基于FA-RBF神经网络的压力传感器的温度漂移补偿法

针对温度对硅压阻式压力传感器输出的影响问题,提出基于因子分析和RBF神经网络相结合的补偿方法.利用因子分析实现对原始信息的筛选和降维;结合RBF神经网络的非线性映射、自适应能力和强容错性对补偿过程进行建模,减少网络的输入,利于简化网络结构,进而加快收敛,节省运行时间,提高网络的学习速率与泛化能力.研究结果表明,该方法有效地抑制了温度对压力传感器的影响,提高传感器的稳定性和准确性.     

基于RBF神经网络的图像融合复原方法研究

提出了一种基于径向基函数（RBF）神经网络的多通道图像数据融合复原方法,研究了该方法在多光谱图像复原上的应用.将软竞争学习策略和自适应调整隐节点相结合对网络进行优化训练.利用多光谱卫星图像数据,对所提出的方法进行仿真实验.实验结果表明：该融合复原方法提高了复原图像的质量;改进后的学习算法能够保证学习准确度和较短的训练时间;实验还表明RBF神经网络的多通道复原和单通道复原、传统的维纳滤波及最大后验概率方法相比,在改善图像像质上具有明显的优越性.     

改进的QPSO算法在电网故障诊断系统中的应用

电网故障诊断系统通常基于建立的解析模型,通过分析保护和断路器的动作信息来推断可能的故障位置,从而识别保护与断路器的故障元件和误动作。本文根据保护动作原理,构建了一种改进的解析模型,并采用改进的量子粒子群算法对其目标函数进行优化求解。该模型不仅充分考虑到了保护和断路器的误动与拒动、断路器失灵保护等问题,且能辨识告警信息的误报和漏报。实验结果表明改进的算法不仅使故障诊断结果更精确,并能使故障情况很清晰的表示出来,有利于故障的及时恢复,同时使模型的运算速度和稳定性也进一步得到了提高。     

基于LM-BP神经网络的气阀故障诊断方法

提出一种基于LM（Levenberg-Marquardt）算法优化的 BP (Back Propagation)神经网络的多级往复式压缩机压缩机气阀故障诊断方法。以6M25-185/314氢氮气压缩机的 6级压差和6级温差作为网络的输入向量,建立可对往复式压缩机一至六级气阀故障进行在线监测及故障诊断的LM-BP神经网络模型。以100组故障数据作为网络训练样本,30组数据作为网络检测样本进行故障诊断,结果表明,LM-BP神经网络相比于变梯度BP神经网络和RBF神经网络诊断更快速稳定且准确率达到96%以上。利用Matlab软件平台建立的LM-BP 神经网络故障诊断模型,模型简单便于在工程实际中应用。     

基于深度置信网络的燃气轮机气路故障诊断方法

针对燃气轮机气路部件性能衰退故障,引入在深度学习领域取得重大突破的深度置信网络DBN。然而目前DBN中初始参数的选择大多依赖经验,没有形成完备的参数选择机制。针对以上问题,本文提出一种基于遗传算法自适应调整参数的深度置信网络优化算法。以三轴式燃气轮机为对象,将DBN优化算法与其他神经网络方法比较,结果表明DBN优化算法故障诊断平均精度可达88.3%,明显优于BP、RBF、ELM和SVM方法。增设高压压气机出口温度或压力传感器可显著提高燃气轮机故障诊断精度,在DBN优化算法下,故障诊断平均精度提升至98.4%。     

基于神经网络的闪光照相网栅图像修补

提出了一种基于径向基函数（RBF）神经网络的闪光照相网栅图像修补算法,该方法采用滑动窗口方法将待修补的网栅图像分为若干子块,然后在每个子图像内分别引入RBF神经网络,将栅孔内图像作为已知数据计算RBF网络参数,并以此对每个子图像进行修补,数值试验表明,该算法能较好地再现图像边缘信息,修复的图像在信噪比和视觉方面都优于线性插值和样条插值的结果。     

