RBF神经网络在边坡岩体稳定性中的预测研究

简要分析RBF网络的结构特点及最近邻聚类学习算法之后，以大量边坡工程的稳定状况为学习训练样本及预测样本，建立了预报模型．讨论了基于RBF神经网络技术的边坡岩体稳定性分析方法及其有效性．研究表明，用RBF神经网络方法预测边坡岩体的稳定状况是可行的．     

一种由RBF网络驱动的模糊产生式系统

介绍了ＲＢＦ网络和模糊产生系统,分析了由ＲＢＦ网络实现模糊产生式系统的条件,并研究了ＲＢＦ网络的训练算法,以确定模糊系统的参数,运用这种学习算法,可同时确定模糊系统规则的数目和规则的参数。仿真结果说明了该方法的有效性。     

基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制

针对USV运动航向控制问题,利用基于Lyapunov稳定性理论的滑模控制方法设计USV航向控制律.考虑到USV运动系统具有不确定性,利用具有万能逼近性能的模糊系统对USV运动模型中不确定项及外界干扰项进行模糊逼近.为了进一步提高模糊系统的逼近性能,采用具有学习能力快的RBF神经网络对模糊系统进行在线学习,优化模糊规则.仿真结果表明基于RBF网络优化的模糊控制该算法能够实现USV航向连续稳定跟踪.     

基于减聚类算法的RBF在宏观交通流建模中的仿真

仿真结果表明,减聚类算法能有效地寻找合适的RBF网络参数,基于减聚类算法的RBF网络在建立高速公路宏观交通流动态模型上具有训练速度快、实用性强的特点,且能以较高的精度逼近实际系统。     

一种基于模糊聚类的无线传感器网络定位算法

节点自定位算法是无线传感器网络的关键技术之一．通过三边比例法，未知节点与任意2个锚节点可计算一对候选共轭位置．用未知节点估计位置作为模糊聚类核心，可以消除共轭干扰并简化聚类迭代过程．用候选位置正态分布概率密度作为模糊隶属度，可降低误差较大锚节点影响，提高定位精度．OPNET仿真证实，模糊聚类算法可用近一次泛洪法通信量，达到22％定位精度．     

网络控制系统的模糊动态调度算法研究

针对多回路的网络控制系统,本文同时考虑系统误差和误差变化率,设计了一种基于神经网络的模糊动态调度算法.该算法根据系统中各回路的误差和误差变化率,利用神经网络模糊控制的方法实时调整各回路的优先级,从而实现对网络控制系统的调度.最后,利用TrueTime工具箱建立了包含模糊动态调度器的网络控制系统仿真模型,并将其与RM和EDF调度算法进行对比.仿真结果表明,在相同的网络带宽占用条件下,本文所设计的模糊动态调度算法相比于RM和EDF调度算法,产生的网络诱导时延更小,且具有较好的控制性能.     

基于模糊RBF神经网络的柴油机电液调速控制方法

介绍了电液调速执行器的动态特性,设计了电液调速控制回路,实现了模糊RBF神经网络对柴油机油门执行器位置的控制。将一种基于模糊RBF神经网络的PID控制器应用于柴油机调速控制中,详细说明了模糊RBF神经网络控制器的设计过程,它结合了传统PID以及神经网络和模糊控制的优点,可以在线调整得到一组最优的PID控制参数。仿真结果表明该系统比传统模糊控制的响应速度快、超调小,且适应性强,具有推广价值。     

RBF网络在逼近能力方面的探讨

介绍了人工神经网络的一个重要的模型径向基函数网络．并且在函数逼近方面对比BP网络对其进行了研究,给出了实际的例子．最后应用Matlab进行了仿真。     

基于RBF网络的操纵水动力预报

在船舶初阶段,要求设计者能够在不断调整船舶主尺度和船型系数的同时,了解所设计船舶的操纵性能指标。其中,操纵水动力导数预报的精确程度无疑对整个船舶操纵性预报工作具有至关重要的影响。文中基于径向基函数（ＲＢＦ）网络提出了预报操纵水动力导数的新方法,并且与试验结果、线性回归方法预报结果进行了比较,与试验结果较为一致。     

基于改进OLS算法的RBF神经网络 高速公路事件探测

提出了一种基于模糊聚类技术和RBF神经网络的混合智能高速公路事件自动探测算法,同时改进了用于RBF神经网络训练的Oils(正交最小二乘)选择算法.仿真实验证明,改进的OLS选择算法大大提高了RBF神经网络的训练速度同时具有无须事先确定RBF中心的优点,将之运用于公路事件探测可以获得满意的性能.     

