基于控制器与辨识器的转台系统设计

为改善三轴转台系统性能.结合传统控制方法与神经网络控制,提出一种基于RBF辨识转台系统的CMAC神经网络与PID并行的复合控制算法.算法采用RBF辨识对象模型,CMAC实现前馈控制,并实现PID控制参数的在线整定和优化.也给出了CMAC控制器算法和系统辨识的RBF网络算法.以某转台模型为对象,仿真结果表明算法具有了传统控制的优点,进一步也证明了算法的可行性和优越性,且具有了更强的适应性和鲁棒性,能更为有效地应用于转台系统中.     

基于RBF神经网络的高分子湿度传感器的研究

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,阐述了基于RBF神经网络的传感器故障诊断的基本理论和优点,提出了一种基于RBF神经网络用于高分子湿度传感器进行故障诊断的方法。     

基于RBF网络的模拟电路故障诊断算法

针对BP神经网络在模拟电路故障诊断上存在的收敛速度慢、易陷入局部最小等不足,提出了一种基于多层小波分解和RBF神经网络的模拟电路故障诊断算法。为提高诊断效率,用多层小波分解能有效提取电路故障特征;用RBF网络优良的泛化能力和快速的非线性逼近能力可以较好的解决模拟电路中存在的容差和非线性问题。故障诊断仿真实验表明,在保证较高故障诊断正确率的情况下,RBF网络的训练次数得到了极大地缩小,有效克服了基于BP网络算法存在的上述不足,极大地提高了模拟电路故障诊断的时间效率。     

基于Boosting RBF神经网络的滚动轴承故障诊断

提出了一种新颖的基于RBF神经网络滚动轴承故障诊断方法。以滚动轴承动态信号的能量信息作为特征，RBF神经网络作为分类器进行滚动轴承故障自动分类与诊断。为了进一步提高神经网络的泛化能力和故障诊断的准确性，采用Boosting方法，进行网络集成。对七类滚动轴承进行了实验，结果表明该方法具有很好的故障诊断效果。     

基于RBF神经网络的列车滚动轴承故障诊断

提出一种基于RBF神经网络的列车滚动轴承故障诊断方法。利用小波包分解对轴承的动态信号进行分析、提取特征．采用RBF神经网络进行轴承故障诊断。采用自适应正交最小方差算法．从根本上消除样本间相关性的影响,使RBF神经网络的在线训练算法更具操作性。     

基于神经网络的故障诊断应用研究

文中根据神经网络的相关原理,运用神经网络领域的相关知识,对于工业生产中经常出现的设备故障,提出了一种基于RBF神经网络的诊断方法,并详细讨论了RBF神经网络的结构、训练算法及用于设备故障诊断的步骤,最后以某系统的故障诊断为例,证明了此方法的优越性.     

基于径向基函数神经网络的转子系统裂纹故障诊断

结合基于模型的转子系统诊断技术和径向基函数(RBF)神经网络在辨识非线性系统动态时的优势,本文提出了一种新的转子系统裂纹故障诊断方法.该方法采用RBF神经网络对裂纹转子系统的未知动态进行辨识,实现部分神经网络权值收敛到最优值以及神经网络对系统未知动态的局部准确逼近;诊断过程中利用已辨识的信息实现转子系统裂纹故障的快速检测与分离.所提方法尤其适用于微小裂纹的在线检测与定量识别.最后,以Jeffcott转子系统裂纹故障诊断为例进行仿真,仿真结果验证了所提方法的有效性.     

基于PSO-RBF神经网络的电机轴承故障诊断

提出了一种基于PSO-RBF神经网络的电机轴承故障诊断方法.针对RBF神经网络泛化能力方面的不足,利用PSO算法对RBF神经网络的参数进行优化,然后采用优化后的PSO-RBF神经网络对轴承的故障形式进行诊断.结果表明, PSO-RBF神经网络的分类效果较好,在故障诊断领域有很好的应用价值.     

基于神经网络的故障诊断应用研究

文中根据神经网络的相关原理，运用神经网络领域的相关知识，对于工业生产中经常出现的设备故障，提出了一种基于RBF神经网络的诊断方法，并详细讨论了RBF神经网络的结构、训练算法及用于设备故障诊断的步骤，最后以某系统的故障诊断为例，证明了此方法的优越性。     

一种异步电动机故障诊断新方法

针对基于RBF神经网络的异步电动机故障诊断方法存在参数确定较困难的问题,提出了一种基于差分进化算法优化RBF神经网络的异步电动机故障诊断方法。首先采用小波变换对异步电动机运行状态信号进行消噪处理,然后采用主元分析法与小波包分析法相结合方式提取消噪后的异步电动机运行状态信号特征,最后采用差分进化算法优化后的RBF神经网络对异步电动机运行状态信号特征进行诊断。实验结果表明,与未优化的RBF神经网络相比,采用差分进化算法优化后的RBF神经网络可有效识别出异步电动机故障。     

