自动驾驶电动车辆基于参数预测的径向基函数神经网络自适应控制

针对具有不确定性的自动驾驶电动车辆的运动控制问题,提出了一种基于参数预测的径向基函数(RBF)神经网络自适应协调控制方案。首先,考虑系统参数的不确定性及外部干扰的影响,利用预瞄方法建立可表征车辆循迹跟车行为的动力学模型;其次,采用RBF神经网络补偿器对系统不确定性进行自适应补偿,设计车辆横纵向运动的广义协调控制律;之后,考虑前车车速及道路曲率影响,以车辆在循迹跟车控制过程中的能耗及平均冲击度最小为优化目标,利用粒子群优化(PSO)算法对协调控制律中的增益参数K进行滚动优化,并最终得到一系列优化后的样本数据;在此基础上,设计、训练一个反向传播(BP)神经网络,实现对广义协调控制律中增益参数K的实时预测,以保证车辆的经济性及乘坐舒适性。仿真结果证实了所提控制方案的有效性。

基于径向基函数神经网络算法的高频转阀阀芯稳定性

针对伺服电机驱动高频转阀时受液动力矩变化影响造成高频输出精度下降的问题,以液压马达作为动力源,提出一种基于径向基函数神经网络算法的转阀阀芯转速控制策略。首先,搭建高频转阀阀芯转速控制系统的数学模型;其次根据数学模型在MATLAB/Simulink平台搭建仿真模型,对不同算法作用下阀芯转速控制特性进行仿真分析;最后建立高频转阀转速控制系统实验台,对不同算法作用下阀芯转速控制特性进行实验研究和理论验证。结果表明:与常规PID控制方法相比,基于径向基函数神经网络的高频转阀转速控制策略转速控制系统阶跃响应所需调整时间最少为0.16 s,超调量小;三角波与正弦波转速跟踪误差均值下降最大值分别为46.51%、53.69%;6 MPa、10 MPa下,转速稳态误差均值分别下降34.92%、38.26%。径向基函数神经网络算法有效提高了高频转阀阀芯转速控制精度。

基于多变量相空间重构和径向基函数神经网络的综合能源系统电冷热超短期负荷预测

为解决能源危机问题,提高能源利用率,综合能源系统(integrated energy system,IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响,而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦合特性。提出了一种基于多变量相空间重构(multivariate phase space reconstruction,MPSR)和径向基函数神经网络(radial basis function neural network,RBFNN)相结合的IES超短期电冷热负荷预测模型。首先,分析了IES中能源子系统之间的耦合关系,运用Pearson相关性分析定量描述多元负荷和气象特征的相关性。然后,采用C-C法对时间序列进行MPSR以进一步挖掘电冷热负荷和气象特征在时间上的耦合特性。最后,利用RBFNN模型对电冷热负荷间耦合关系进行学习并预测。实验结果表明,所提方法有效挖掘并学习电冷热负荷在时间上的耦合特性,且在不同样本容量下具有良好且稳定的预测效果。

基于薄板样条径向基函数的复合材料层合板自由振动分析

基于复合材料层合板的三角剪切变形理论,推导了对称复合材料层合板的控制微分方程。利用基于薄板样条径向基函数的无网格配置方法离散的控制微分方程,预测了对称复合材料层合板的自由振动行为。计算了不同材料参数和层合板几何参数的固有频率,并与文献结果进行了比较。还研究了节点排布、模量比和边厚比对固有频率的影响。结果表明,本文结果与文献结果具有较好的一致性,节点数量越大,无量纲频率对网格分布越不敏感,固有频率随着边厚比和模量比的增加而增加。通过数值实验,证明了用薄板样条径向基函数离散的三角剪切变形理论对对称复合材料层合板的自由振动分析具有较高的数值精度和良好的收敛性。

