采用RBF神经网络改进有限集模型预测控制算法的光伏系统MPPT研究

针对基于扰动观察法或电导增量法控制的光伏系统存在发电功率不稳定的问题,提出一种基于RBF神经网络改进的模型预测控制的最大功率点追踪算法,使用RBF神经网络拟合光伏系统功率-电压(P-V)曲线,预测光伏面板发电功率,通过建立光伏系统前级DC-DC变换器的数学模型,使用模型预测控制确保光伏面板工作在最大功率点提升光电转换效率.通过MATLAB/Simulink仿真结果表明,在外界环境快速变化的情况下,所提策略能有效抑制最大功率点漂移,提高系统光电转换效率.

RBF神经网络在土壤重金属污染评价中的应用

运用MATLAB软件的K均值聚类算法结合神经网络工具箱,通过建立RBF神经网络对郑汴路圃田—杏花营段路旁土壤进行了评价。结果表明,土壤重金属积累峰值污染峰值多出现在距路基50m范围以内,并随着距路基距离的增加,污染程度逐渐下降。风力因素和邻近铁路对路段两侧土壤重金属污染影响较大,且公路运营时间越早,对两侧土壤污染越严重。杏花营断面土壤质量以Ⅱ级为主,北侧断面土壤质量多为Ⅲ级。圃田断面各样点综合评价结果均为Ⅱ级,整体质量优于杏花营断面。RBF神经网络评价方法具有计算速度快,评价结果客观等优点。

基于混沌理论的网络数据流RBF神经网络预测

应用相空间重构理论,研究了网络数据流的混沌特性,计算了实际网络数据流的关维数、Lyapunov指数,证实网络数据流存在混沌现象;据此建立了基于径向基函数(RBF)预测模型,对实际网络数据流进行预测。仿真实验表明,相对于反向传播(BP)神经网络预测,基于混沌理论的RBF神经网络预测方法学习速度快,预测精度高。

基于2DPCA和RBF神经网络的人脸识别方法

采用2DPCA方法提取人脸图像的特征值,通过RBF神经网络进行训练和识别,提出一种基于2DPCA和RBF神经网络的人脸识别方法,并将此方法应用于ORL人脸库。实验结果表明,该方法不仅具有较好的人脸图像识别能力,而且能明显缩短识别算法的运行时间。

随机信号的RBF建模方法

以核随机信号为例,利用径向基(RBF)网络方法建立其神经网络模型,并将该模型和随机抽样方法结合进行了核随机信号统计特性的模拟。结果表明,所用的径向基(RBF)模型方法可以任意精度描述信号的随机特性,并具有参数较少的特点。

基于RBF神经网络的电流保护

提出了一种基于RBF神经网络的全新的电流保护方式 该网络采用的是 3层RBF神经网络模型 ,由三部分构成 :故障类型与相别判断子网络ANN1;故障方向判别子网络ANN2 ;振荡识别子网络ANN3 对该模型进行了各种故障状态的测试 ,进行了仿真实验 ,并与BP网络进行了比较 ,发现RBF网络训练速度快 。

商用车RBF幂次滑模变ABS控制研究

针对商用车防抱死制动系统(ABS)的控制需求提出了商用车RBF幂次滑模变控制器;通过TruckSim软件建立了车辆多自由度动力学模型,同时通过Matlab/Simulink建立了RBF自适应调节的幂次滑模变控制器,通过RBF神经网络的自适应特性对滑膜变控制器的趋近率参数进行自适应调节;通过TruckSim与Matlab/Simulink联合仿真对ABS控制策略在高附着、低附着、对开路面工况下的制动控制进行了模拟与验证;仿真结果表明,在高附着、低附着、对开路面工况下制动时,该控制方法具有良好的控制效果。

过热蒸汽温度控制中RBF神经网络整定PID控制的应用

锅炉的过热蒸汽温度是表征锅炉特性的重要指标之一,其控制品质的优劣直接影响火电厂锅炉机组的安全性和经济性.由于过热蒸汽温度有滞后、大惯性、时变等特性,常规PID并不能对其实现良好的控制.引入RBF神经网络整定PID控制,可以达到良好的控制效果.

我国耕地利用压力区域差异的RBF模型判定

在对目前耕地利用压力程度度量方法进行分析的基础上,运用人工神经网络(ANN)的理论和方法,构建了ANN模型分析中应用最为广泛的RBF网络,并对2004年中国31个省、市(自治区)的耕地利用压力程度进行了评价。网络运行结果表明,中国耕地利用压力程度的区域差异显著,耕地利用压力程度较高的省(市、区)主要分布在东部沿海地区,耕地利用压力程度较低的省(市、区)主要分布在中部和西部地区。我国耕地利用压力的区域差异主要表现为东部和中西部及沿海和内地的差异。在这些分析的基础上,作者提出了耕地分区保护的对策和措施。RBF模型的应用表明,人工神经网络用于评价耕地利用压力区域差异简便、实用,且避免了人工确定指标权重的主观性,是一条具有发展和应用前景的途径。

