作者:梁泽; 王玥瑶; 岳远紊; 韦飞黎; 姜虹; 李双成 期刊:《中国环境科学》 2020年第02期
基于北京市空气质量监测点获取的空气污染物浓度数据,通过遗传算法搜索径向基人工神经网络的最优隐含层神经元数目和扩展常数,构建了耦合径向基人工神经网络算法与遗传算法的预测模型,预测北京市未来一天24h平均PM2.5质量浓度.结果表明,预测精度与泛化性能良好.该模型不需要输入气象和地理位置信息等数据,具有依赖变量少、预测精度高(R 2达0.75)和运算效率高等特征,并可以通过训练样本的驱动,使自身不断优化调整.该模型预测效果可...
作者:罗芳琼; 吴春梅 期刊:《广西科技师范学院学报》 2013年第02期
提出了主成分分析(PCA)和局部线性嵌入降维方法(LLE)组合的优化RBF神经网络降水预测模型,首先利用主成分分析(PCA)和局部线性嵌入降维方法(LLE)组合对众多气象物理因子降维提取有效因子,再将这些综合有效因子组成的特征空间矩阵作为优化的RBF神经网络的输入矩阵,从而建立网络模型.以此对广西5月三个不同区域平均日降水量进行预报实验,结果表明,该模型具有较好的收敛效果和泛化能力,在预报性能上明显优于同期的T213...
作者:黄敏; 胡晓伟; 李世佳 期刊:《民用飞机设计与研究》 2019年第04期
机电作动器(EMA)作为先进飞机的主要作动系统有着体积小、效率高、重量轻的优势,是未来航空作动器的主要发展方向。在介绍EMA的工作原理之后建立了EMA的机械传动机构与永磁同步电机(PMSM)的非线性模型,构建了含有电压前馈的三闭环EMA控制系统。考虑到机械传动系统对EMA位置环的影响,针对位置环构建了基于径向基(RBF)神经网络的PID控制器,将其与EMA三闭环PI控制系统进行仿真并比较控制结果,结果显示RBFPID控制器的控制精度与响应速...
作者:胡亚南; 李明辉; 霍蛟飞; 丰会萍 期刊:《塑料科技》 2019年第12期
针对注射机料筒温度控制系统具有非线性、时变及滞后性的特点,造成料筒温度控制超调大、调节时间长及稳定性差的问题,将模糊控制算法和径向基神经网络(RBFNN)的优点相结合,设计模糊RBFNN-PID控制算法,以提高料筒的控制精确性和稳定性。以西门子S7-1200PLC为控制核心,设计注射机料筒温度系统软硬件结构,并利用MATLAB软件对常规PID、模糊PID、模糊RBFNN-PID算法的控制器性能、抗干扰能力进行仿真对比分析。结果表明:该控制算法具有较...
作者:朱安; 陈力 期刊:《福州大学学报·自然科学版》 2019年第06期
研究柔性关节空间机器人轨迹跟踪及关节柔性振动主动抑制问题.导出综合电机特性的动力学模型,且基于奇异摄动理论将其分解为快、慢变子系统.针对快变子系统,采用速度差值反馈控制;针对慢变子系统,提出一种基于径向基神经网络的全阶滑模控制.其中径向基神经网络用于逼近系统未知非线性项,全阶滑模兼备结构简单、鲁棒性强等优点的同时,还能克服抖振问题.系统数值仿真结果证明了所提方案的有效性.
作者:艾海平; 陈力 期刊:《计算力学学报》 2019年第06期
研究了漂浮基空间机器人捕获非合作航天器过程对系统产生的冲击效应及其后联合体系统镇定运动的控制问题。为此,利用拉格朗日方法及牛顿-欧拉法分别获得了捕获前空间机器人及目标航天器的动力学模型;结合动量守恒定律、系统运动几何关系及力的传递规律,分析了捕获过程相互碰撞所产生的冲击效应,建立了捕获完成后两者联合体的系统动力学模型。在此基础上,针对同时存在不确定参数及外部扰动的联合体系统,设计了基于无源性理论的镇定...
作者:张凯凯; 郭松林; 毕晨琳 期刊:《电子测试》 2019年第22期
本文提出一种新的用于对卷积神经网络提取的特征进行分类的分类器即径向基函数神经网络(rbfnn)分类器。其思想是利用卷积神经网络作为特征提取器,使用rbfnn对提取的特征进行分类。同时在训练时采取softmax分类器与rbfnn分类器同步训练的方式,其中rbfnn分类器将MSE(均方误差)损失作为监督信息,softmax分类器用交叉熵损失作为监督信息。优化后的模型优于[1]中的72.9%的准确率。
作者:吴梅; 刘高远; 郭一鸣; 翟弈姗 期刊:《计算机仿真》 2019年第09期
直升机各通道的强耦合性以及复杂的非线性关系导致其控制系统设计困难。为了解决上述问题,对飞行包线内的多状态点进行小扰动线性化,基于H∞混合灵敏度理论设计姿态控制系统,利用线性控制器产生的误差输入及控制输出进行样本采集,搭建RBF径向基神经网络并用采集到的样本训练该网络实现控制器的拟合,对训练得到的神经网络控制器在飞行包线内非设计点处进行控制效果验证。仿真结果表明:上述控制系统能够很好地跟踪姿态控制指令,跟踪...
