基于RBF模糊神经网络的信息安全风险评估

针对传统信息安全风险评估方法的单一性和主观性,提出了新的基于RBF模糊神经网络的信息安全风险评估方法。用模糊集合来模糊化影响评估的因素,构造网络的输入输出,用模糊规则来模拟因素之间的关系,采用增量型模糊神经网络训练方法和批处理型模糊神经网络训练方法相结合的方法来训练网络,并对从模糊规则导出的风险等级去模糊化,得到信息系统的风险指数。搭建了该RBF模糊神经网络结构,并对网络进行了学习和训练,同时与BP神经网络做了对比实验,结果表明,该方法能对信息系统的安全性做出准确的评估。

基于RBF模糊神经网络的垂直轴风力机设计

半转结构垂直轴风力机具有优良的空气动力特性,为了进一步提高风电系统输出电能的质量,在RBF神经网络与模糊逻辑系统的函数等价条件下,探索了基于T-S模糊模型的RBF模糊神经网络控制算法,并依此设计出两叶结构半转式垂直轴风力机控制器;通过与常规PID控制算法的仿真比较,表明基于T-S模型的RBF模糊神经网络控制算法在两叶结构半转式垂直轴风力机的恒转速控制方面具有一定的优越性。

RBF模糊神经网络在刚性机械臂控制中的应用

为了提高刚性机械臂轨迹跟踪控制的精度,本文在分析RBF神经网络与模糊逻辑系统的函数等价性基础上,提出了一种基于T-S型模糊推理方法的RBF模糊神经网络,设计出基于RBF模糊神经网络的工业机器人控制器.研究发现,与普通的模糊神经网络相比,该网络结构简单,层数少,训练速度快,能自动寻优,通过在线调整网络隶属函数的中心值和宽度,优化了模糊规则,实现了对非线性系统的高精度轨迹跟踪控制,而且表现出有效性和鲁棒性.

基于RBF模糊神经网络模型的广义预测控制

广义预测控制对线性系统具有较好的控制效果 ,为将它应用到非线性系统 ,本文提出一种将 RBF模糊神经网络与广义预测控制相结合的方法 ,仿真证明控制有效。

RBF模糊神经网络航向模糊控制器的遗传优化方法

精准的控制船舶航向可以有效的保证船舶航行安全,本文利用遗传算法对RBF模糊神经网络航向模糊控制器进行了优化,在优化的过程中进行了模糊编码、优良模式自学习算子、最优串重组,最后通过仿真实验来说明,通过遗传算法优化后能够在改变参数的情况下使得船舶可以在预定的范围内可控的、稳定地行驶。

基于改进RBF模糊神经网络的PID参数自整定

针对常规PID控制器和模糊PID控制器存在控制精度差、不能自适应、模糊规则难以确定等问题,本文提出一种基于RBF模糊神经网络的PID自整定控制算法,RBF模糊神经网络参数先采用遗传算法粗调,达到预定精度后,继续使用BP算法提高精度。通过在MATLAB中进行神经网络训练和PID仿真实验,表明了改进RBF模糊神经网络PID控制器具有收敛速度快、能够自适应、控制精度高等优点,具有一定的可行性。

基于RBF模糊神经网络模型的深厚冲积层立井冻结压力分析与预测

针对丁集矿井壁冻结压力进行不同监测水平的现场实测,发现冻结压力随时间和环境而变化,受层位深度、岩土含水率、冻结壁平均厚度和平均温度等因素的影响,具有明显的不确定性,以变异系数表征其不确定程度。在此基础上优化传统的RBF神经网络,把变异系数引入模糊中心值和权值学习策略中,建立深厚冲积层井壁冻结压力预测模型。该模型以层位深度、含水率、冻结壁平均厚度和平均温度为输入信息量,区分黏土层与钙质黏土层,采用两淮地区7只井筒33个监测水平的样本数据进行训练学习,最后通过口孜东矿井壁冻结压力预测分析进行模型验证。结果表明:现场实测值与预测值拟合度好,模型算法高效,精度合理,为两淮地区深厚冲积层立井冻结压力的分析与预测提供可靠依据。

