基于RBF神经网络的非线性滤波研究

提出了一种基于RBF神经网络的非线性滤波解决方案.比较了BP神经网络和RBF神经网络在非线性滤波中的性能差异.文章最后应用MATLAB针对一伴有随机噪声的信号进行了仿真滤波实验,证明了该理论的可行性与优越性.     

一种组合神经网络在结构优化中的应用

以挖掘机动臂为例,采用正交设计安排试验,在ABAQUS软件中获取有限元试验数据,利用Matlab软件编程仿真,比较BP神经网络和RBF神经网络在挖掘机动臂应力预测应用性能,针对BP神经网络应力预测准确度不高和RBF神经网络在学习样本输入区域很大,样本繁多时,需要更多的径向基神经元的问题,扩展出BP-RBF的组合神经网络,通过仿真实验证明,该组合网络提高了BP神经网络预测精度,扩展了RBF神经网络的应用范围,为工程应用提供参考.     

RBF神经网络在非线性系统辨识中的应用研究

用RBF神经网络代替BP神经网络 ,通过函数逼近完成对非线性系统的辨识 ,然后结合RBF网络的特性在RBF网络的泛化性能的提高方面进行了分析研究 ,并结合实例仿真进行检验     

基于神经网络的自适应裂谱分析方法

在应用 RBF神经网络建立具有自适应能力的信噪分离算法的基础上 ,提出了一种基于神经网络的自适应裂谱分析方法 ,实验结果证实了新方法具有很高的性能稳定性和增强湮没在晶粒 (或其它散射体 )散射中的缺陷回波信号能力。     

BP神经网络与广义RBF神经网络在产品寿命分布模型识别中的应用研究

通过分析BP神经网络和广义径向基神经网络(RBF神经网络)的基本结构和算法,建立了应用于机械产品的寿命分布类型智能识别的BP神经网络和RBF神经网络模型,通过仿真实验对比分析了BP神经网络和RBF神经网络识别效能。结果表明,RBF神经网络参数调整简单、训练时间短,且逼近能力与BP神经网络相当,但是推广能力较差;BP神经网络收敛缓慢、训练时间长,但推广能力较强,更适合分布参数变化范围大的寿命分布模型的识别。     

基于RBF神经网络的汽车玻璃防雾系统的研究

通过描述汽车挡风玻璃起雾在汽车行驶中的危害性,引出一种新型的基于传统传感器技术与RBF神经网络的汽车玻璃智能防雾系统概念。根据对汽车挡风玻璃起雾原因的分析,通过传统传感器技术的应用,设计出相应的RBF神经网络。通过实验,建立48组样本数据在RBF模型的神经网络中进行露点测试训练并进行仿真测试。MATLAB仿真结果显示,通过RBF神经网络在该系统中的应用,能够快速、精确地达到汽车玻璃防雾的功能。     

基于神经网络的自适应裂谱分析法

在应用RBF神经网络建立具有自适应能力的信噪分离算法的基础上，提出了一种基于神经网络的自适应裂谱分析方法，实验结果证实了新方法具有很高的性能稳定性和增强湮没在晶粒（或其它散射体）散射中的缺陷回波信号能力。     

基于RBF神经网络的齿轮箱故障诊断

阐述径向基函数(radial base function,RBF)神经网络的基本原理和算法,将其应用于齿轮箱故障诊断与识别,建立齿轮箱的BRF故障诊断模型,并与BP(back propagation)神经网络、学习率自适应BP神经网络进行对比分析研究。结果表明,RBF神经网络性能优于BP神经网络,具有较快的训练速度、较强的非线性映射能力和精度较高的故障识别能力,非常适用于齿轮箱的状态监测和故障诊断。但在具体应用中应当注意,RBF网络的训练样本必须含有一定的噪声,以提高网络的容噪性能;各类故障的训练样本数不能太少,否则RBF网络的故障分类能力很差。     

基于径向基函数神经网络的柴油机故障诊断

提出一种应用径向基函数(RBF)神经网络解决故障诊断问题的方法,并将其应用于柴油机故障诊断与识别。在RBF神经网络中采用了一种减聚类的学习算法来确定径向基函数的相应参数,从而使神经网络结构得到优化。实例仿真结果表明,RBF神经网络学习收敛较快,对故障识别性能好。     

RBF神经网络在旋转机械故障诊断中的应用

论述了RBF神经网络的基本网络结构和网络的学习及运行过程,结果表明:RBF神经网络具有极快的学习收敛速度.讨论了RBF神经网络在旋转_初械故障诊断中的应用,并对训练后的网络进行了仿真测试,仿真结果表明RBF网络有较高诊断正确率.     

