落高为输入量、冲击波压力峰值为输出量的神经网络模型。选用典型标准压力传感器,在7~30 MPa量程范围开展校准实验;通过对测试样本进行分析,结果表明:该神经网络模型预测的最大相对误差不超过0.04%,比多项式拟合模型和指数拟合模型高一个数量级。落高与压力拟合模型引入的不确定度是构成冲击波压力传感器动态测量不确定度的一个重要分量,通过建立高精度的重锤落高与冲击波压力峰值神经网络拟合模型,为进一步提高冲击波压力传感器的测量精度奠定了基础。

基于微波辐射测量的电波折射修正技术

针对电波折射修正精度直接影响无线电系统的探测和定位精度这一问题,提出了利用微波辐射计反演大气折射率剖面进行电波折射修正的解决方法,并引入RBF(Radial Basis Function,径向基)神经网络算法反演大气折射率。在青岛市气象局架设MP-3000A型多通道微波辐射计,开展了长达1个月的与探空数据的联合观测比对实验,对输出的大气折射率剖面进行了详细的分析。实验结果表明:RBF神经网络算法与MP-3000A自带的神经网络算法相比,反演大气折射率剖面的精度提高了30%以上,同时,电波折射修正的精度也得以提高。因此,利用微波辐射计反演大气折射率剖面进行电波折射修正方法可行。

基于AR模型和神经网络的柴油机故障诊断

基于虚拟仪器技术,采用NI公司PCI-4472采集卡及LabVIEW7.1开发柴油机缸盖振动信号采集分析系统。模拟柴油机气阀漏气、气门间隙异常等故障,并对利用该系统采集的缸盖振动信号样本进行AR谱估计,从中提取5个特征参数,最后利用RBF神经网络进行故障模式识别。结果表明:该诊断方法具有较高的精度,结合LabVIEW与Matlab的平台,便于故障在线监测与诊断系统的开发。

毫米波E面滤波器神经网络建模方法研究

在毫米波E面滤波器的设计中,对E面膜片的建模和分析是一个关键环节。以往采用的数值分析方法虽然精度较高,但建模速度慢。提出采用径向基神经网络对膜片建模,并利用Matlab语言编写神经网络建模程序。结果表明,得到了很高的建模精度,且建模速度大大提高。因此可以将神经网络模型替代以往的分析程序,在保证精度的同时,大大提高滤波器的设计速度。

基于离子电流的爆震波压力非线性模型

为了实现爆震波压力的软测量,依据碳氢焰离子形成原理及爆震波高速传播的特点,在分析爆震波离子形成机理的基础上,根据爆震波离子电流与压力信号的相似性,提出基于离子电流的爆震波压力非线性模型建模思路。采用RBF网络建立爆震波非线性模型,并给出网络结构、样本选取原则和预处理方法。开展了单次脉冲爆震试验,利用试验数据建立该压力非线性模型,并通过试验数据和模型输出的对比校核模型的有效性和准确性。

基于Adaboost算法的水质组合预测方法研究

水质预测是水环境污染防治的重要内容,针对传统水质预测方法精度低、收敛速度慢等问题,研究首先选取Symlets和Daubechies小波系作为小波函数,对原始数据进行去噪处理并对比,再结合RBF、Elman神经网络以及支持向量机各自优点,通过不同算法优化3种预测模型,提出基于Adaboost算法将优化后的RBF、Elman神经网络以及支持向量机相结合的组合预测方法;以北海为对象进行仿真实验,验证基于Adaboost的溶解氧组合预测方法的有效性,并分别与单一模型的预测结果进行对比,结果表明该方法相比于传统的单一模型预测精度得到了提高,为水质精准预测提供了一种新思路。

阀门泄漏检测在石化企业中的应用

本文通过分析阀门泄漏的原因及阀门泄漏对环境和生产带来的危害,结合石化生产应用实际,介绍了几种适用的阀门在线检测技术,尤其是负压波法结合RBF神经元网络,并提出石化生产中阀门泄漏检测的建议。

基于广域行波波头频率分量幅值比信息的输电网非同步故障定位

现有电网行波故障定位方法大多依赖行波到达时间和波速信息,需要精确同步。提出一种利用线模电压初始行波波头频率分量幅值比信息的输电网故障定位方法。该方法基于初始行波波头频率分量幅值的衰减特征和行波最短传播路径,采用虚拟故障点法,利用全网测量点的实际和理论幅值比差值构建故障线路识别判据;在保证训练普适性和少训练样本的前提下,利用径向基函数(RBF)神经网络拟合初始行波波头2个不同频率分量幅值比与故障距离的非线性关系实现故障精确定位。所提方法只需初始行波波头较低的频率分量幅值比信息,无需全网布置测量点和精确同步。在PSCAD/EMTDC中建立了IEEE 30节点系统的仿真模型,仿真结果表明所提方法定位精确、可靠性较高。

有限带宽调频连续波激光引信精准测距方法

本文提出了一种新的测距方法以提高带宽受限的调频连续波激光引信的定距精度,RBF神经网络被用于获取差频信号并计算目标距离。与仅使用频谱峰值确定距离的传统方法相比,该方法的测量误差大大减小,约为以前的3.47%。即使在信噪比降至-20 dB时,该算法仍具有较强的鲁棒性。该方法可为对尺寸要求严格的引信定距提供替代解决方案。

地震检测波的分形神经网络模式识别

基于分形理论提出了尺度窗分配维的概念,与单一分形维相比,尺度窗分配维集合能更好地对自然界中的无规分形进行全面、细致的描述,形成其分形特征向量.将分形特征向量作为输入矢量,通过标准样本集的学习,建立基于分形分析的复杂非线性系统RBF神经网络辨识模型.以地震检测波为分析对象,尝试将该模型应用于混凝土地下连续墙的区域物性预测,实例证明它的可行性.该方法将分形理论与神经网络的优势联合,提出了一条非线性系统检测识别的新技术路线,在无损检测等多个领域具有应用价值.