钴湿法冶炼萃取过程中的组分含量软测量

提出了一种钴湿法冶炼萃取组分含量混合建模方法.该模型由基于物料衡算关系的动态机理模型与基于萃取平衡实验数据的RBF神经网络模型组成.机理模型作为描述过程动态行为的整体框架,RBF神经网络用来辨识机理模型中的未知函数关系.在上述混合模型的基础上,还提出了一种模型校正策略,进一步提高了模型的精确性.将所建立的混合模型应用于实际湿法冶炼生产过程中,结果表明该方法具有良好的估计性能.     

基于谱相关和RBFNN的调制识别算法

根据谱相关函数理论,对常用通信信号的谱相关函数和谱相关平面图的分析,提取4个可用于调制信号识别的谱相关特征参数.分类器算法采用改进的RBF神经网络.利用提出的联合特征参数和分类器算法能动态识别信号的调制方式.仿真结果表明,该算法在不增加算法复杂度的前提下,在低信噪比下能够取得较高的正确识别率.     

RBF神经网络的混合微粒群学习算法

在分析RBF神经网络的结构特点基础上, 定义一个布尔向量L作为网络的结构参数, 与原来RBF神经网络的隐节点参数集一起构成了新的RBF网络隐节点参数集{c,σ, L}, 并给出了一个新的RBF网络输入输出关系表达式;采用一种混合协同微粒群算法同时对RBF网络拓扑结构和隐层节点参数进行优化设计,并将输出线性参数集分离后采用最小二乘法进行优化设计,简化了优化空间,加速了算法的收敛速度.     

电火花加工智能控制系统的建模及仿真

为增强电火花加工过程的稳定性,基于模糊RBF神经网络智能控制,同时利用模糊控制的解耦性,以在电火花加工过程中统计的空载率、正常放电率、不正常放电率(包括电弧及短路放电)、相对于脉冲周期和他抬刀周期的正常放电率为输入,设计了以伺服参考电压、脉冲间隔和抬刀周期为输出的电火花加工模糊RBF神经控制器,并利用MATLAB对设计的模糊RBF神经控制器进行了建模及仿真.仿真结果表明了模糊RBF神经网络控制系统在电火花加工中对于稳定加工状态的有效性.     

一种RBF网络结构调整的稳健增量学习方法

以实现RBF网络的增量学习能力和提高其增量学习的稳健性为目的,给出了一种RBF网络增量学习算法.算法首先对初始数据集进行聚类得到初始的RBF网络结构,然后采用GAP-RBF算法中的隐层节点调整策略动态调整网络结构实现RBF网络增量学习.RBF网络的初始化降低了初始数据集样本训练顺序对RBF网络性能的影响,增强了其增量学习的稳健性.IRIS数据集和雷达实测数据集仿真实验表明,算法具有较好的增量学习能力.     

基于自适应小生境递阶遗传算法的RBF均衡器

递阶遗传算法(HGA)一次只能确定一个最优个体。采用小生境递阶遗传算法,依据进化信息自适应调整小生境区域,在均衡数据误比特率最低,隐层中心聚类有效性最佳的基础上,可以从多个进化优解中确定出最佳结构的径向基(RBF)神经网络均衡器。仿真结果验证了算法的有效性和稳定性。     

基于改进遗传算法的RBF网络的截球策略

在RoboCup2D仿真足球比赛中,球员的底层动作设计的好坏直接影响着比赛的输赢,特别是一些关键的动作,比如截球、传球、射门等动作。鉴于此,提出一种新的截球方法,即改进的遗传算法和RBF神经网络相结合的截球方法。该方法是用改进的遗传算法优化RBF神经网络的结构参数,通过优化,提高了网络的全局搜索效率。实验表明,经过改进遗传算法优化的RBF神经网络的截球成功率比单一的RBF神经网络截球成功率高很多。     

谷氨酸发酵菌体浓度的内模控制

针对由于缺乏可靠的生物传感器,谷氨酸发酵中重要的生物参数—菌体浓度不能在线测量,更不能对其实现控制的情况,提出了基于径向基神经网络的内模控制。既解决了由于谷氨酸发酵内部机理复杂而难以建立菌体浓度模型的难题,又实现了谷氨酸菌体浓度的内模控制;同时也解决了内模控制中逆模型建模的问题。仿真结果表明,该方法实现了谷氨酸菌体浓度的有效控制,鲁棒性强、抗干扰能力好,具有良好的实际应用和推广价值。     

永磁同步电机的自适应反演滑模变结构控制

针对永磁同步电机提出一种基于反演的PMSM自适应滑模控制方案.设计基于反演的滑模变结构位置控制器,通过RBF神经网络实现系统参数变化和外部负载扰动等引起的不确定上界值的在线辨识,减小滑模控制器的控制量,并引入饱和函数来减弱系统的"抖动"现象.理论分析和仿真结果对比表明,基于RBF神经网络的自适应反演滑模控制对参数变化和外部负载扰动具有很好的鲁棒性,永磁同步电动机获得了很好的跟踪效果.     

短期负荷预测系统中RBF组合模型的应用

本文利用RBF神经网络的非线性拟合能力,构建了基于RBF神经网络的组合负荷预测模型,应用于电力负荷预测系统的开发。试验证明：该模型的应用对负荷预测有较好的应用价值。