基于RBF神经网络的加速度传感器动态补偿研究

提出一种应用径向基函数(RBF)神经网络进行加速度传感器动态性能补偿方法.介绍动态补偿原理以及算法,并将其与BP神经网络法和系统辨识法进行比较.该方法利用加速度传感器的动态标定数据,采用RBF神经网络搜索和优化补偿模型参数.结果表明,这种补偿模型误差小,比用系统辨识法有良好的鲁棒性、能实现在线软补偿,比用BP神经网络有更快的训练速度.     

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。     

基于RBF神经网络的虚拟仪器测试系统动态补偿方法

测试系统存在着动态测试误差,为了准确地复现出被测量的原始信号,提出了基于RBF神经网络的虚拟仪器测试系统动态补偿方法.该方法不依赖于测试系统的数学模型,而是根据测试系统的输入和响应数据,利用神经网络的强非线性逼近能力获得补偿系统的模型参数,通过LabVIEW构造出测试系统的动态补偿系统.实验结果表明,将RBF神经网络和虚拟仪器相结合,对测试系统进行动态补偿具有良好的效果.     

浅谈RBF神经网络在教师绩效评价中的应用

本文从建立教师绩效评价的意义入手,提出了教师绩效评价标准,探讨并构建了适应于教师绩效评价的指标体系。在比较各种评价模型和算法优缺点的基础上,提出了基于径向基（RBF）神经网络的教师绩效考评价模型,并设计出了系列数据处理算法。通过网络训练、泛化结果分析,表明用RBF神经网络来评价教师综合评价是非常可行的。     

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。     

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。     

基于人工免疫RBF神经网络的分类模型研究

径向基函数(RBF)神经网络广泛应用于非函数逼近、模式识别等领域,是一种泛化能力强、训练速度快的智能信息处理方法,其隐层中心的选择很关键.用改进的人工免疫网络算法提取原数据集的特征数据,并以该特征数据作为RBF网络隐层节点的中心,从而自适应地确定聚类中心的数量和位置,提高了RBF神经网络的学习速度和精度.将改进后的人工免疫RBF应用于iris数据集分类和遥感影像分类中,实验证明了算法模型有效可行,且具有理想的分类准确率.与其它神经网络分类方法相比,大大提高了分类准确率.     

称重传感器蠕变补偿的RBF网络模型

称重传感器的蠕变是影响精度的主要因素之一。针对传感器蠕变的实时性与非线性,建立了称重传感器蠕变补偿的RBF网络模型。设计硬件采集电路并采用低功耗处理器对传感器数据进行软件补偿。仿真结果表明,RBF神经网络具有很强的逼近非线性函数和自学习能力,能够对称重传感器的蠕变误差进行修正。补偿后的蠕变误差减小至0.005%以内,补偿效果明显。     

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。     

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。     

汽车动态称重信号的自适应校正应用研究

提出一种通过自适应补偿提高长秤台汽车动态称重系统精度的方法。根据汽车动态称重两自由度模型，利用零、极点对消原理，设计校正滤波器，改善信号响应特性，使信号快速达到平稳状态。实验结果表明，本方法能有效地缩短信号衰减时间，改善称重精度，并具有很好的自适应性。     

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。     

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.     

汽车动态称重信号的自适应校正应用研究

提出一种通过自适应补偿提高长秤台汽车动态称重系统精度的方法。根据汽车动态称重两自由度模型,利用零、极点对消原理,设计校正滤波器,改善信号响应特性,使信号快速达到平稳状态。实验结果表明,本方法能有效地缩短信号衰减时间,改善称重精度,并具有很好的自适应性。     

BP神经网络在汽车动态称重中的应用

公路动态称重仪器测量精度受外界各种因素的影响较大,称重信号与各个影响因素的关系不明确,该文提出了利用神经网络的算法来处理动态称重信号的理论.利用神经网络建立的模型能够将输入的各种信息很好地进行数据融合,能够大大降低外界干扰对输入信号的影响.实验表明,利用神经网络对动态称重信号进行处理,能够满足精度要求.