光谱预处理小波基函数的选择对结合FIBS技术和机器学习的铝合金识别精确度影响研究

随着经济不断发展,工业建筑领域产生了大量的废弃铝合金材料,对废弃铝合金材料分类回收可以提升废弃资源的利用效率,缓解能源紧张。选取了工业领域常用的五种型号的铝合金,开展了等离子体丝诱导击穿光谱(FIBS)光谱预处理小波变换基函数对铝合金分类识别精度的影响的研究。分别采用bior2.2、bior2.4和bior2.6正交小波基函数对铝合金的FIBS光谱进行预处理,结合线性判别分析(LDA)、网格搜索优化的支持向量机(GSSVM)和反向传播神经网络(BPNN)实现了铝合金型号的快速分类识别。结果表明bior2.2、bior2.4和bior2.6正交小波基函数结合LDA-GSSVM实现铝合金型号的平均识别准确率为90%、100%和76.67%,结合LDA-BPNN实现铝合金型号的平均识别准确率为96.67%、100%和90%,因此选择合适的正交小波基函数对FIBS光谱预处理,对于提高铝合金型号识别准确率有较大作用。

基于隶属函数法的设施甜瓜复配基质综合评价

筛选出以农业废弃物为主要原料的设施甜瓜栽培基质配方,为优化设施甜瓜基质栽培技术提供参考。将牛粪、羊粪、菇渣、菜籽油渣、珍珠岩为原料按不同体积比设置6个处理,研究不同基质配方对甜瓜生育期植株株高、茎粗、叶片数、叶绿素含量、果实的形态指标、产量及品质的影响。结果表明,T3处理(V_(牛粪)∶V_(菇渣)∶V_(油渣)∶V_(珍珠岩)=4∶3∶0.5∶2)的甜瓜全生育期植株长势和叶片SPAD优于其他各处理,苗期增加幅度最大,且甜瓜产量、果实中维生素C含量、可溶性糖含量和可溶性固形物含量及固酸比、糖酸比均显著高于土壤栽培(TR)和商品基质栽培(CK),且可滴定酸和有机酸含量均显著低于TR和CK,隶属函数平均值为0.920,高于其他处理。综上所述,甜瓜在T3配方下的生长状况最好,更适宜作为设施甜瓜的栽培基质。

基于交互基函数的数据流聚类算法研究

聚类是数据挖掘的有效工具,数据流聚类成为当前研究热点,目前很多数据流聚类算法已经被提出,但大部分算法将距离作为相似度度量标准,存在对噪点敏感问题,且聚类效果不理想。为了增强数据流聚类算法的灵活性并提升聚类质量,该文将分数阶交互基函数(IBFs)引入数据流聚类,结合模糊ART算法对其进行了扩展,生成柔性决策边策略,提出了新颖的数据流聚类算法IBFs_ART。该算法首先对到达的数据点根据特征之间的相关性通过预计算函数特征扩展,并对原有特征进行分数阶变换,之后再基于交互基函数进行数据流聚类。交互基函数可生成灵活的决策边界且不需要指定软件,预计算函数可以在任何算法中实现,其可用于数据流聚类算法的任何扩展。经过实验表明,使用IBFs实现了较低计算成本生成灵活决策边界来找到最优聚簇,在相同警戒参数下实现了更高聚类质量和纯度,较传统聚类算法拥有更高的聚类精度、对称度量和更小的错误率。

基于航空重力梯度数据重建高分辨率局部重力场的径向基函数方法

基于径向基函数技术,研究了利用航空重力梯度数据重建局部重力场模型的方法,建立了泊松小波径向基函数和航空重力梯度张量之间的解析关系.以频率域变换和等效源方法为例讨论了不同梯度分量转换方法对重力场建模的影响,分析了基函数埋深深度对建模的影响.以澳大利亚珀斯Kauring试验场为例,采用实测航空重力梯度垂直分量构建了高分辨率重力场模型.结果表明,局部地形扰动对建模的影响较大,即使在平原或丘陵区域,也要考虑其影响.此外,不同梯度分量转换方法对于区域重力异常恢复的影响较小.再者,基函数埋深深度对建模影响较大;相比于采用重力数据建模而言,基于航空重力梯度数据求解时,基函数的适宜埋深深度更浅.联合航空重力梯度数据求解能显著提高重力场模型在高频和甚高频波段的分辨率和精度.与实测航空重力数据对比表明,利用航空重力梯度数据可构建分辨率约为0.15 km、精度优于1 mGal的重力场模型.

