RBFs Meshless Method of Lines for the Numerical Solution of Time-Dependent Nonlinear Coupled Partial Differential Equations

In this paper a meshless method of lines is proposed for the numerical solution of time-dependent nonlinear coupled partial differential equations. Contrary to mesh oriented methods of lines using the finite-difference and finite element methods to approximate spatial derivatives, this new technique does not require a mesh in the problem domain, and a set of scattered nodes provided by initial data is required for the solution of the problem using some radial basis functions. Accuracy of the method is assessed in terms of the error norms L2, L∞ and the three invariants C1, C2, C3. Numerical experiments are performed to demonstrate the accuracy and easy implementation of this method for the three classes of time-dependent nonlinear coupled partial differential equations.

基于RBFSMC的舰载武器随动系统控制策略

为解决舰载武器在海上射击时精度不高的问题,提出一种基于RBF神经网络滑模控制策略。根据舰载武器随动系统的工作原理,建立舰载武器随动系统数学模型,利用滑模在非线性控制中的优越性,采用RBF神经网络对系统的摄动参数进行自适应逼近,解决滑模在切换时产生的抖振问题,得出舰载武器随动系统位置控制器的控制律。仿真结果表明:该控制策略能提高舰载武器随动系统的快速响应能力和动态精度,满足系统要求。

基于RBF网络的四旋翼无人机姿态鲁棒自适应反步滑模控制

针对存在干扰的四旋翼无人机姿态系统,设计了一种RBF网络鲁棒自适应反步滑模控制器.在反步滑模控制的基础上,通过RBF网络逼近和补偿标称控制律,采用神经网络最小参数学习法,取神经网络的权值上界估计作为神经网络的估计值,通过设计参数估计自适应律来代替神经网络权值的调整,并用Lyapunov理论证明系统的稳定性.仿真结果表明:该方法相比反步滑模控制方法,在有干扰的情况下,有更短的调节时间,更好的跟踪精度,验证了本方法具有更好的抗干扰性和鲁棒性.

基于RBF神经网络的光伏并网系统自适应等效建模方法

针对广义负荷建模中的光伏并网系统模型难以适应不同逆变器控制和频率扰动的动态响应问题,提出了一种基于径向基函数(radialbasisfunction,RBF)神经网络的光伏并网系统自适应等效建模方法。首先,建立了光伏并网逆变器不同控制策略响应波形的检测判据。然后,构建了以电压-频率扰动为输入,有功功率和无功功率为输出的光伏并网系统RBF神经网络模型。最后,在Matlab/Simulink中搭建了光伏并网系统模型,并将其接入IEEE14节点配电网进行仿真验证。结果表明,构建的光伏并网自适应等效模型能够有效辨识电压频率给定控制、有功无功给定控制、下垂控制策略类型,能够准确反映光伏并网系统在不同电压、频率扰动下的有功功率、无功功率的动态响应特性。

基于激光雷达的隧道轮廓三维点云重构与形变检测研究

为实现地铁隧道轮廓全面、高效、精准的数字化检测,提出一种基于三维点云的隧道形变检测方法。该方法通过相对定位算法将激光雷达获取的多周期隧道轮廓点云数据进行数据融合,利用地铁隧道建模算法对融合数据进行处理建立标准隧道轮廓模型,根据测量值与模型输出值对比结果完成形变检测。相对定位算法利用转速传感器与激光位移传感器获取的公里标与轨道特征数据实现对地铁隧道轮廓特征数据粗、细校准定位,以解决转速传感器定位误差较大导致的相同位置不同检测周期激光点云数据无法对齐融合的问题。地铁隧道建模算法基于径向基神经网络(RBFNN)对融合后点云数据进行多重训练并不断剔除大误差数据建立隧道普通内壁模型,结合聚类算法对被剔除数据训练建立隧道管线区域模型。研究结果表明:相对定位算法可实现多周期数据融合,相对定位误差小于10 cm;隧道建模算法利用点云数据可建立标准隧道模型实现隧道形变分析,形变分析误差小于10 mm,达到预期效果。

混合动力汽车能量管理策略研究

针对混合动力汽车能源管理策略中能量分布不合理的现象,同时降低混合动力汽车的能耗和电池寿命衰减率,在动力系统结构的基础上,提出了一种将RBF神经网络和动态规划方法相结合用于混合动力汽车的能量管理策略。RBF神经网络用于在预测时域中预测车速,获得预测时域中的车辆需求扭矩,动态规划方法用于优化求解预测时域,实现合理分配发动机和电机扭矩。通过仿真与传统能源管理策略进行比较,验证了该方法的优越性和准确性。实验结果表明,与传统策略相比,提出的能源管理策略可以显著提高燃油经济性,降低能耗15.47%,具有实际应用潜力。

