Adaptive proportional integral differential control based on radial basis function neural network identification of a two-degree-of-freedom closed-chain robot

A closed-chain robot has several advantages over an open-chain robot, such as high mechanical rigidity, high payload, high precision. Accurate trajectory control of a robot is essential in practical-use. This paper presents an adaptive proportional integral differential （PID） control algorithm based on radial basis function （RBF） neural network for trajectory tracking of a two-degree-of-freedom （2-DOF） closed-chain robot. In this scheme, an RBF neural network is used to approximate the unknown nonlinear dynamics of the robot, at the same time, the PID parameters can be adjusted online and the high precision can be obtained. Simulation results show that the control algorithm accurately tracks a 2-DOF closed-chain robot trajectories. The results also indicate that the system robustness and tracking performance are superior to the classic PID method.

基于函数链神经网络的管道煤气流量计量系统

在管道煤气计量系统测量中引入管道煤气相对湿度修正,并采用湿度传感器转换相对湿度信号,利用函数链神经网络对管道煤气工况温度下所对应的水蒸汽饱和压力进行拟合,得到基于函数链神经网络的管道煤气流量计量模型和在线计量系统,从而大大简化管道煤气流量计量软件,在流量计设计范围内实现管道煤气流量实时在线计量。实际应用结果表明,该计量系统测量管道煤气流量误差小于0.7%。

称重传感器精确标定研究

一种发射药自动称量机为使发射药称重输出值能精确地反映称重值,对称重传感器精确标定进行研究。采用函数链神经网络法对称重系统称重检测值与实际重量值之间的函数关系进行精确标定,通过标定的称重系统精度≤1%,满足实际生产需要。

自适应双阈值的运动目标检测算法

针对噪声、不同的天气状况和光照强度等环境变化对运动目标检测的影响,提出了一种自适应双阈值运动掩膜算法.为提高复杂环境条件下运动目标检测的识别率,该算法首先利用多帧平均法初始化背景,采用函数链接型神经网络算法动态更新高低两个阈值,自动适应光照变化.根据运动掩膜算法判定前景和背景区域动态更新背景后,采用自适应双阈值背景差法分割得到前景目标区域,并结合数学形态学方法,消除阴影,准确识别出前景目标.实验结果验证了该算法对运动目标检测的高准确性和良好的鲁棒性.

基于函数链神经网络的车用发动机气缸压力数据采集系统

为了提高车用发动机运行过程经济性,利用函数链神经网络对曲轴转角值所对应的气缸压力数据进行了拟合,得到了基于函数链神经网络的车用发动机气缸压力数据采集系统.应用结果表明,该气缸压力数据采集系统能有效地消除采集数据时各种干扰的存在,使得采集到的数据偏离其真实数值的程度较小.这对于改善车用发动机的燃烧状况,提高经济性能具有重要的意义.

车用汽油机进气歧管空气流量智能测量模型

为了确保车用汽油机在运转工况下能获得最佳浓度的混合气要求,利用节气门元器件,基于压差式节流流量测量原理,通过对节气门旋转角度函数链神经网络拟合和节气门的流出系数拟合建立了车用汽油机进气歧管空气流量测量模型。实验验证结果表明:随着进气歧管压力升高,车用汽油机空气质量流量智能测量误差呈降低趋势,且其误差均小于5.0%。

基于改进RCE和RBF神经网络的静态手势识别

针对手势识别的手区域分割、手势特征提取和手势分类的三个过程,提出了一种新的静态手势识别方法。改进了传统的RCE神经网络用于手区域的分割,具有更高的运行速度和更强的抗噪能力。依Freeman链码方向提取手的边缘到掌心的距离作为手势的特征向量。将上一步得到的手势特征向量作为RBF神经网络的输入,进行网络的训练和分类。实验验证了该方法的有效性和可行性,并用其实现了人和仿人机器人的剪刀石头布的猜拳游戏。

基于函数链神经网络的磁化曲线拟合方法

为了用简捷的方法实现高精度的磁化曲线拟合,并简化拟合公式以便于在电磁场分析计算的使用,提出了函数链神经网络进行磁化曲线拟合的方法。首先给出了函数链神经网络用于磁化曲线拟合的原理,分析了这种算法的特点;然后给出了一个具体的拟合算法实例,探讨了神经网络参数对于学习过程及拟合结果的影响;最后给出了拟合结果,证明了该算法拟合过程方便,拟合函数明晰,同时拟合精度能够满足工程应用的需要。

闭链双臂空间机器人抓持载荷基于径向基函数神经网络的补偿控制

讨论具有闭合运动链的漂浮基双臂空间机器人抓持系统目标载荷的位置、力混合协调控制问题。采用多刚体动力学建模方法并结合漂浮基闭链抓持系统固有的运动学及动力学特性,获得抓持系统合成动力学方程。闭链双臂空间机器人系统参数极其复杂经常出现变动,针对抓持系统参数不确定的情况,根据神经网络控制理论和Lyapunov稳定性理论,设计该抓持系统基于径向基函数神经网络补偿的力/位置协调控制方案,从而达到对抓持负载位置与所受内力的双重控制效果。系统数值仿真证明了上述控制方案的准确性,仿真结果也证实了所提出的控制方案可有效地消除参数不确定对控制系统的影响。

