基于RBF神经网络补偿的动力定位PD控制

动力定位控制系统在实际工况中会受到外部风、浪、流等环境力的扰动,本文主要研究PD+RBF控制算法以提高动力定位系统的抗干扰性和稳定性.RBF神经网络用来补偿外界环境扰动,其权值自适应律通过Lyapunov稳定性证明得到,通过稳定性的分析能够保证整个系统全局渐进稳定.在一艘平台供应船的仿真结果对比中显示了所提出控制器的有效性.     

短时段交通流预测的RBF神经网络模型

介绍了基于RBF神经网络的短时段交通量预测模型,并利用该模型对高速公路所采集的数据进行仿真预测分析。预测结果表明RBF神经网络预测方法通过定义合理的网络结构参数可以获得较高的预测精度,能够满足路网调度对短时段交通流预测的需求。     

基于径向基函数网络的社会消费品总额预测模型

利用BP、RBF神经网络自适应学习法模型,对社会消费品总额进行了预测和研究,结果表明用RBF网络自适应学习法所建立的模型经过训练后,可得到较精确的预测结果,并具有较强的应用性。     

RBF神经网络在传感器故障诊断中的应用研究

提出一种基于RBF神经网络的传感器在线故障诊断方法,用某气囊隔振系统隔振装置中大量的传感器数据进行了仿真实验,验证了方法的可行性.通过对每个传感器建立单独的神经网络预测模型,实现多传感器的故障诊断.     

大跨悬索桥MTMD抖振控制的参数优化

针对悬索桥抖振控制问题,建立有限元模型,应用神经网络和遗传算法对多重调频质量阻尼器(MTMD)进行双参数优化。以某大跨悬索桥为例,利用神经网络改进的谐波合成模拟方法(RBF-WAWS法)对脉动风速进行模拟,并换算成抖振力作用主梁上,通过时程分析及后处理获取主跨跨中横桥向响应值。将响应值的均方差作为优化目标函数,以MTMD总质量、个数及阻尼比作为优化变量和约束条件,采用神经网络拟合目标函数并应用改进的自适应遗传算法进行寻优。结果表明,优化后的MTMD能有效控制悬索桥在脉动风作用下的抖振响应,减振率达48%。提出的理论与计算方法对悬索桥中MTMD的设置及参数选取具有实际工程意义。     

RBF神经网络在柴油机燃油系统故障诊断中的应用研究

本文主要介绍了径向基（RBF）神经网络在柴油机燃油系统故障诊断中的应用，并且首次将神经网络和虚拟仪器技术相结合，成功用于柴油机故障诊断中。比较了RBF和误差反传（BP）神经网络的学习速度和诊断精度。研究表明，将RBF神经网络和虚拟仪器相结合进行柴油机故障诊断具有良好的诊断效果和精度，有很好的工程应用前景。     

非线性自整定PID主机数字调速器

调速系统是船舶主机遥控系统的核心组成部分,船舶主机性能优劣及寿命很大程度上取决于其调速系统的性能.分析船舶主机调速系统的特点,研究了基于径向基函数(RBF)神经网络自整定非线性PID的主机转速控制,基于内模原理的偏差重复补偿PI的主机油门控制.讨论了PID参数随偏差变化的规律,控制对象的Jacobian辨识和主机油门的重复控制补偿,并分别进行了仿真.结果表明,本文设计的非线性自整定重复控制补偿调速器在充分考虑偏差特性的情况下,有效提高系统的动态精度和抑制扰动的能力,改善主机运行的稳定性.     

BP和RBF神经网络在边坡稳定性评估中的比较研究

通过实例分析,对BP神经网络和RBF神经网络在边坡稳定性评估中的应用进行了比较研究,结果表明,BP神经网络和RBF神经网络均能很好地对边坡稳定性进行评估,但RBF神经网络比BP神经网络的训练速度更快,效率更高,并且对于同样的精度要求,RBF神经网络对边坡稳定性的评估结果更加准确和适用。     

基于遗传优化的水面无人船艇神经网络智能控制

利用GA智能优化算法和RBF神经网络逼近算法设计了一种USV运动滑模理想跟踪控制方法.首先利用改进的遗传算法对RBF网络参数进行在线寻优以进而提高其逼近性能.其次,将学习速度较快的局部RBF神经网络对滑模控制设计中存在的船舶运动系统函数不确定项进行逼近,使得由于滑模面的不间断切换引起的控制输入抖振问题得到有效地解决.对比实验说明了在同等条件下,上述智能控制系统稳定时间更快,超调量更小,以及输入舵角更平滑.     

基于RBF神经网络设计的桥梁结构损伤识别方法研究

首先根据桥梁结构的动力特性分析,构造了用于结构损伤识别的损伤标示量,并从理论上分析了该参数用于结构损伤识别的可行性.然后,从径向基函数(RBF)神经网络结构、网络设计和网络训练算法等方面论述了RBF神经网络理论,着重说明RBF网络的调用及径向基函数中心和宽度的确定步骤.最后,以一座装配式预应力钢筋混凝土系杆拱桥为工程实例,通过改变构件的弹性模量降低单元刚度来模拟结构损伤程度,并以任意三组向量对网络进行测试,说明了基于频率参数和RBF网络方法的结构损伤识别的可行性和准确性.