基于结构自适应径向基神经网络的油样光谱数据建模

基于光谱分析数据的机械磨损状态预测有利于发现机械系统的早期磨损故障。由于神经网络对于非线性模型的辨识和非平稳信号的预测，与传统预测模型相比具有明显的优势，将神经网络预测方法运用于光谱分析，提出了基于神经网络预测的光谱分析监测技术。在预测模型中采用了在函数逼近、分类能力和学习速度均优于BP网络的径向基函数（RBF）神经网络模型，针对RBF网络的结构对于信号预测或模型辨识的精度具有影响很大的问题，提出了结构自适应RBF网络预测模型。利用遗传算法，对神经网络输入节点数、径向基函数分布系数及网络训练误差进行了优化，得到了最优的RBF网络预测模型。最后，对某航空发动机实际的光谱分析数据进行了预测和分析，并与ARMA模型进行了比较，结果充分表明了文中方法的有效性和优越性。     

FUZZY NEURAL NETWORK FOR MACHINE PARTS RECOGNITION SYSTEM

The primary purpose is to develop a robust adaptive machine parts recognition system. A fuzzy neural network classifier is proposed for machine parts classifier. It is an efficient modeling method. Through learning, it can approach a random nonlinear function. A fuzzy neural network classifier is presented based on fuzzy mapping model. It is used for machine parts classification. The experimental system of machine parts classification is introduced. A robust least square back-propagation (RLSBP) training algorithm which combines robust least square (RLS) with back-propagation (BP) algorithm is put forward. Simulation and experimental results show that the learning property of RLSBP is superior to BP.     

基于RBF神经网络的虚拟轴机床末端刀具运动位姿实时检测研究

实现虚拟轴机床末端刀具位姿的实时检测目前仍然是虚拟轴机床在数控加工领域实现高精度控制和产业化的障碍之一。针对六自由度虚拟轴机床的末端刀具位姿检测进行研究。首先对虚拟轴机床进行运动学分析,然后以虚拟轴机床末端刀具的位姿逆解作为神经网络的训练样本,构建结构自适应确定的RBF神经网络,实现虚拟轴机床从关节变量空间到工作变量空间的映射,最后利用已训练好的RBF神经网络实现虚拟轴机床末端刀具位姿的实时检测。实验结果表明:利用该方法实现虚拟轴机床末端刀具运动位姿的检测不仅具有可行性,而且具有较高的检测精度,为虚拟轴机床末端刀具的直接闭环高精度控制奠定了基础。     

基于BP和RBF神经网络的滚动轴承故障诊断比较

通过仿真实例,应用BP和RBF神经网络对滚动轴承的故障诊断进行了比较研究,结果表明,BP网络和RBF网络仿真效果都比较理想,但RBF网络构建简单,训练速度快且比较稳定,体现了RBF神经网络的优越性。     

基于RBF神经网络的飞机蓄压油箱爆破故障诊断

本文采用径向基（RBF）神经网络，对军用飞机燃油系统蓄压油箱空中爆破进行故障诊断，结果表明RBF神经网络具有精度高，收敛速度快等优点，可应用于飞机燃油系统其它部件的故障诊断。     

神经网络在SnO_2气敏元件浓度测量中的应用

气体传感器属于传感器技术领域,在传感器行业中占有重要的地位.然而气体传感器阵列的交叉敏感性严重影响气体传感器对混合气体的测量.基于Matlab平台的神经网络工具箱,分别构建BP神经网络和RBF(径向基)神经网络,对由涂敷不同敏感材料的声表面波振荡器组成的阵列在4种混合气体灵敏度响应数据进行定量识别研究,结果表明RBF神经网络在气体定量识别方面更具优势.     

基于最小二乘支持向量机预测器的传感器故障检测与数据恢复

本文介绍了最小二乘支持向量机（LS-SVM）回归的基本原理，提出了一种基于LS-SVM回归的时间序列预测器，并将其用于传感器的故障检测和数据恢复。论述了LS-SVM预测器的实现方法和步骤，并且将其应用于压力传感器的故障检测和数据恢复，同线性神经网络预测器、RBF神经网络预测器和BP神经网络预测器的比较结果表明，LS-SVM预测器具有更高的预测精度，更好的外推能力，计算效率最高，因此，LS-SVM预测器是传感器故障检测和短期数据恢复的一种有效方法。     

三角剖分以及径向基函数神经网络在星图识别中的应用

根据经典径向基函数(RBF)神经网络的优势,结合星图模式样本集的特点,设计了一种适合星图模式样本的网络训练算法.从提取星图模式入手,引入三角剖分理论,将可能出现在同一视场内的恒星以三角形的形式连接起来,提取连接的角距作为星图模式,建立了具有完备性、平移旋转不变性的星图模式样本集.然后,利用RBF神经网络做星图识别,研究顺序训练方法和批量训练方法,总结多种经典算法的优缺点,并设计了一种训练方法.通过实验证明了该种方法较其他经典算法更为适合学习星图模式样本.最后,给出RBF神经网络相关的训练数据,并通过模拟星图软件获得若干模拟星图作为观测样本,利用已经训练好的神经网络进行识别.试验结果表明,测试网络能够正确识别这些星图.     

基于RBF神经网络模型的司太立合金磨损量预测

司太立(Stellite)合金是一种能耐各种类型磨损、腐蚀以及高温氧化的硬质合金.为研究其磨损性能,以Stellite6为例,在自行设计的摩擦磨损机上进行室温干摩擦和润滑条件下的磨损实验.以实验数据为基础,建立该合金磨损量的RBF神经网络预测模型.结果表明:RBF神经网络预测模型具有较好的收敛效果和预测精度,具有良好的应用前景.