基于GA-BP的移动通信设备故障诊断

针对通信设备故障发生随机性强,影响因素多,对应的故障诊断有高度非线性和不确定性的特点,采用BP神经网络算法,优化的GA-BP神经网络算法和POS-BP神经网络算法分别搭建基站设备故障诊断模型,提取设备故障历史数据进行MATLAB仿真,准确预测设备故障类型,帮助提高代维公司调度管理的智能化水平,提高基站设备运维的执行效率。仿真结果表明：本文的BP,GA-BP和POS-BP神经网络算法都能够实现设备故障类别的预测,且GA-BP神经网络算法相比BP和POS-BP神经网络算法对通信设备故障诊断有更好的适应性。     

一种新型广义RBF神经网络在混沌时间序列预测中的研究

提出了一种新颖的广义径向基函数神经网络模型,其径向基函数(RBF)的形式由生成函数确定.然后,给出了易实现的梯度学习算法,同时为了进一步提高网络的收敛速度和网络性能,又给出了基于卡尔曼滤波的动态学习算法.为了验证网络的学习性能，采用基于卡尔曼滤波算法的新型广义RBF网络预测模型对Mackey-Glass混沌时间序列和Henon映射进行了仿真.结果表明,所提出的新型广义RBF神经网络模型能快速、精确地预测混沌时间序列,是研究复杂非线性动力系统辨识和控制的一种有效方法. 关键词： 广义径向基函数神经网络 卡尔曼滤波 梯度下降学习算法 混沌时间序列 预测     

计算机超频结果测量值的预测算法

针对计算机超频结果测量值的估计问题,提出一种优化的LS-SVM回归模型解决方案;首先对CPU和显示卡超频的参数设置及主要结果进行了分析,并探讨了常用预测算法的不足,据此选择LS-SVM回归模型进行超频结果测量值的预测;然后设计了一种LCQPSO算法寻找模型参数的最优值,使模型的预测精度和泛化能力得以提高;经采集AMD FX-8350 CPU的50组超频样本验证,该算法的预测误差比RBF神经网络降低了80%,表明了该算法的有效性。     

基于优化神经网络算法的光纤布拉格光栅电流传感器的温度补偿

应变和温度的改变能够使光纤布拉格光栅(FBG)反射波的中心波长产生漂移,FBG与超磁致伸缩材料的结合可以用于测量电流,但是温度和应变的交叉敏感严重影响测量电流的精度。神经网络具有强大的非线性映射能力,能够自适应地发现传感器的内部规律,从而对温度进行有效补偿。针对神经网络容易陷入局部极小值的问题,采用遗传算法优化神经网络的权值和阈值,以在全局范围内更快速、准确地找到权值和阈值的最优解。针对样本较少的问题,采取K折交叉验证的方法提高网络预测的可靠性。经实验验证,优化的神经网络对电流预测的均方误差为0.0038,提高了FBG电流传感器的测量精度。     

DVD光学头的RBF神经网络自适应PID控制器设计

为了使三维光存储技术的应用水平得到提高,以DVD伺服技术、双光子吸收技术为基础组建了一套信息存储系统。针对DVD光学读取头系统,采用RBF神经网络自适应PID控制器进行控制,充分利用RBF神经网络的自学习和全局非线性逼近能力,在线调整修正PID控制器的3个参数,使其达到一种最优控制,并通过MATLAB软件进行了计算机仿真。由仿真结果可以得出:通过应用RBF神经网络自适应PID控制算法,系统单位阶跃响应的调整时间为0.25 s,并使系统的超调量降低到几乎为零。     

基于RBF神经网络的强流LIA故障诊断与性能评价技术

 用于流体动力学诊断的强流LIA是庞大而复杂的系统，其性能预测和评估是十分困难的。针对强流LIA大量的单次快脉冲非平稳信号，提出基于小波包分析与RBF神经网络技术相结合实现故障智能诊断和性能评价的方法。该方法以强流LIA高维信号的小波包结点能量提取的特征向量来表征信号平顶、脉宽以及暂态特性。在此基础上，建立了“神龙一号”加速器腔电压及注入器出口束流故障诊断与性能评价原型系统，该系统不仅可进行故障诊断和性能评价，还可探测到加速器运行参数的变化趋势，为加速器的精细维护提供预测信息。     