基于RBF网络的新疆特重雪灾区最大积雪深度预测研究

基于建立的雪灾灾损指数,确定新疆特重雪灾区域;进一步聚焦特重雪灾区的8个县(市),包括阿勒泰市、福海县、青河县、塔城市、托里县、沙湾市、尼勒克县和伊宁县,分别建立县域RBF网络模型,预测2021—2050年年最大积雪深度。结果表明:该模型可用于新疆特重雪灾区最大积雪深度预测,但预测精度仍有待提升;塔城市、尼勒克县将于2025—2029年连续出现最大积雪深度偏高事件,2039年青河县将出现最大积雪深度的极大值,因此应关注可能发生雪灾的年份与县(市),积极做好雪灾的防御工作。

基于先验知识的弓网接触电阻预测模型精度提升方法

高速列车的运行实践表明,随着运行速度提高,受电弓与接触导线分离的可能性越大,越容易产生弓网电弧。导致电弧产生的因素很多,但最终都归结到滑板与接触网的接触电阻上。首先利用滑动电接触实验机,研究了波动载荷、滑动速度和接触电流对接触电阻的影响,并进一步结合表面形貌特征,分析了磨损机制、电弧放电与接触电阻演变规律之间的关系。其次为了预测不同工况下的接触电阻,建立了径向基(RBF)神经网络回归模型,通过在模型训练中融入先验知识和采用改进的食肉植物优化算法(ICPA)优化RBF神经网络超参数,提升弓网接触电阻预测模型的精度。有、无先验知识的ICPA-RBF模型预测性能对比仿真结果表明,两类先验知识分别有助于提高模型的收敛速度和预测精度。最后采用假设检验验证了模型的有效性。

基于GA的RBF神经网络气液两相流持液率预测模型优化

为了提高气液两相流持液率预测精度,针对传统径向基函数(RBF)神经网络预测气液两相流持液率网络拓扑结构困难和收敛速度慢等问题,提出一种基于遗传算法(GA)优化径向基函数神经网络的气液两相流持液率预测模型。通过系统聚类算法和灰色关联度分析(GRA)对收集的实验数据进行处理,优选出最优模型特征,同时结合遗传算法确定了RBF神经网络结构参数。基于室内实验数据进行训练,并与常用于持液率预测的反向传播(BP)神经网络、GA-BP神经网络及RBF神经网络进行对比,评估了模型的准确性及可行性。结果表明:GA-RBF神经网络模型均方误差为0.0017,均方根误差为0.0416,平均绝对误差为0.0281,拟合度为0.9483。相较于其他神经网络模型,该预测模型表现出更高的计算精度和更强的泛化能力。

基于分解集成及不确定理论的碳价格预测

准确的碳市场价格预测是碳排放交易市场相关政策制定和碳金融发展的基础.为消除碳市场价格原始序列存在的非线性、非平稳性、高噪声性和不确定性,准确预测碳市场价格,论文将不确定理论、集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)和径向基神经网络(radial basis function,简称RBF)相结合,构建了碳市场价格预测模型,并将其应用于广东省碳市场价格预测.首先通过EEMD算法和fine-to-coarse方法对原始的碳市场价格数据进行分解和重构,得到具有不同变化规律的高频项和低频项,并将其代入RBF神经网络进行训练,然后采用不确定理论,对低频项的输出权重进行不确定性分析,对残差趋势项采用线性回归进行拟合,最后将3个子项的预测结果进行集成求和得到最终的碳市场价格预测值.实证结果表明无论是在均方根误差(root mean square error,简称RMSE)、平均绝对误差(mean absolute error,简称MAE)还是在平均绝对百分比误差(mean absolute percentage error,简称MAPE)指标方面,论文模型在碳市场价格预测方面都比其他预测模型更具优势,预测结果更准确.

不同容量下并网模式交流微电网短路故障早期检测与区域定位

随着分布式电源(distributed generation,DG)的容量变化,微电网原有的供电结构发生改变,使得潮流大小、方向和功率结构发生变化,对快速检测和定位微电网中的短路故障区域提出了挑战。在MATLAB/Simulink中搭建低压交流微电网模型;通过高尺度小波能量谱算法对微电网与大电网公共连接点(point of common coupling,PCC)处检测到的电流进行分解,提取适应不同容量情况的短路故障特征值,实现了不同容量下微电网短路故障的早期检测;利用小波能量谱特征结合基于正交最小二乘法(orthogonal least square,OLS)的径向基函数(radial basis function,RBF)神经网络算法提出一种适用于不同容量微电网的短路故障区域定位方法,并进行仿真验证;在此基础上设计并网模式微电网短路故障保护硬件系统,并进行实验验证。结果表明,所设计的保护系统能够快速、准确地同时实现并网模式下交流微电网短路故障的早期检测与区域定位。