基于模糊RBF神经网络的风电机组变桨控制研究

针对大型风力发电机变桨控制受外部干扰和参数变化大、造成输出功率不稳定的问题,提出一种智能控制的算法,在RBF神经网络基础上增加模糊算法,利用模糊RBF神经网络实时在线调整PID参数。当实际风速偏离额定风速时,科学调整风机桨距角,使风机所获得的空气动力转矩发生变化,从而在额定功率附近保持风力机输出功率的相对稳定。据此搭建了风电机组各模块的数学模型,并在MATLAB/Simulink上搭建了仿真模块。实验结果表明:基于上述的方法控制效果相比于传统PID控制和常规RBF神经网络PID控制,响应更快、风能利用系数性能超调更小、功率输出更稳定,更有利于风力发电机组的系统稳定性。

基于模糊RBF神经网络的短路故障区域检测

为有效判定配电网短路故障区域,基于模糊RBF神经网络进行配电网短路故障区域检测研究。通过假设配电网正方向规定短路故障信息向量,应用模糊RBF神经网络算法划分聚类输入向量,利用隶属度函数描述各维分类情况,通过模糊规则处理隶属度值得到所输出分类情况,参照短路故障信息向量搜索短路故障检测点,通过区域始末端关联矩阵监测点的定向连接关系,实现配电网短路故障区域的判定。实验结果表明:该模型故障识别精度较高,抗噪性能较强,诊断准确率较高,可进行配电网短路故障区域判定。

RBF模糊神经网络用于NIR鉴别羊绒和羊毛的可行性研究

为了实现羊绒、羊毛纤维的快速、无损检测,建立了羊绒、羊毛近红外光谱数据库,包括228组各地羊绒、羊毛数据,并应用于羊绒、羊毛的定性检测上。首先介绍了羊绒、羊毛近红外光谱检测的数据库建立过程;然后,在对羊绒、羊毛原始近红外光谱进行预处理的基础上,对数据进行主成分分析,选出12种主成分,并结合改进的RBF模糊神经网络,建立羊绒、羊毛检测模型。通过与主成分分析-马氏距离建模方法的对比分析实验表明,建立近红外光谱数据库,并结合主成分分析和改进的RBF模糊神经网络的方法是一种有效的无损检测羊绒、羊毛的方法,可快速建立高精度的羊绒、羊毛纤维检测模型。

模糊RBF神经网络在专家系统知识库建立中的应用

提出了一种基于模糊RBF神经网络建立故障诊断专家系统知识库的新方法,采用5层神经网络,先对输入量进行模糊化处理,然后对RBF神经网络进行学习,最后进行反模糊化处理。该模型非常适合复杂的异常炉况系统在线故障诊断。

基于模糊RBF神经网络动态摩擦分块补偿的机器人数字鲁棒滑模控制算法

结合非线性、强耦合的机器人动力学模型,提出了采用3个模糊RBF神经网络对机器人中的不确定项——LuGre动态摩擦进行分块补偿的机器人数字鲁棒滑模控制算法,在线自适应训练非线性动态摩擦项的参数,并分析了该算法的Lyapunov稳定性。通过在二自由度机器人上的仿真,证明了该算法具有高精度、高可靠性、高品质、稳定、强鲁棒性等特点。同时发现了该机器人的摩擦模型中存在类菱形吸引子等非线性动力学现象。

基于模糊RBF神经网络的管道泄漏检测方法

针对模糊BP神经网络在管道泄露检测与估计中存在网络构建训练速度慢、易陷入局部最优等问题,提出将模糊RBF神经网络方法应用于管道的泄漏检测与估计.首先依据管道泄漏时流量、压力的变化机理,将采集到的实际运行中管道内的流量差与压力差信号模糊化后作为RBF神经网络的输入,以泄漏尺寸大小的置信度作为网络的输出,并结合专家先验知识所得的模糊规则,构建管道泄漏检测的模糊RBF神经网络.进而以实际管道运行数据对其进行离线仿真测试,仿真结果表明模糊RBF神经网络克服了模糊BP神经网络的不足,提高了泄漏估计的精度,使网络构建更加高效、优化.

