RBF神经网络在传感器故障诊断中的应用研究

针对传感器在自动化系统中的重要性，指出了传感器故障诊断的必要性、可行性以及实现的基本方法。根据神经网络的原理与特点，阐述了RBF神经网络的基本理论和优点，提出了一种基于RBF神经网络用于传感器故障诊断的思路和方法。     

RBF神经网络在定日镜场故障诊断中的应用

针对定日镜场故障与征兆之间的关系特点,介绍了RBF神经网络运用于定日镜场故障诊断的基本方法。利用MATLAB神经网络工具箱建立和训练RBF神经网络,并对网络进行了测试。结果说明RBF神经网络在定日镜场故障诊断中具有较高的准确性和可靠性。     

RBF神经网络在表面粗糙度光纤传感器中的应用

本文提出了以径向基函数（RBF）神经网络处理表面粗糙度光纤传感器输出信号的方法,将传感器的输出信号及作为光源的激光强信号同时加在RBF神经网络的输入端,利用RBF神经网络能够以任意精度逼近非线函数地能力的优点,同时实现对传感器的非线性补偿及减轻激光器输出光强变化带来的影响,采用这种方法的表面粗糙度光纤传感器,降低了对激光器输出功率稳定性的要求,具有测量范围大,精度高的特点。     

RBF神经网络在薄膜厚度控制系统中的应用

针对双向拉伸薄膜厚度控制系统中,经典的PID控制器难以达到理想控制效果的问题,设计一个基于RBF神经网络整定的PID控制器。该控制器由RBF网络对系统进行在线辨识,找到最佳控制参数,并将其反馈给PID控制器,从而实现控制器参数的在线调整。仿真结果表明,本控制器具有超调量小,响应速度快和自适应性强等优点,可有效提高双向拉伸薄膜厚度控制系统的性能。     

RBF神经网络在视频业务建模及预测中的应用

ＡＴＭ技术在关键在于业务控制,能否有效地实施业务控制则取决于对业务特征的了解和预测能力。传统的解析方法对视频业务进行预测的局限性较为明显。本文采用径向基函数神经网络对视频业务进行建模和预测,并提出了分别采用ＬＢＧ算法和Ｈｅｓｔｅｎｅｓ奇异值解进行隐含层神经元中心选择和输出神经腱权值计算的改进方法。     

RBF神经网络在激光测平仪非线性修正中的应用

针对PSD非线性对激光测平仪测量范围和测量精度的影响,采用一种新方法——径向基函数神经网络算法.该方法通过选择径向基函数中心、确定神经网络隐层神经元的数目和调整每一层的权值和阈值,对由于PSD非线性产生的误差进行修正.将其应用于某型号导弹平台调平测试,试验结果表明,该方法能有效消除非线性的影响,激光测平仪线性测量范围由...     

RBF神经网络在微波幅度均衡器设计中的应用

针对多谐振腔结构的均衡器其S参数测量数据库,提出了一种工程上实用的径向基函数(RBF)神经网络插值算法,介绍了该算法的主要思想,利用MATLAB软件给出了微波均衡器插值实例,并对其插值特性进行了分析和改进。计算和分析结果表明,该算法能在较高的插值精度条件下对数据进行有效的插值处理。该算法在微波器件的工程设计中具有一定的推广应用价值。     

RBF神经网络在动物动态称重中的研究

针对动物动态称重数据样本不平稳,真实信号淹没在噪声中导致动物体重难以快速准确测量的问题,通过将RBF神经网络引入到动态称重数据的处理中,结合经验模态分解（EMD）算法处理动态称重数据的对比试验,得出RBF神经网络能有效降低干扰信号影响的结论。EMD算法处理数据的平均相对误差为9.51%,RBF算法处理数据的平均相对误差为5.86%。实验结果表明,RBF算法处理动态称重数据的平均相对误差比EMD算法高了近一倍,证实了RBF算法应用于动物动态称重数据比EMD算法更有效。     

RBF神经网络在河流营养盐预测中的应用

根据已监测到的水质数据进行预测一直是河流水质管理的重要组成部分,其中河流营养盐浓度是影响水质的根本因素。文中研究RBF神经网络在河流营养盐浓度预测中的适用性,并与传统的时间序列预测模型:ARIMA进行比较。以朱衣河为研究对象,对河流营养盐主要成分之一的磷酸盐浓度进行预测。通过采集到的时间序列数据对两种预测模型进行仿真,并通过平均误差和均方误差的比较,证明基于RBF神经网络的时间序列预测模型具有较强的预测精度和良好的推广价值能力,在河流营养盐预测中有较高的实用性。     

T-S型RBF神经网络在红外火焰探测系统中的应用

基于T-S(Takagi-Sugeno,高木-关野)模型RBF(Radial Basis Function,径向基函数)神经网络,提出了一种应用于三波段点型红外火焰探测器的识别算法,同时实现了硬件电路以及软件程序的设计。针对火焰探测器在检测过程中可能出现的数据丢失、失真、饱和等复杂情况,本文利用RBF网络较优的逼近精度和泛化能力,同时结合T-S模型用少量的模糊规则可生成较复杂的非线性函数的特点,实现了火焰与干扰源的准确识别。实验证实,T-S模型RBF神经网络相比于BP(Back Propagation,反向传播)网络在逼近精度、收敛速度、鲁棒性等多个方面都有所提升。     