基于径向基神经网络的Internet网络时延模型研究

以Internet为媒介进行控制信息的传送,是远程控制发展的重要趋势,而Internet传输时延的不确定性,使得这样的远程控制信息闭环控制系统难以实现.在实际测量网络时延实际数据的基础上,利用滑动模型和样条原理,采用滑模均值代替滑模的常规输入值,利用径向基神经网络建立了网络时延的模型.仿真结果表明该模型能够反映并预测该测量数据所代表的网络路径之间的时延特性,并能在基于Internet的闭环控制系统的设计中有效地替代实际网络进行研究;而所用的建模方法具有快速、准确的特点,能用于在线学习网络模型并对网络的时延值进行预测,为基于Internet的远程闭环控制提供了新的思路.     

基于模糊补偿的RBF神经网络机械手控制

针对机械手系统的高精度轨迹跟踪控制,提出了一种基于模糊补偿的RBF（radial basis function）神经网络机械手控制方法.该方法首先利用PD（proportional-integral）控制器获得机械手的控制策略,将其输出作为RBF神经网络的输入,并学习得到系统模型;然后运用模糊逻辑补偿器对系统扰动和建模误差进行补偿;最后,在MATLAB/Simulink平台上针对两关节机械臂,进行了有模糊补偿和无模糊补偿系统跟踪的均方根误差测量仿真实验.研究结果表明,两关节机械臂的控制精度分别提高了60.8%和71.4%,本文提出的方法能够解决机械手实际模型很难精确建立的问题,并能对系统未建模部分和扰动部分进行自适应补偿.      

基于模糊变步长神经网络的自适应PID控制

本文针对具有非线性和不确定性的控制对象，提出了一种基于前向神经网络的自适应PID控制系统算法。并根据其特点，提出学习步长模糊校正的方案.这种控制系统综合了神经网络、模糊决策和PID控制的优点，易于实现，仿真结果表明该控制系统对非线性被控对象具有比较好的控制效果。     

径向基神经网络辨识非线性系统的改进算法

利用神经网络的非线性映射特性,将神经网络应用于非线性系统辨识。利用径向基神经网络来辨识非线性系统,并对两种不同RBF神经网络辨识算法进行比较。仿真结果表明,改进的算法具有学习速度快,辨识精度高的特点。     

一种综合评估GSM-R网络可靠性的方法

通过建立GSM—R网络效能分析模型,本文利用模糊数学思想提出了一种用于GSM～R网络的可靠性综合评估方法,并重点分析合可靠性贡献程度不同,本素保持在较高的可靠性水平了GSM—R网络语音和数据业务的可靠性．由于每种因素的可靠性指标对网络综文时不同影响因素分配了不同的优化权重,使得时网络综合可靠性贡献大的因而其他因素的可靠性可维持在相对较低水平,从而提高GSM—R网络可靠性的综合评估水平,降低GSM—R网络的投入和维护成本。     

应用自适应网络模糊推理系统的sugeno模糊模型辨识

给出了一种模糊系统建模的有效方法。首先用减法聚类对系统输入输出数据进行聚类，然后用自适应网络模糊推理系统建立系统的sugeno模糊模型，这样解决了因输入变量高维引起规则的组合爆炸问题以及隶属函数形状和模糊规则不能自动选择的问题。     

模糊推理中冲突消解方法的改进

在分析模糊逻辑推理中冲突消解的按加权平均值排序和接近匹配排序方法的基础上，提出了一种改进方法。实例表明，该方法优于上述的方法。     

����������Ľ���ڿɱ�����ģ�����Ʒ���

针对城市交叉口交通流的特点,提出了一种自适应可变相序的多相位控制算法。该算法依据绿灯相位车队长度和红灯相位车队长度的比较决定绿灯相位是否转移,在不需要绿灯相位转移时,利用模糊神经网络控制器控制绿灯延时长度。不但结合了模糊控制和神经网络控制的优点,而且所给出的算法相序可变,实现了道路交叉口多相位相序可变控制。仿真结果表明,本文设计的模糊神经网络控制器能够有效降低车辆平均延误,满足实时控制的要求。