起伏地表QR径向基函数有限差分及其在弹性波逆时偏移中的应用

弹性波逆时偏移不受倾角和偏移孔径的限制,能够实现任意复杂构造的高精度多波成像,是目前最精确的多分量资料偏移成像方法之一.逆时偏移算法的核心是波场延拓,传统波场延拓以水平基准面为边界条件,基于固定采样步长进行规则网格剖分,采用阶梯近似法处理起伏地表和复杂构造界面时会产生台阶散射,严重影响起伏地表复杂构造的成像精度.基于无网格节点模型,定量分析了弹性波模拟中径向基函数有限差分法的频散关系和稳定性条件.基于此,提出一种基于QR径向基函数的高精度有限差分方法,并提出一种优化的起伏地表自适应节点剖分方法,推导了精确的无网格自由边界条件和弹性波无网格混合吸收边界条件,形成了新的基于无网格的起伏地表弹性波数值模拟方法.此外,本文将此无网格径向基函数有限差分方法应用于精确的纵横波场矢量分解公式,实现了起伏地表弹性波逆时偏移成像.通过对高斯山丘模型,起伏凹陷模型和起伏地表Marmousi-2模型进行数值试算,验证了本文方法的有效性和可行性.

含裂纹声子晶体能带分析的改进局部径向基函数配点法

基于直接法局部径向基函数配点法(local radial basis function collocation method,LRBFCM)提出了含裂纹声子晶体反平面弹性波的能带结构计算方法,分析了其能带结构特性,并通过有限元法计算对比验证该数值结果的准确性和有效性.在边界上采用直接法沿方向取局部节点,解决了边界求解不稳定问题,讨论了数值方法的处理技巧对结果的影响.并通过考虑不同声阻抗比、散射体形状(方形、圆形)和裂纹情况,验证了该方法计算含裂纹声子晶体能带结构的适用性.研究了形状参数、配点数对计算结果的影响.最后深入分析了不同长度和位置的裂纹对声子晶体能带结构的影响特性,并进行了对比分析.文章的创新性在于用直接法局部径向基函数配点法解决了含裂纹声子晶体能带结构计算的问题,极大增加了声子晶体的应用价值.研究结果显示:随着裂纹的扩展,能带结构带隙逐渐变窄;当裂纹扩展到一定程度时,金散射体的声子晶体带隙数量会增加,且新增带隙会随着裂纹扩展而变宽,但铝散射体的声子晶体带隙数量会减少;直接法局部径向基函数配点法可以大大提高含裂纹声子晶体能带结构的计算效率和计算精度.

基于鲸鱼优化算法超参数优化的径向基函数响应面模型的油浸式变压器绕组挡板结构优化

热点温度过高会严重影响变压器运行稳定性,为提高变压器运行的稳定性,该文以降低变压器绕组热点温度为优化目标,采用径向基函数(RBF)响应面模型优化变压器绕组挡板尺寸,改善油流分布以实现更好的散热。为提高RBF响应面模型的拟合精度,该文采用鲸鱼优化算法(WOA)对径向基函数的超参数值进行优化,并与传统网格搜索(GS)寻优方法和定参RBF模型进行对比。对比结果表明对于超参数优化问题,在拟合精度占优的前提下,WOA优化效率是GS寻优方法的3.13倍。在此基础上,该文基于WOA-RBF响应面模型对绕组挡板结构尺寸进行优化,优化后的热点温度相较于初始结构的热点温度降低了3.81℃,相对于全场域的最大温升降低了13.42%,并有效地降低了绕组整体温升。同时将所提算法与遗传算法(GA)优化结果进行对比,在保证精度的同时,WOA-RBF响应面模型优化效率是GA的13.41倍。根据上述结果分析可知,所提算法具有很好的优化性能,同时相比于遗传算法,可以在保证优化精度的同时,显著地提高优化效率。