基于MI-PSO-RBF神经网络的铁路客货运量预测研究

准确地预测铁路客货运量对合理配置运输资源、提高铁路客货运组织工作效率有重要作用。为提高铁路客货运量的预测精度,提出一种基于MI-PSO-RBF神经网络的客货运量组合预测模型。本研究对铁路客货运量的影响因素及其内在关联进行分析,选取相关指标,利用互信息素法对指标进行筛选,构建影响因素指标体系。基于该指标体系,运用粒子群算法优化的RBF神经网络模型分别对铁路客货运量进行预测,并与传统的BP神经网络、RBF神经网络预测模型进行比较。结果显示,经过参数调整优化后的MI-PSO-RBF神经网络在铁路客运量及货运量的预测精度方面表现最佳,测试集R2分别达到了0.9481与0.9911,具有较高的精度及泛化能力,表明该组合预测模型能够进一步提升神经网络模型预测铁路客货运量精确度。

数字孪生下的液压缸机械运行位置自动控制

液压缸机械系统非线性特征复杂,机械运行行为特征不明确,位置控制结果存在偏差,对此,该文提出数字孪生下的液压缸机械运行位置自动控制方法。连续检测液压缸机械系统运行状态,构建非线性状态方程,对比实际测量数据与输出数据的差异,选取RBF核函数与支持向量机,机械运行位置变化量,描述机械运行行为特征,建立位置控制目标函数,将最高适应度值对应的位置点自动更新为副本位置点,引入猫群算法求解目标函数,对位置控制目标函数的全局最优解展开更新,实现液压缸机械运行位置自动控制。实验结果表明,所提方法应用后,位移检测曲线与实际位移曲线之间的偏差较小,且在恒负载工况下和变负载工况下,位移稳态误差均较小,说明其机械运行位置自动控制结果精度高、控制效率高、控制精度高。

基于自适应滑模的欠驱动无人艇轨迹跟踪控制算法

针对欠驱动水面无人艇在航行过程中存在的海洋环境干扰、数学模型参数不确定、执行器故障等问题,提出了一种基于扰动观测器与神经网络技术的自适应滑模轨迹跟踪控制算法;在欠驱动无人艇的三自由度模型基础上,结合视线制导律,提出了一种新的轨迹跟踪制导策略;采用自适应滑模控制技术设计了欠驱动无人艇的轨迹跟踪控制器,有效地抑制了执行器衰减故障对无人艇控制系统产生的影响;同时运用了非线性扰动观测器和自适应径向基函数神经网络分别对无人艇受到的外界时变干扰和模型参数不确定性进行补偿和拟合,提高了无人艇控制系统的鲁棒性;基于Lyapunov定理证明了所设计的控制算法的稳定性,并在MATLAB中进行了仿真测试;仿真结果表明,所提出的轨迹跟踪控制算法可以在较为复杂的环境下实现对欠驱动无人艇的精准控制;相较于对比算法,欠驱动无人艇在文章算法下的位置平均跟踪误差减小了80%以上,具备较高的稳定性和容错能力。

基于自适应RBF神经网络具有模型不确定性的四旋翼无人机指定时间预设性能控制方法

四旋翼无人机具有强耦合和欠驱动的特点,在飞行过程中很容易受到外界干扰,进而影响整个无人机系统的稳定性和精度。为此,提出了一种基于RBF神经网络的指定时间预设性能约束控制策略。首先,针对四旋翼无人机的不确定数学模型难以精确建立,并且在执行任务过程中存在外部未知扰动问题,提出了一种基于指定时间预设性能控制方法,将四旋翼无人机的轨迹跟踪问题转换为对位置子系统和姿态子系统的期望指令跟踪问题;其次,在设计控制器过程中,为了解决“微分爆炸”问题产生的滤波器误差,引入一种新型滤波误差补偿方法,通过RBF神经网络逼近外部未知扰动,并将预测结果补偿给控制器以提高轨迹跟踪的鲁棒性。最后,应用仿真模拟方法验证无人机控制系统稳定性和性能优势,通过飞行试验验证,微风聚拢环境下实际飞行轨迹与仿真模拟结果趋于一致,自主轨迹跟踪起降位置偏差小于1 cm,证明了所提出算法的有效性。