基于熵聚类RBF神经网络的机械臂轨迹跟踪控制

为了提高机械臂轨迹跟踪控制的快速性和精确性,提出了基于熵聚类神经网络算法的机械臂运动控制器。分析了RBF神经网络原理,使用熵聚类算法得到原始数据的聚类中心数和聚类中心值,从而确定了神经网络结构和基函数中心值,避免了传统算法中使用K-means方法的重复迭代过程,使用梯度下降法调整神经网络传递权值;将神经网络辨识与神经网络控制相结合提出了机械臂运动控制器;经实验验证可以看出,相比于传统的RBF神经网络方法,基于熵聚类神经网络算法的控制器在轨迹跟踪快速性和精度上均具有明显优势。

基于GASA的RBF神经网络在优化柴油机燃烧系统中的应用

针对多输入多输出、不确定性多干扰源的复杂非线性柴油机燃烧系统,以RBF神经网络作为优化模型,用正交试验法设计网络的训练样本,并用遗传模拟退火算法(GASA)对RBF网络结构和初始权值进行优化。将此RBF神经网络应用于燃烧系统优化过程中,得到理想的燃烧系统优化参数。按该参数进行试验,效果良好,达到了与大规模试验相同的优化效果,具有试验少、效果好的优点。

基于RBF神经网络的连续采煤机故障诊断研究

为了能够提高连续采煤机故障诊断的效率和精度,深入地研究了基于改进遗传算法的RBF神经网络在其中的应用。分析了连续采煤机的主要故障类型;分别研究了RBF神经网络的基本原理和改进遗传算法的基本原理;进行了连续采煤机故障诊断的实例分析,仿真结果验证了该故障诊断技术的有效性。

基于RBF神经网络的离心压缩机的性能预测研究

利用径向基函数神经网络(RBF)建立对离心压缩机性能预测的神经网络模型,从而能够精确地预测出离心压缩机的性能参数的大小,能够分析离心压缩机的流量,叶片出口安装角,压力比和效率之间的神经网络与预测关系。应用数值计算软件MATLBA软件完成了离心压缩机的性能预测,分别对离心压缩机的压力比和效率进行了性能预测,预测效果表明,RBF神经网络的计算模型可以提高预测效率和预测精度。

基于RBF优化控制氢燃料发动机点火提前角

基于RBF神经网络构建氢(H2)燃料发动机最佳点火提前角优化模型,对点火提前角进行优化控制,改善H2燃料发动机动力性、经济性以及排放性能。试验结果表明,该模型能预测H2燃料发动机最佳点火提前角,并可以大大减轻标定试验工作量。

基于量子免疫的RBF神经网络在上市公司财务预警中的应用

针对传统的RBF神经网络财务预警模型难以解释变量之间的因果关系,使得训练时间增加、训练精度下降等缺陷,该文提出了一种基于量子免疫的改进的RBF神经网络的财务预警模型.该模型通过改进的量子免疫算法对RBF神经网络的连接权值进行优化,将连接权,隐节点中心以及宽度编码为基因,构成抗体,然后通过遗传迭代使网络参数逐步优化,最终达到最优结果.详细阐述了算法的实现过程以及利用量子免疫算法改进RBF神经网络财务预警模型,然后,分别采用改进RBF神经网络法、传统RBF神经网络法及Logistic回归模型进行实证对比分析,实证证明了改进RBF神经网络模型预警的准确性有较大提高.

RBF神经网络模型在边坡监测中的应用

在matlab环境下建立了边坡位移预测的RBF神经网络模型。利用已有的监测数据训练神经网络并进行测试,将训练好的网络模型用于预测边坡位移的变化值。最后将该预测方法用于斯里兰卡某边坡监测工程,预测结果与实测的监测数据相比误差较小,从而合理安排监测频次,提高了监测效率。

基于改进RBF神经网络的水轮发电机组故障诊断

由于水轮发电机组受到水力、机械、电气等多方面因素的影响,导致其产生的故障非常复杂,且多种故障类型相互耦合。综合分析减聚类、模糊K-Prototypes算法以及改进的粒子群优化(PSO)算法,提出了改进的径向基函数(RBF)神经网络算法,构建了一种新的RBF神经网络模型,并将该模型应用于水轮发电机组的故障诊断中。仿真试验的结果表明,该模型的分类准确率更高,稳定性更好。

基于RBF神经网络的磁探测引信系统研究

通过对比BP神经网络、径向基函数(RBF)神经网络在信号处理中的优缺点,详细分析了RBF神经网络的模型结构并应用于多模磁探测引信系统中,通过计算机仿真和实际测试效果较好。

开挖期深基坑变形RBF模型的输入层及中心确定

针对深基坑变形RBF神经网络监测模型,根据在开挖期间深基坑土体的变形特性,利用遗传蠕变来构造输入因子,鉴于目前在中心选择方面没有严格的理论依据,并充分考虑输入因子的特点,提出了一种选择中心的经验方法,经过实例检验,该方法选择中心可以使模型得到较好的预测效果。

基于RBF神经网络的财产损失评估模型

为了减少灾害带来的损失,需要建立科学的财产损失评估模型来进行合理评估,有效指导保险公司防灾减损工作的顺利进行。基于这个目的,总结了财产损失评估的研究现状,分析了已有几种评估方法,提出了基于RBF神经网络的财产损失评估方法,根据保险公司的特殊需求确定了以保险标的为评估对象,进行了模型建立和实际应用。