基于小波包和神经网络的电力输电线故障诊断研究

提出了一种将小波包分析方法和改进的概率径向基神经网络以及归一化径向基神经网络相结合．进行输电线短路故障分类和定位的新方法。对新方法进行了较为深入的分析和讨论，建立了一个电力输电线故障诊断系统，该系统能够自动监测故障分类的正确性，并且具有较高的故障定位精确度。通过对电力输电系统短路故障类型及其故障地点的仿真测试表明，所提出的方法切实可行、有效。     

基于RBF神经网络观测器飞控系统故障诊断

为了解决非线性系统采用解析方法进行故障诊断困难的问题,利用神经网络可逼近任意连续有界非线性函数的能力,提出了一种基于RBF神经网络观测器的故障检测与诊断方法,并详细论述了该故障诊断方法的构造原理。以含有非线性项的飞行控制系统的作动器模型为例,仅作动器的输入输出可测量,通过构造RBF神经网络观测器来拟合作动器系统模型,逼近其在正常情况下的输出。最后在飞控系统的闭环控制环境下,对作动器的三种典型故障进行了计算机仿真诊断,结果表明故障诊断方法是有效的。     

基于支持向量机的径向基网络结构优化

为了解决径向基网络（RBF NN）结构设计的随机性,进一步优化RBF网络性能,提出一种基于支持向量机（SVM）的径向基网络结构优化方法。通过训练得到的SVM确定径向基网络的隐层节点个数、隐层权值和阈值;同时利用SVM对输入向量进行特征变换,进一步对输入向量进行维数约简。通过齿轮箱的故障诊断实验表明,优化后的RBF网络具有更精简、稳定的网络结构,能得到更准确的诊断结果。     

几种局部连接神经网络结构及性能的分析与比较

对人工神经网络中的局部连接网络进行了综合研究，比较和分析了CMAC、B样条和RBF这3种用于函数逼近的局部网络的性能。还分析了以ART-2为代表的局部网络中用于模式识别的网络结构及功能。最后在对以上几种网络进行模糊化的基础上，讨论了相应模糊神经网络的性能，为选择和应用局部神经网络提供了一定的依据。     

Sensor fault diagnosis in a chemical process via RBF neural networks

Radial basis function (RBF) neural networks are investigated here for process fault diagnosis. The use of the output prediction error, between a neural network model and a non-linear dynamic process, as a residual for diagnosing actuator, component and sensor faults is analysed. It is found that this residual for a dependent neural model is less sensitive to sensor faults than actuator or component faults. This is confirmed in experiments for a real, multivariable chemical reactor. A scheme is then developed utilising a semi-independent neural model to generate enhanced residuals for diagnosing the sensor faults in the reactor. A second neural-network classifier is developed to diagnose the sensor faults from the residuals generated, and results are presented to demonstrate the satisfactory detection and isolation of sensor faults achieved using this approach.     

基于RBF神经网络的非线性系统故障诊断

针对一类模型未知的非线性动态系统,提出了一种基于神经网络在线估计结构的鲁棒故障诊断检测方法.系统中,仅输入输出可测,且包含输出不确定性项.该方法通过构造神经网络在线逼近结构来拟合该非线性系统模型和系统的非线性故障特性,建立系统的状态观测器.神经网络的权重调整规律由李亚普诺夫稳定性方法获得,系统的输出不确定性部分被用于获得诊断算法的阈值.最后,用Matlab/SIMULINK对的算法予以验证,结果表明本算法的合理性.     

基于神经网络的油品质量预测

以某炼油厂加氢装置的现场数据为基础，利用神经网络技术建立了轻柴油的凝点、闪点、95％馏出温度等3个关键指标的预测模型；比较了反向传播网络和径向基网络在逼近精度和收敛速度上的差异；并且分析了基于小波分析的数据滤波和归一化处理对神经网络收敛速度和逼近精度的影响。最后验证了用神经网络方法建立的油品质量模型能快速地得到有效预测信息，从而为实现质量指标的实时预估和在线故障诊断奠定了基础。     

Reformulated radial basis neural networks trained by gradientdescent

This paper presents an axiomatic approach for constructing radial basis function (RBF) neural networks. This approach results in a broad variety of admissible RBF models, including those employing Gaussian RBFs. The form of the RBFs is determined by a generator function. New RBF models can be developed according to the proposed approach by selecting generator functions other than exponential ones, which lead to Gaussian RBFs. This paper also proposes a supervised learning algorithm based on gradient descent for training reformulated RBF neural networks constructed using the proposed approach. A sensitivity analysis of the proposed algorithm relates the properties of RBFs with the convergence of gradient descent learning. Experiments involving a variety of reformulated RBF networks generated by linear and exponential generator functions indicate that gradient descent learning is simple, easily implementable, and produces RBF networks that perform considerably better than conventional RBF models trained by existing algorithms     

基于RBF神经网络和小波包的电动机故障诊断研究

针对传统的电动机故障诊断存在很难准确提取故障时的特征信号及对故障作出准确预测的问题,提出了一种基于RBF神经网络和小波包的电动机故障诊断的方法。该方法采用小波包分析技术提取电动机典型轴承故障、转子故障和绝缘故障振动信号的特征频段能量并组成向量作为RBF神经网络的输入,用于诊断电动机的故障。实验和仿真结果表明,使用RBF神经网络对电动机故障诊断是非常有效的,对电动机早期故障的发现及维修有积极意义。