径向基函数网络在行星齿轮减速器优化上的应用

提出了使用径向基函数网络 (RBFN)映射齿轮强度的近似算法 ,指出了RBFN网络比BP网络更加先进 ,并用RBFN网络提高行星机构优化效率。优化结果表明 ,人工神经网络辅助机械优化设计是可行的和高效的。

径向基函数神经网络在砂体厚度预测中的应用

目前,人工智能神经网络在地震储层参数的预测方面具有广泛的应用,最常用的为BP神经网络,但是效果并不是十分理想。径向基函数神经网络(RBFN)是一种前馈神经网络,其在函数逼近、模式识别方面都优于BP网络,已经在岩性识别、孔渗预测方面取得了较好的应用效果。本文首次将此方法运用于预测砂体厚度,利用地震属性信息和神经网络的学习,基于实际数据计算,最后计算出相应的砂体厚度值,并与实测值进行误差分析。实例分析表明,利用径向基函数神经网络进行砂体厚度预测具有一定的可行性和实用价值。

基于自适应RBFN阵列的说话人识别

提出一种可用于说话人识别的自适应 RBFN 阵列。RBF 网设计的核心在于确定网络中心的数目及位置,该自适应算法有效地融合了 IOC 与 ROLS 算法的优点,不仅能动态调节RBF 网的隐节点数,还能使网络的数据中心自适应变化,很好地优化了网络的结构。用与文本无关的闭集说话人识别系统对该算法进行了验证,实验结果表明,该方法与传统的 RBF 算法相比,自适应 RBF 网具有较好的鲁棒性以及精简的网络结构等优点。

一种基于WGKMW的网络结构核函数框架

在提出一种加权多宽度高斯核函数(WGKMW)基础上,进一步提出一种基于WGKMW的径向基网络结构的核函数的框架,即网络核模式(NKP),该核函数的框架具有径向基网络的特点,其实质是一种多参数的权重系数相对确定的神经网络。通过对WGKMW和高斯核函数(GK)的支持向量分类对比实验可以看出WGKMW的优越性。

基于RBF神经网络的超高压继电保护的算法研究

提出一种基于RBF神经网络的超高压继电保护的算法。是由于径向基神经网络(RBFN)具有学习性,可以根据已有的继电保护参数样本集进行训练,从中分析出故障检测、故障定位,自适应自动重合闸技术、差动保护以及距离保护的内在联系,实现对以后的继电保护数据样本进行自适应控制。该算法的优点就是在构造过程考虑了径向基神经网络(RBFN)的预测精度和训练时间,采用了线性最小二乘法(LLS)和梯度下降法的方法,运用Matlab做了仿真实验,获得了较为准确的预测结果。

基于YSPSO-RBFN的布里渊散射谱特征提取

为提高提取到的传感布里渊散射谱的布里渊频偏量的精度,利用压缩因子粒子群优化算法调节权值的RBFN(Radial Basis Function Net)径向基函数神经网络对布里渊散射谱进行特征提取。提出的算法克服了传统RBFN神经网络易于陷入局部极值的缺点,利用PSO(Particle Swarm Optimization)算法调节权值后向传输网络,对布里渊散射谱进行精度提取,保证了求解的速度和精度。数值分析过程中,利用新型结合算法在不同线宽和不同信噪比大测量范围情况下的散射谱进行参数估计。通过实验获得不同温度下的布里渊散射谱数据,利用YSPSO-RBFN(Particle Swarm Optimization with Shinkage Factor Shirnhage Factor-Radical Basis Function)算法处理实验数据,结果表明,该算法可提高布里渊散射谱特征提取的精度,25℃下拟合误差为1.99 MHz,温度升高拟合误差也在减小。在85℃时的频移拟合误差为0.047 MHz。因此,将该算法用于布里渊散射温度和应变传感系统,可有效提高检测精度。

基于RBF神经网络的距离保护

提出了一种利用径向基函数网络(RBFN)来实现神经网络式距离保护的方法,并应用于电力系统的距离保护,以故障类型判断子网络为例对网络进行训练和检验。结果表明,RBFN神经网络式距离保护具有很好的模式识别能力,而且训练时间大大减少,满足继电保护的要求。

一种冠心病心电信号的识别方法

将径向基函数网络(RBFN)用于冠心病心电信号的识别.首先给出了RBF网络的结构,然后讨论了网络的训练方法.并构造了RBFN对冠心病心电信号和正常信号进行了识别.临床和仿真结果表明了该方法的有效性.