基于免疫遗传算法改进的BP神经网络在灭火系统电路板故障诊断中的应用

针对装甲车辆灭火系统电路板规模较大,功能日趋多样与完善的同时,其复杂程度也日益提高,故障层次越来越多,故障现象与故障原因的映射关系更加复杂,组合故障频发,传统的故障诊断方法已不能满足灭火系统电路板故障诊断的要求。设计了基于免疫遗传算法优化的BP神经网络对灭火系统电路板进行故障诊断,并在免疫和遗传过程中保留了部分训练最优解。实现了神经网络收敛速度的提高,使用Matlab编程优化算法并完成了电路板仿真故障的诊断。通过实验验证了该诊断模型的准确性和可靠性,为电气系统通用检测设备的神经网络诊断方法实现提供了理论支撑。     

Synchronization Scheme for Uncertain Chaotic Systems via RBF Neural Network

A sliding mode adaptive synchronization controller is presented with a neural network of radial basis function （RBF） for two chaotic systems. The uncertainty of the synchronization error system is approximated by the RBF neural network. The synchronization controller is given based on the output of the RBF neural network. The proposed controller can make the synchronization error convergent to zero in 5s and can overcome disruption of the uncertainty of the system and the exterior disturbance. Finally, an example is given to illustrate the effectiveness of the proposed synchronization control method.     

基于AdaBoost与GABP的模拟电路软故障诊断方法

针对容差模拟电路软故障诊断精度较低的问题,提出了一种基于AdaBoost与GABP的组合分类器诊断方法;首先,在Pspice中对故障模式进行Monte-Carlo分析,并利用波形有效点提取法提取故障特征,在此基础上,做归一化处理构建神经网络的原始样本;其次,利用GA算法与L-M算法组合优化BP网络构建GABP分类器;最后,利用AdaBoost算法对GABP单分类器进行迭代提升,构建AdaBoost-GABP组合分类器;诊断实例的结果表明,该方法比传统的单分类器诊断方法具有更高的诊断精度、更低的绝对误差,能够克服单分类器容易陷入局部最优,诊断结论不可信的缺陷。     

尖楔前体飞行器FADS系统的径向基网络建模及验证

文章研究了针对一种用于尖楔外形的嵌入式大气数据传感（flush air data sensing，FADS）系统的解算模型及精度.首先基于飞行包络及CFD数据建立了FADS系统的测压孔选取标准；然后基于径向基函数（radial basis function，RBF）的人工神经网络建模技术构建了FADS系统的网络解算模型；最后给出了模型的测试误差，分析了气动延时效应、位置误差等误差源模型对算法精度的影响，并给出了网络模型的预测精度.结果表明，针对尖楔外形测压孔配置特征，基于RBF的人工神经网络算法解算精度较好，攻角、侧滑角、Mach数及静压的网络输出预测值与真实值吻合较好，输出的测试误差（绝对值）分别小于0.25°，0.5°，0.05及250 Pa.结果同时表明神经网络建模技术在尖楔前体飞行器FADS系统中的有效性.      

基于SOM和RBF网络的软测量方法研究

针对氢粉碎过程中钕铁硼粉碎状态不可知,为有效预测合金的反应状态,提出了一种基于自组织特征映射(SOM)神经网络和径向基函数(RBF)神经网络结合构建的网络模型。在该模型中,SOM神经网络作为聚类网络,采用无教师学习算法对输入样本进行自组织分类,并将分类中心及其对应的权值向量传递给RBF神经网络,作为径向基函数的中心;RBF神经网络作为基础网络,采用高斯函数作为径向基函数实现从输入到隐含层的非线性映射,输出层则采用有教师学习算法训练网络的权值,从而实现输入层到输出层的线性映射。并以钕铁硼氢粉碎过程合金中氢含量为检测对象,运用上述方法在MATLAB平台上建立了合金中氢含量预测模型,并完成了仿真验证。     

Liley模型的模拟EEG信号的非线性预测和分析

分析Liley模型的模拟脑电(Electroencephalogram,EEG)信号的非线性预测和径向基函数(Radial Basis Functions,RBF)神经网络预测,利用相图分析和非线性正交预测(Nonlinear Cross-Prediction,NLCP)方法研究模拟EEG信号.结果发现:①RBF神经网络预测的效果要好于非线性预测;②NLCP方法对含有强周期分量的高维系统具有较好的适用性;③支持了EEG中存在混沌运动的观点.