基于熵的RBF神经网络在软测量中的应用

为了更好地确定RBF神经网络中心向量,并且使得最终的RBF神经网络结构可以进一步调整。提出了一种使用熵聚类的算法来首先确定RBF神经网络隐节点的个数及其初始值,实现初始化的基础上使用常规算法调整RBF神经网络的中心和训练宽度,最后使用基于互信息的RBF神经网络修剪算法调整网络结构。并将上述算法应用于COD软测量问题中,仿真实验结果表明：改进的算法与常规的算法相比,提高了训练速度和逼近精度。     

RBF神经网络在光通信粗跟踪系统中的应用北大核心

针对无线光通信系统中的非线性与时变不确定性而导致的通信不稳定,提出一种基于径向基函数(RBF)神经网络的PID智能控制策略作为粗跟踪的控制方法。介绍了光电跟瞄系统原理,在建立系统模型框图后引入了RBF神经网络监督控制结构,并通过实验平台验证了该算法的有效性。     

RBF神经网络LM算法的改进

文章对现有的RBF神经网络算法进行改进,改进的基本思想是：采用L-M算法训练RBF网络,并对L-M算法的重要参数提出一种随迭代步数的动态调整方法,从而提高运算的精度和效率,并经过仿真验证了提出改进方案的有效性。     

用RBF函数构造神经网络模型

本文提出一种新的神经网络模型，它是由ＲＢＦ函数构成的一种两层网络模型。利用此模型不仅可以进行一般的多类模式的分类识别，还可以进行多目标的旋转不变分类识别，本文对轰炸机（ＰＢ）、战斗机（ＰＦ）和客机（ＰＬ）三种飞机的旋转不变分类进行了计算机模拟，模拟表明这种模型对于多目标的旋转不变分类识别是非常有效的，本文还提出一种实现此模型的光电混合系统。     

基于RBF神经网络的盲均衡算法综述

RBF神经网络是一种局部逼近的多层前向神经网络,具有算法简单,收敛快,逼近效果好,泛化能力强等优点。RBF通过非线性基函数的线性组合实现从输入空间到输出空间的非线性转换。盲均衡则是一种不借助训练序列,仅利用接收序列和发送序列的先验知识来恢复发送序列的方法。文中基于RBF神经网络的研究给出盲均衡的算法综述。     

RBF神经网络及其在基于输出的客观 音质评价中的应用

针对汉语连续语音,本文提出了采用径向基函数神经网络(RBFNNs),对基于输出的语音质量进行客观评价的一种新方法——RBFOBSQ(Output-Based Speech Quality Using RBFNNs).该方法采用Mel倒谱对语音系统输出端的待测语音信号进行特征参数提取,然后通过RBF神经网络完成特征参数到主观评价MOS分的非线性映射,其映射值即为仅依赖于输出的客观音质评价结果,其与主观评价MOS分的相关度,当采用训练集样本时达到0.92以上,而采用测试集样本时达到0.88以上.     

基于RBF神经网络的肓均衡算法综述

RBF神经网络是一种局部逼近的多层前向神经网络,具有算法简单,收敛快,逼近效果好,泛化能力强等优点.RBF通过非线性基函数的线性组合实现从输入空间到输出空问的非线性转换.盲均衡则是一种不借助训练序列,仅利用接收序列和发送序列的先验知识来恢复发送序列的方法.文中基于RBF神经网络的硬究给出盲均衡的算法综述.     

RBF神经网络在智能传感器模块设计中的应用

引言 不论是传统工艺制作的经典传感器,还是半导体工艺制作的现代传感器,都存在交叉敏感。交叉敏感是引起单传感器系统不稳定的主要因素,表现为传感器标称的目标参量恒定不变,而其它非目标参量变化时,该传感器的输出值发生变化。     

通信卫星干扰定位的RBF神经网络方法

本文提出了结合卫星多波束天线,利用径向基函数（ＲＢＦ）神经网络实现通信卫星干扰源精确定位的方法,这种方法可获得很高的定位精度,且能直接获得信号ＤＯＡ估计的闭式解,从而避免其它经典的高精度ＤＯＡ估计方法（如ＭＵＳＩＣ、ＭＬ等）所必需的全方位峰值搜索,同时由于神经网络优异的并行运算能力,所提方法具有实时估计的优越性,有望应用于实际的实时定位系统中。计算机仿真也验证了这一方法的可行性。     

基于遗传优化RBF神经网络的声纹识别研究

提出了一种基于遗传优化RBF神经网络的声纹识别算法,该算法中采用遗传算法对传统的RBF神经网络基函数中心以及宽度进行优化处理,克服了传统RBF神经网络参数难以确定的缺陷。同时,算法结合心理声学模型,提取了能表现说话人个性特征的Mel倒谱系数为特征进行说话人识别,可较好地提升系统的抗噪性能。仿真实验结果表明,与传统RBF神经网络相比,该方法具有快速学习网络权重的能力,并且网络的全局寻优能力强,使得系统的识别率进一步提高。