基于混合双层自组织径向基函数神经网络的优化学习算法

针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,Hb-SRBFNN-OL)算法。首先,将训练过程和测试过程集成到一个统一的框架中,规避过拟合或欠拟合问题。其次,基于进化学习机制,提出上下2层的交互式优化学习算法,上层基于网络复杂度和测试误差自组织调整网络结构,下层采用列文伯格-马夸尔特(Levenberg Marquardt,LM)算法作为优化器对自组织径向基函数神经网络(self-organizing radial basis function neural network,SO-RBFNN)的连接权值进行优化。最后,利用来自多个子网络的综合信息生成模型的最终输出,加速网络全局收敛。为验证所提方法的可行性,分别在多个分类和预测任务中进行了测试实验。结果表明,在与传统神经网络结构相似甚至更好的测试和分类精度下,该方法不仅能实现更快的训练收敛,而且能进化成更精简紧凑的径向基函数神经网络(radial basis function neural network,RBFNN)模型。尤其在污水处理过程中总磷的质量浓度预测实验中,测试集中均方根误差(root mean squared error,RMSE)最高可降低48.90%,实际场景实验结果验证了所提算法的精确性更佳且泛化能力更强。

基于径向基函数神经网络的大学生体测成绩预测研究

大学生体质健康测试成绩是评价学生体质健康的重要标准,科学有效地对体测成绩进行预测分析是其他研究的基础。该研究运用径向基函数神经网络对某大学XX学院学生2022年体质健康测试数据进行预测和分析,并与BP神经网络、支持向量机等方法分类预测结果进行对比。试验结果表明,该预测模型具有较高的预测准确率和较好的泛化性能,为后续体育教师开展教学,相关学者开展研究提供了科学有效的分析方法。

不规则区域溶质迁移问题的局部径向基函数算法研究

地下水污染物迁移的数值模拟能为地下水体污染防治提供科学依据,具有重要的意义。结合局部径向基函数法与有限差分法求解不规则区域中溶质迁移问题。局部径向基函数法不同于传统的全局径向基函数法,仅需通过位于配置点周围子域内的邻近节点来构造插值矩阵,可以有效避免全局径向基函数法计算大规模矩阵时矩阵病态及对形状参数敏感的问题,提高了数值解的精确性和稳定性。通过数值算例验证了算法在处理不规则区域问题上的有效性,并分析了形状参数、总节点数、子域节点数、布点方式和边界形状等因素对算法精确性和鲁棒性的影响。

基于径向基函数插值的极移参数预报研究

极移参数预报的基础数据通常采用国际地球自转和参考系服务组织发布的最终解产品,数据分辨率为1 d。利用径向基函数对极移观测值进行插值,获取6 h分辨率的极移产品,并基于LS+AR模型进行500组预报实验。结果表明,相较于未进行插值的预报结果,该方法在1~7 d超短期预报中极移X和Y方向预报精度分别平均提升22.4%和38.4%。

