基于PSO优化RBF-NN的磁浮车间隙传感器温度补偿

针对高速磁浮列车悬浮间隙传感器的温度漂移现象,建立了基于RBF(radial basis function)神经网络的间隙传感器温度补偿模型.通过对全局最优粒子执行梯度下降寻优,将粒子群优化算法与梯度下降算法结合得到一种寻优能力更强的混合算法,并将该方法用于RBF温度补偿模型参数优化,提高了间隙传感器的补偿精度,最后,使用现场可编程门阵列FPGA(field-programmable gate array)实现了该补偿模型并进行了实验.实验结果表明:该方法能够较好地对间隙传感器进行温度补偿,补偿后的传感器输出不受环境温度影响,全量程范围内最大误差为0.45 mm,8~12 mm工作间隙范围内误差为0.16 mm.

基于MLP与RBF神经网络的钼金属价格预测方法研究

钼是一种十分重要的有色金属资源,但现有针对钼金属价格进行分析和预测的方法一般无法较好地对其变化规律进行准确刻画。本文通过对制约钼金属价格的因素进行探究,并尝试采用多层感知器(MLP)与径向基函数(RBF)神经网络算法,分别构建钼金属价格预测模型并进行实际价格预测,得出MLP与RBF神经网络算法的相对误差平均值分别为0.57%和19%,同时对结果进行多角度对比分析,表明MLP算法不仅简洁直观,而且具有较好的合理性与可靠性。

基于Dubins路径的空中加油自主会合制导与控制

针对空中加油过程中,受油机需要在最短时间内与加油机完成会合的情况,设计了一种基于Dubins路径的航路规划方法。该方法利用Dubins路径的原理,结合受油机的飞行性能和最小转弯半径等因素,计算出一条最短的会合轨迹,并给出轨迹上的预计转弯点和预计会合点作为受油机的目标路径点,这样提高了飞行效率减小会合时间。采用比例制导方法设计了受油机的制导指令,并采用基于RBF神经网络的backstepping方法设计了受油机非线性控制律。以受油机主动会合为例进行了仿真,结果表明该方法能够引导受油机实现与加油机的会合,且路径时间最短。