数据融合技术在水果冷链物流监测中的应用

针对当前水果冷链物流对温度要求极高,现有的监测系统又存在难以判断无效传感器,从而影响系统检测精度的问题,提出了在对系统采集的数据进行处理时采用一种新型的数据融合方法,该方法运用容许函数剔除疏失误差,然后再对容许度较高的数据采用正交基函数神经网络进行融合。实验结果表明,该方法能有效克服当前监测系统中所存在的问题,并可获得比常规的平均值法更高的监测精度。

基于智能与仿真技术的非线性润滑系统研究

采用智能控制与软件仿真技术研究非线性气-液两相流润滑系统。利用Navier-Stocks方程建立描述系统中流体运动特性的非线性偏微分控制方程组,并利用有限体积方法对其进行离散,获得了描述系统运动规律的数学模型及边界条件。基于CFD计算流体动力学,以及RBP径向基函数神经网络算法,建立系统的仿真模型,应用该模型对系统的工作特性进行仿真研究,并与实验结果进行对比。结果表明:2种模型都能很好地仿真系统的工作特性,其结果与实验测得的结果基本一致,为系统的实际应用提供了理论研究依据。

基于组合预测模型的铁路集装箱运量预测

为了克服单项预测模型的单一性和片面性等缺点,本文应用组合预测模型对铁路集装箱运量进行预测,以提高预测的准确性。通过对运量的历史数据分别采用多项式曲线模型和灰色预测模型建立单项预测模型,再利用径向基神经网络对两个单项预测模型的结果进行组合预测。研究结果表明,相比于两单项预测方法,组合预测方法所得运量的相对误差分别提高了3.19%和12.76%。最后,应用马尔科夫链模型对组合预测的结果进行分析和修正,增加预测结果的可靠性。

基于函数链神经网络的管道煤气流量计量系统

在管道煤气计量系统测量中引入了管道煤气相对湿度修正,并对采用湿度传感器转换相对湿度信号,利用函数链神经网络对管道煤气工况温度下所对应的水蒸汽饱和压力进行了拟合,得到了基于函数链神经网络的管道煤气流量计量模型和在线计量系统,从而可以大大简化管道煤气流量计量软件,在流量计设计范围内可以快速准确地实现管道煤气流量实时在线计量。实际应用结果表明:该计量系统测量管道煤气流量误差为±0.7%。

遗传算法和函数链神经网络算法综合解释评价油气层

针对单独应用遗传算法和函数链神经网络算法的局限性,综合2种算法,以达到优势互补、解释评价油气层的目的。借助录井及相关地质资料,通过函数链神经网络的结构优化和遗传算法权值学习相结合求解,并对链上各元素结果综合运算,建立了油气层解释模型,从而改善了函数链神经网络学习,优化了网络结构设计及分析。3种算法的应用结果分析对比表明,综合应用的解释符合率比其他2种单一算法高很多,从而证明该方法的有效性,实现了快速、有效判断油气水层的目的。

基于函数链神经网络的智能传感器非线性校正方法

针对温度传感元件输出的非线性特性,文章建立了智能传感器数据采集的非线性校正模型,利用函数链神经网络的非线性映射特性快速求取反非线性函数参数,实现了温度校准模型的精确拟合,给出了利用函数链神经网络进行参数计算的方法和步骤,通过气象科学中广泛使用的铂电阻温度元件实验验证了算法的有效性,校正精度达到0.1%。

基于马尔科夫链修正的RBFNN模型在碾压混凝土重力坝变形预报中的应用

针对径向基神经网络(RBFNN)预报模型的不足,提出了一种基于马尔科夫链修正的RBFNN预报模型,以RBFNN模型的预测结果为基准,利用马尔科夫链进行误差修正,进而显著提高模型的预报精度。以某碾压混凝土重力坝的变形监测为例,建立大坝变形预报模型,并将其结果与单一的RBFNN模型的预报结果做了对比,结果表明,基于马尔科夫链修正的RBFNN预报模型精度更高,结果更符合实际。

Cohen-Grossberg神经网络基于离散时间状态观测的几乎必然指数稳定

基于离散时间状态观测,研究带Markov切换的随机Cohen-Grossberg神经网络稳定的问题.通过构造Lyapunov函数,利用Ito微分公式、Borel-Cantelli’s引理及稳定性分析理论,得到非线性和线性系统几乎必然指数稳定的充分条件.最后,通过一个例子验证所得结果的可行性.

用反链方法估计可分布尔函数的个数

用单层神经网络可表示的ｎ元布尔函数的计数问题一直未得到解决，本文利用反链工具给出这一计数的新的估计方法．