SCR脱硝系统的RBF条件积分滑模参数优化控制

针对选择性催化还原(SCR)脱硝系统在火电机组深度调峰下因系统特性随着机组负荷改变而难以控制的问题,提出基于径向基函数(RBF)的条件积分滑模优化控制方案,用条件积分滑模减少抖振与调节时间,用RBF实时逼近SCR脱硝系统特性改变下的未知扰动以提高系统鲁棒性。并提出一种纳什均衡量子粒子群寻优(NEQPSO)算法,以获得RBF条件积分滑模控制方案的最优参数,并在20%~100%的机组负荷下进行仿真实验。结果表明:优化后的RBF条件积分滑模控制与传统控制方案相比超调量降低50.26%、调节时间缩短13.55%,在干扰信号下超调量仅有1.50%,其响应速度更快、抗干扰能力更强、鲁棒性更好。

基于IPSO-RBF神经网络的西北内陆河流域突发水污染风险评估

突发水污染事故会破坏环境、危害健康,开展西北内陆河流域突发水污染风险评估对于维护西部脆弱生态安全尤为重要。该文针对西北内陆河流域突发水污染问题,利用PSR模型遴选18个因素建立突发水污染风险评价指标体系,基于径向基神经网络模型(RBF)构建突发水污染风险评价模型。为进一步保证模型精度,采用改进惯性权重因子和学习因子的粒子群算法(IPSO)对神经网络模型参数进行优化,建立IPSO-RBF神经网络西北内陆河突发水污染风险评价模型,并运用该模型对石羊河流域武威段2017-2022年突发水污染进行风险等级评价。结果显示,石羊河流域武威段突发水污染2017-2019年风险等级为Ⅱ级,2020-2022年风险等级为Ⅲ级,结果与熵权-TOPSIS法一致,与流域治理情况相符。该研究成果有利于提升石羊河流域突发水污染的防控水平与应急处置能力,对于西北内陆河流域水资源管理以及祁连山生态保护具有重要意义。

基于D-S证据理论的农作物气候品质预测方法研究:以晚熟杂交柑橘春见为例

【目的】基于多源气象数据构建果实品质(糖含量等级)预测模型,为科学评价果实气候品质及深入挖掘农产品气候资源提供科学依据。【方法】以晚熟柑橘春见果实为研究对象,利用多源数据融合技术、人工神经网络(BP神经网络、RBF神经网络和Elman神经网络)和D-S证据理论,包括气象数据质量控制、特征选取、特征级融合、决策级融合4个步骤,构建基于多源气象数据的果实品质(糖含量等级)预测模型。【结果】春见果实品质预测模型采用BP神经网络预测结果总体准确率为87.50%,平均绝对误差(MAE)为0.150,均方根误差(RMSE)为0.447;RBF神经网络预测结果总体准确率为85.00%,MAE为0.175,RMSE为0.474;Elman神经网络预测结果总体准确率为87.50%,MAE为0.150,RMSE为0.447;D-S证据理论决策融合总体预测准确率达95.20%,分别较BP神经网络、RBF神经网络和Elman神经网络提升7.7百分点、10.2百分点和7.7百分点,MAE和RMSE分别为0.040和0.214,均明显降低。【结论】D-S证据理论决策融合后的果实品质预测准确率相比单一神经网络预测更高、误差更小。

旋转导向系统稳定平台自适应动态面控制

井下的多种干扰因素为旋转导向系统稳定平台的控制器设计增加了复杂性。为了应对未知摩擦力矩和建模误差对稳定平台的不良影响,提出一种自适应神经网络动态面控制方法,该方法使用RBF神经网络逼近摩擦及干扰力矩,设置状态观测器获取由于相关参数不确定导致的建模误差,并引入动态面方法避免传统反步控制带来的“微分爆炸”,最后使用李雅普诺夫法证明系统的稳定性。结果表明,该控制方法在稳定平台模型存在摩擦力矩、未知干扰和建模误差的情况下,仍能使工具面角准确、快速地跟踪输入指令信号,具有较好的自适应性和鲁棒性。

基于混合算法下RBF神经网络的执行机构非线性特性在线辨识与补偿

针对控制系统中执行机构非线性特性在线辨识及补偿问题,研究了一种基于变步长核最小均方(SVSKLMS)和遗传算法结合的混合径向基(VHRBF)神经网络。利用径向基(RBF)神经网络不依赖于精确的数学模型即可得到被控对象信息的特点,建立了控制系统执行机构的非线性特性模型;为解决传统RBF神经网络辨识性能差的问题,使用遗传算法(GA)对神经网络的中心向量和方差进行优化,利用SVSKLMS算法对RBF神经网络模型中的权重进行优化,进而得到最佳的RBF神经网络。基于VHRBF神经网络及其逆模型补偿器对执行机构非线性特性进行在线辨识及补偿。仿真结果表明:与其他算法训练下的RBF神经网络相比,所提出的VHRBF神经网络能够精确辨识并补偿执行机构的非线性特性,并且具有更快的收敛速度、更优的收敛性能。