基于模糊RBF神经网络整定的航空发动机多变量解耦控制

为解决航空发动机控制变量之间的强耦合性,构造了基于模糊RBF神经网络整定的航空发动机多变量解耦控制系统。设计了基于模糊RBF神经网络的多变量解耦控制器,在线调整PID控制器的参数并根据Delta学习规则对网络权值进行修正以达到最佳控制;针对某型航空发动机含未建模动态和噪声等随机干扰的非线性模型进行了多变量解耦控制系统仿真。结果表明:系统具有满意的动态性能和解耦特性,该方法不需要知道发动机的精确数学模型,对航空发动机的非线性和不确定性具有较强的自适应能力。

基于模糊RBF神经网络的无刷直流电机调速控制

针对无刷直流电机的速度控制,把模糊控制与神经网络原理相结合,提出了基于模糊RBF神经网络的PID控制方法,该网络具有自适应性。利用最小均方差来调整网络的权值,使径向基函数快速收敛,获得较佳PID控制参数,达到对转速跟随控制。同时自适应网络对整个系统的动态性能起到了改善作用。仿真结果表明该方法具有很好的控制效果。

基于模糊RBF神经网络自学习的不确定机器人模糊自适应控制

针对机器人系统的不确定、非线性特点,设计了模糊RBF神经网络控制器学习机器人系统的不确定性上界,并利用模糊推理机产生的分目标学习误差进行训练,避免了采用系统直接输出反馈误差进行训练所存在的权值饱和与过调整问题.此外,在反馈回路还设计了固定比例增益控制器FC,起着监督的作用,对系统实施渐近稳定的控制.仿真结果表明这种控制方案实现了对机器人系统的高精度控制。

动态模糊RBF神经网络焊接接头力学性能预测建模

建立动态模糊径向基神经网络RBF(Radial Basis Function,RBF)焊接接头力学性能预测模型,克服静态RBF和模糊神经网络(Fuzzy Neural Network,FNN)在结构辨识、动态样本训练及学习算法的不足。该模型的结构参数不再提前预设,在训练过程中动态自适应调整,适用动态样本数据学习,学习算法引入分级学习和模糊规则修剪策略,加速训练并使模型结构更加紧凑。利用三种厚度、不同工艺TC4钛合金TIG焊接试验数据对该模型进行仿真。结果表明:模型具有较高的预测精度,适用于预测焊接接头力学性能,为焊接过程在线控制开辟了新的途径。

自适应模糊RBF神经网络的多智能体机器人强化学习

多机器人环境中的学习,由于机器人所处的环境是连续状态,连续动作,而且包含多个机器人,因此学习空间巨大,直接应用Q学习算法难以获得满意的结果。文章研究中针对多智能体机器人系统的学习问题,提出自适应模糊RBF神经网络强化学习算法,网络本身具有模糊推理能力、较强的函数逼近能力以及泛化能力,因此,实现了人类专家知识与机器学习方法的结合,减少学习问题的复杂度;实现连续状态空间与动作空间的策略学习。

基于模糊RBF神经网络的地表水环境质量评价

针对现有水质评价方法评价结论过保护、存在人为因素影响、表达模糊信息能力弱等问题,结合模糊评价和RBF神经网络的优点,构建了模糊RBF神经网络水质综合评价模型。模型应用于淮河安徽段,并与单因子评价法进行对比,以验证模型的合理性。评价结果表明,两种方法的评价结果基本一致,模型客观合理,淮河安徽段部分监测点水质Ⅴ类、劣Ⅴ类居多,总体水质状况较差,评价结果符合实际情况。

模糊RBF神经网络PID算法在DVD光学头控制中的应用研究

为了使三维光存储技术的应用水平得到提高,以DVD伺服技术、双光子吸收技术为基础组建了一套信息存储系统。在DVD光学读取头传递函数基础上,引入一种新的算法即模糊RBF神经网络PID控制算法,创设此控制系统的仿真模型,并依据模糊控制的逻辑推理、RBF神经网络的自学习,对PID控制器的三个参数进行在线的调整,最后使用MATLAB进行计算机仿真。仿真结果表明:模糊RBF神经网络PID控制算法极大提升了系统的响应速度,并使控制系统的超调量降低了很多。