基于隶属函数的烟草直播育苗基质配方筛选

烟草直播是一种新型育苗方式,需要研制相应的育苗基质,提升烟苗综合素质,同时减少草炭等稀缺材料的使用,并为实际生产应用提供技术支撑。以蚯蚓土、椰糠、谷壳灰、草炭、珍珠岩及蛭石为试材,通过不同体积比混配设置T1~T9共9个基质配方处理,与以草炭为主的漂浮育苗基质进行对照育苗试验,烟苗生长至7叶1心时,对表征其生长状况的各指标进行测定,运用模糊数学隶属函数综合分析育苗效果。结果表明,T6配方较CK显著增大了烟株株高与根系活力,烟叶的SPAD值、可溶性糖含量、可溶性蛋白含量分别提升了22.98%、9.70%、8.65%,T8配方有效促进了烟株生长,叶长、株高、茎粗、根系活力较CK分别显著提高了26.83%、61.51%、28.18%、5.88%,所育烟苗叶片的可溶性糖、可溶性蛋白含量分别显著增加了10.99%、7.69%,硝酸还原酶活性和过氧化氢酶活性分别是对照的1.45、1.43倍,利用隶属函数对各评价指标进行量化后发现,T6配方隶属函数值为0.71,T8配方隶属函数值为0.93,均高于常规基质的0.69。T6配方(椰糠∶草炭∶珍珠岩∶蛭石=4.5∶1.5∶2.0∶2.0)和T8配方(蚯蚓土∶椰糠∶珍珠岩∶蛭石=1.0∶2.0∶1.0∶1.0)满足烟草直播育苗需求。

基于奇异值分解的径向基函数神经网络的改进算法研究

径向基函数神经网络(RBFNN)可用于插值和分类预测,本文提出基于奇异值分解(SVD)技术来改进传统的RBFNN,从而极大地简化网络结构.具体来说,本文提出的方法能够实现隐藏层神经元的自动选取和优化,删除冗余的神经元,进而节省内存和计算成本.同时,我们将使用K折交叉验证法来确定径向基函数(RBF)中的径向参数ε,以保证算法精度.更重要的是,我们基于Halko等提出的近似SVD算法[2],逐行读取样本数据并实时处理,避免将所有样本数据一次性导入内存.所有的数值实验都表明,相比于传统的RBFNN,本文提出的算法在不损失计算精度的前提下,极大地提高了计算效率,并简化了RBFNN结构.

C-Bézier基函数在稳态线弹性方程求解中的应用

用有限元方法求解稳态线弹性方程,以C-Bézier基函数作为参考元上的形函数,通过选取适当的形状参数,在步长不变的情况下,所得到的数值解精度比传统的Lagrange基函数在L∞、L 2范数下高3个数量级以上,在H 1半范数下高2~6个数量级,充分说明了C-Bézier基函数在求解稳态线弹性方程时具有更好的逼近效果。

在线优化可变基的非线性预测函数控制

针对基本预测函数控制只能用于线性系统控制的这一不足,给出基于实用随机NARMAX模型的非线性预测函数控制,采用可克服算法病态的非线性递推最小二乘法进行参数估计,利用在工作点处的动态切平面逼近方法,将实用随机NARMAX模型用线性时变CARMAX模型逼近,使非线性预测函数控制转化为线性模型下的预测函数控制,用线性优化算法求解控制输入,避免了复杂的非线性优化问题,并采用直接极小化指标函数优化算法对可变基函数的加权系数进行在线优化,提出在线优化参数的非线性预测函数控制。仿真研究表明,因算法具有优化可变基函数加权系数和预测函数控制功能,系统具有优良的控制响应。

基于径向基函数的多船舶相互通信信号干扰消除研究

为解决多船舶之间的信号干扰,影响通信质量的问题,提出基于径向基函数的多船舶相互通信信号干扰消除方法。设置岸边基站以及海洋中的船舶,分别作为发射机以及接收机。考虑多船舶通信时的直射、海面反射以及大气管道折射路径,构建多船舶相互通信的信道模型,确定多船舶通信信号的特征参数。将所获取的特征参数作为径向基神经网络的输入,利用聚类算法确定隐含层节点中心及径向基函数宽度。引入遗忘因子,利用梯度学习方法训练径向基神经网络,调节隐含层神经元数量及权值。利用完成训练的径向基神经网络,抑制多船舶相互通信信号干扰。实验结果表明,该方法能够有效消除静态干扰以及动态干扰下多船舶通信信号中的干扰成分,降低信号传输误码率。