作者:彭勇; 陈俞强; 严文杰 期刊:《信息技术与网络安全》 2012年第14期
为了提高神经网络进行函数拟合的精度,首先在三层径向基神经网络基础上通过增加网络层次和改变激励函数提出了一种四层径向基小波神经网络,并采用遗传算法来确定初始网络参数;其次针对遗传算法中容易早熟的缺点,在遗传算法中引入动态平衡策略,根据适应度的变化来动态改变遗传算法中交叉和变异概率,从而增加算法全局探索和局部开发的平衡能力;最后通过对函数拟合试验并与其他方法相比较表明了算法的有效性。
作者:赵云; 曹先密 期刊:《测绘工程》 2010年第03期
结合GPS测量和水准测量资料,用BP人工神经网络和RBF人工神经网络方法和二次多项式曲面拟合方法拟合高程异常,对平坦地区GPS高程异常拟合精度进行比较分析,得出有实用价值的结论。
作者:赵树利; 许兆鹏; 崔立业; 陈楠; 张崇 期刊:《电力系统装备》 2019年第14期
风能具有波动性和不确定性,为了降低风电场短期风功率预测误差,提高风电场发电质量,需要对风功率进行行之有效的建模预测。为提高风功率预测精度,本文提出了一种基于变分模态分解和径向基神经网络的风电场风功率预测方法。以历史风速及风功率数据为输入变量,以风电场短期风功率为输出建立预测模型(VMD-RBF),并与传统的BP神经网络及单一RBF神经网络进行对比分析。试验结果表明,所提出VMD-RBF模型具有最优的预测精度,是一种可行有效...
作者:解相朋; 杨录山 期刊:《轻工学报》 2012年第03期
针对传统基于神经网络的板形模式识别方法具有网络精度较低、在线识别速度慢和网络模型建模复杂等技术问题,提出了一种基于智能优化型径向基神经网络的板形模式识别方法.在基于训练数据进行神经网络建模过程中,采用一种改进的粒子群优化控制算法进行网络架构节点数目和网络参数值的离线优化,因而所得方法具有网络结构简单、泛化能力强等优点。仿真实验结果表明,该方法是一种有效板形模式识别方法,有利于提高板形控制精度.
作者:蔡仲博 期刊:《太原学院学报·自然科学版》 2010年第04期
针对RBF的参数选取的局限性造成检测效率低下的情况,提出一种PSO-RBF的算法,使用粒子群优化算法对RBF中权值、中心和方差三组参数进行优化设置,使三组参数的选择更加符合实际情况,提高了检测效率。将PSO-RBF算法应用到网络入侵检测识别系统中,结果表明该算法具有很好的检测率以及误报率,同时实验也证实了算法的可行性。
作者:邹浩玄; 牛威捷; 秦华阳; 吕涵熙 期刊:《科学技术创新》 2019年第03期
BP神经网络与径向基神经网络都被广泛应用于相关预测的研究。理论上,一个BP算法总存在对应的RBF算法,即总存在RBF算法可替代任何一个BP算法。任意非线性函数都可被这两种神经网络以任意精度拟合。但是两种算法的逼近性能不同。这是由于他们使用了相异的激励函数。该文使用两种算法以1995-2015年21年的数据建立了预测模型,并用其对06-15年旅行收入进行预测。模型能够较好的反应全国旅行收入随七大要素变化的趋势。并对两种算法进行...
作者:赵亚红; 王金星 期刊:《煤炭技术》 2017年第12期
利用径向基神经网络纠正无偏灰色预测残差,构建了一种径向基无偏灰色组合模型,并利用该组合模型对某矿山瓦斯相对涌出量进行实验仿真。结果表明,该组合模型预测与无偏灰色模型相比,平均绝对误差比RBF神经网络增高,且不受数据波动性影响,能够更好地反映矿山瓦斯相对涌出量的规律,预测准确、可靠。
作者:高宁; 王晓静; 王静燕 期刊:《煤炭技术》 2015年第10期
为提高复杂地形条件下矿区GPS高程转换的精度,提出采用径向基神经网络(RBF)进行拟合。将GPS控制点的平面坐标x、y作为网络输入,高程异常ξ作为网络输出;利用交叉验证搜索算法对RBF网络拟合关键参数GOAL、SPREAD进行优选,从而确定最优网络拓扑结构;采用矿区实测数据,对比标准BP、GA-BP算法拟合高程异常。实验结果表明,RBF方法具有较高的转换精度。
作者:王连福; 王华; 杨喜旺; 焦国太 期刊:《探测与控制学报》 2005年第02期
简述了多模引信磁探测系统的概念、原理及目标特性.对比了BP神经网络、径向基(RBF)神经网络在多模引信磁探测系统信号处理中的优缺点,并对其进行了改进,通过计算机仿真得到了很好的结果.
作者:黄鑫; 赵捍东; 李志鹏 期刊:《探测与控制学报》 2015年第04期
针对数值积分法预报弹丸落点存在的解算时间较长、迭代过程中易产生大的累积误差等问题,提出了基于插值型径向基(㈣神经网络的弹丸落点预报方法。该方法首先建立了落点预报数学模型,然后采用严格插值的方法离线训练RBF神经网络,分别逼近射程和横向偏差(横偏)非线性方程,最后利用预报模型进行落点预报仿真测试。仿真结果表明,该方法预报弹丸射程和横偏的平均误差分别为0.0602m和0.001m,其预报落点的时间在40ms以内,并与...
现今常见的变形监测数据处理方法有GM(1,1)模型、BP神经网络模型和径向基神经网络模型(RBF),本文分别采用GM(1,1)模型和RBF网络模型对基坑结构的水平位移量进行预测,并且采用基于方差倒数法的组合模型对上述两种单一模型预测值进行组合,以达到改善预测精度的效果。实验结果表明,组合模型的预测精度和可靠性优于单一模型,说明了该模型的可行性。