长三角对流层甲醛柱浓度时空变化及驱动因素

通过OMI卫星数据分析了2005~2016年长江三角洲对流层甲醛柱浓度的时空变化规律.同时结合2008年和2010年各部门VOCs人为源排放量,利用BP神经网络和RBFN神经网络模型对对流层甲醛柱浓度进行了县域尺度上的回归模拟和各部门排放量贡献度分析.结果表明:长三角城市群对流层甲醛柱浓度在2005~2010年存在着增加趋势,2011~2016年甲醛浓度有下降的趋势.高值区域分布在皖北苏北、上海及其附近,低值区域分布在浙西南一带.人为源排放使得经济发达地区的甲醛柱浓度显著增高.工业源在长三角的分布较为广泛,电力源分布稀疏且VOC排放量远小于工业源排放量,居民源的VOC排放量介于工业源和电力源之间,有明显的南北差异.交通源主要集中在苏南、浙北和上海附近,少部分沿交通线条状分布.机器学习算法可以较好地利用人为源排放数据对甲醛柱浓度进行模拟.神经网络的拟合精度可以达到0.6~0.8,比线性回归的拟合精度超出0.3~0.4.模型变量重要性计算显示各部门中居民源对甲醛柱浓度的贡献程度最高.研究对流层甲醛柱浓度的长期时空变化及其影响因素有利于深入研究臭氧污染,同时也为大气治理和政策制定提供了科学依据.

PMLSM智能控制伺服系统的仿真研究

为提高PMLSM伺服驱动系统的控制性能,提出了一种将模糊控制、神经网络、滑模控制和自适应学习相结合的PMLSM智能补偿滑模控制算法,实现了对PMLSM伺服驱动系统的动子跟踪周期参考轨迹的高性能控制。首先,设置RBFN估值器,直接估计包括参数变化、外部扰动和非线性摩擦力在内的集总不确定度;其次,利用RBFN控制器的在线学习能力,改善模糊滑模控制器因隶属度函数缺乏学习能力而导致跟踪响应较差的问题;最后,通过增加智能鲁棒补偿控制器来提高系统鲁棒性。仿真结果表明,系统响应速度快、基本无超调、抗干扰能力强,且具有良好的动态性能和较强的鲁棒性。

径向基函数网络在近红外光谱纸浆卡伯值测量的应用

为了提高制浆过程中的在线预测纸浆卡伯值的精度,提出采用径向基函数网络来建立纸浆卡伯值近红外光谱法在线测量模型。结果表明,这种算法由于既考虑到了近红外光谱响应的非线性因素,又可防止BP网络在建模时出现训练速度慢、容易陷入局部最小和“过拟合”的现象,利用这种网络建立的纸浆卡伯值测量模型与一元回归、多元回归、主成分回归等线性方法和BP算法相比,具有更高的预测精度。

一种弹用涡喷发动机风车起动数值仿真方法

对弹用涡喷发动机风车起动过程进行仿真求解:点火前风车过程用径向基函数神经网络(RBFN)建模,引入相关先验知识对网络输入变量加以变换,以满足小样本情况下网络建模;依据试验数据运用滑动最小二乘法(MLS)获得压气机特性;对于点火加速过程的动态模型,采用改进的粒子群优化(PSO)算法求解.解决了N-R(Newton-Raphson)法受初值影响不易收敛的问题.计算结果与试验数据吻合较好,可作为发动机起动过程性能分析和优化的理论依据.

航空发动机风扇叶片伸根段造型设计与优化

探索了航空发动机风扇叶片伸根段造型的优化设计方法,利用它在保持叶身气动设计不变的情况下使风扇叶片振动特性得到改善。建立了基于非均匀有理B样条NURBS(non-uniform rational B-spline)桥接曲线的伸根段造型方法,实现气动叶身与榫头侧面间的光滑连接;通过改变桥接曲线控制顶点的位置实现伸根段造型的参数化设计,并在相关假设条件的基础上提取了完全定义伸根段造型所需的8个设计变量;以风扇叶片共振裕度最大化作为伸根段设计目标,在径向基函数网络(RBFN)与粒子群(PSO)算法的基础上建立了伸根段造型优化设计流程,其原理是构造RBFN近似模型来逼近和预测风扇叶片共振裕度与伸根段设计变量间的隐式目标函数,在此基础上使用PSO算法搜索使共振裕度达到最大化的伸根段设计变量组合。结果表明:某大涵道比宽弦风扇叶片采用上述流程,通过优化伸根段造型使风扇叶片轴向一弯模态的自振频率得到提高,与转速3倍频激振间的共振裕度提高约2%。