径向基神经网络在水下船体防腐中的应用

采用改进型径向基函数神经网络来预测水下船体电位,从而达到船体防腐的目的。首先,分析采用无单元法求解问题的优越性;然后,介绍径向基函数神经网络的原理,通过建立水下船体的数学模型来获得船体电位,采用层次凝聚算法和K-均值聚类算法来确定径向基函数神经网络的中心节点,从而建立神经网络;最后,对神经网络的预测能力进行MATLAB仿真检验。结果表明,采用改进型的径向基函数神经网络来预测船体电位获得了很高的精度,对于船体防腐保护达到了很好的效果。     

基于RBF神经网络补偿的PMSM反步控制系统

提出了一种基于非线性控制策略的RBF神经网络补偿和反步控制相结合的方法,克服了传统PID控制对非线性控制的缺点．基于神经网络的控制器很好地实现了线性逼近,反步控制保证了系统具有良好的速度跟踪性能．仿真结果表明,该方法比PID控制更有有效性．     

铸铝一体化发动机罩的可靠性优化设计

为了提高发动机罩的轻量化水平与性能要求,采用“材料-工艺-结构-性能”一体化集成方法设计铸铝一体化发动机罩。建立了发动机罩的有限元模型,通过模态试验验证了所建模型的准确性。以铸铝发动机罩厚度为设计变量,综合考虑发动机罩的刚度和模态性能,采用最优拉丁超立方试验设计构造样本点,联合径向基（Radial Basis Function,RBF）神经网络模型与多岛遗传算法（Multi-Island Genetic Algorithm,MIGA）进行多目标优化。基于RBF-MIGA近似模型和6Sigma可靠性优化方法对发动机罩进行优化设计。结果表明,经可靠性优化后的发动机罩质量减轻了10.59%,约束一阶模态提高了41.43%。     

基于扰动观测的客车ESC自适应神经网络滑模控制

为了提高客车电子稳定性控制系统(ESC)的控制精度,针对实际车辆系统建模中存在各种非线性扰动项以及传统滑模控制(Sliding Mode Control,SMC)中抖振较大的问题,提出一种自适应神经网络滑模控制算法.基于2自由度车辆模型,首先设计一个二阶滑模(Second-order Sliding Mode,SOSM...     

基于模糊RBF神经网络的辐射源识别

针对模糊识别系统的不足,为了提高辐射源识别系统的识别正确率,构建了基于模糊RBF神经网络的辐射源识别系统,提出了一种等价型模糊RBF神经网络的结构和学习算法,采用五层神经网络结构来实现模糊系统的模糊化和规则推理,神经网络的所有节点和参数对应了模糊系统的隶属函数和推理过程.在仿真实验中,分别采用模糊识别系统、并联型模糊RBF神经网络、结构等价型模糊RBF神经网络进行辐射源识别,给出了三种算法在相同噪声环境下的仿真结果,表明等价型模糊RBF效神经网络有较高的正确识别率,具有更强的抗干扰能力,但运算量相对较大.     

基于小波分析与径向基函数神经网络的气缸压力重构

介绍了RBF神经网络的原理及其此法重构气缸压力的实现步骤,并根据柴油机缸盖振动的激励机理,对径向基函数神经网络的参数进行了有效的设置。通过用不同工况下的样本进行训练,建立了柴油机缸盖振动信号与气缸压力之间的非线性映射关系。为了提高重构精度,更为准确地提取压力在缸盖处的响应,提出了利用小波分析对振动信号进行降噪处理。试验表明应用RBF网络法重构气缸压力简单有效,重构压力曲线与实测曲线拟合度良好。     

基于RBF神经网络的隶属度函数学习算法

模糊规则的提取和模糊隶属度函数的学习是模糊系统设计中重要而困难的问题.针对当前开发模糊控制系统的一个难点——发现最优的隶属函数和模糊规则,研究了利用RBF神经网络的学习能力,从历史数据中发现隶属度函数,在一定程度上减轻了系统开发工作量,克服了由于缺乏经验而可能造成的偏差.文中探讨了一种用于提取模糊规则的RBF神经网络结构,提出了基于此网路结构的模糊隶属度函数学习算法,最后给出了用于验证该算法有效性的仿真实例.     

基于层次结构模型的RBF神经网络货运量预测方法

为了有效地进行交通货运量预测,通过对货运量影响因素的分析,建立了关于货运量影响因素的层次结构模型,并根据该模型构建基于RBF神经网络的货运量预测方法。用我国1985~2004年的货运量对该神经网络进行训练和预测,同时与BP神经网络预测方法进行比较。结果表明,该方法具有更快的运算速度和更高的精度,具有很好的预测能力和应用价值。     

�����ۻ�������Ԥ���о�

本文的核心工作是建立了RBF神经网络—Monte Carlo货物吞吐量预测模型，利用大连港货物吞吐量的历史数据，对2006年-2010年以及2020年的大连港货物吞吐量进行预测。以RBF神经网络的预测为基础，利用Monte Carlo仿真方法对大连港货物吞吐量的预测结果进行可信度分析。得到了预测结果区间，以及预测结果在每个区间上出现的概率。文章证明了神经网络—Monte Carlo预测模型在吞吐量预测领域中的可行性，而且预测结果为大连建设东北亚建设航运中心提供了参考依据。     

应用于火灾探测的气味分析技术及其算法

提出了一种新的应用于火灾探测的算法,通过与BP神经网络算法的分析比较,认为RBF神经网络算法比BP神经网络算法在数据处理方面更加迅速和准确,因此RBF神经网络算法在火灾的实时探测方面具有更好的发展潜力,而基于RBF神经网络的气味分析技术在火灾探测方面表现出广阔的应用前景.