基于专家系统的汽车衡故障传感器判别

传感器是自动化设备的核心部件,传感器故障检测显得尤为重要。针对目前汽车衡维护、检修的困难,为有效准确判断故障传感器,提出了以径向基函数神经网络（RBFNN）预估值的初始化数据库专家系统判别方法。经现场测试准确率达到96%以上,从而有效简单地判定传感器好坏和识别故障传感器的位置。     

基于径向基函数神经网络的红外步态识别

为提高红外步态识别的效果,提出一种基于径向基函数神经网络的多分类器融合算法。对红外步态序列,分别应用基于轮廓线傅立叶描述子特征的模糊分类器和基于下肢关节角度特征的贝叶斯分类器进行识别,再利用径向基函数神经网络的学习和分类功能,对获得的输出信息进行度量层的融合和再识别。仿真实验结果表明,该算法获得更加精确的分类效果。     

RBF神经网络在物流系统中的应用

物流已经成为我们国民经济的动脉,但是影响其成本的因素过多且复杂,对其成本的研究目前较多的是采用简单的猜测式赋值,这样的方法具有较大的主观性,因此物流成本预测这个复杂的非线性问题已经成了物流界研究的重点问题。将社会物流系统看出了一个投入产出系统,将其物流成本——运输费用、保管费用和管理费用当作了投入,而社会的消费总额看成了产出,因此导出物流消费品总额和成本之间的映射关系模型;其次,提出用改进的自适应遗传算法对径向基函数神经网络进行了优化,得到了最佳的基函数中心和宽度值;最好用优化后的径向基函数神经网络应用于物流成本的预测,结果表明,模型具有好的稳定性和较高的精度,对扩大消费、拉动内需具有一定的参考意义。     

基于快速回归算法的RBF神经网络及其应用

针对径向基神经网络(RBFNN)中存在的径向基函数中心的数F1及其位置难以确定的问题,提出了一种新型的基于快速回归算法(FRA)的RBFNN.采用快速回归算法,不但能够确定RBF的中心和中心个数,而且能够求出隐含层到输出层的权重.通过一元函数拟合和Mackey-Glass混沌时间序列预测的仿真,验证了该网络的有效性与实用性.     

改进的非线性鲁棒自适应动态面控制

针对不确定多输入多输出严格反馈块控非线性系统,提出一种鲁棒自适应动态面控制方法.该方法在反推自适应神经网络控制中引入动态面控制简化控制律,同时对自适应律进行改进以改善系统的过渡过程动态品质,保证了系统在简化的控制律下仍具有良好的动态特性.通过Lyapunov方法证明了闭环系统所有信号均有界,系统的跟踪误差指数收敛到有界紧集内.最后给出的某新型战斗机六自由度仿真结果表明了该方法的有效性.     

基于S函数调节的非线性自适应动态面控制

针对一类控制增益未知的多输入多输出（MIMO）非线性系统,提出了一种基于神经网络的鲁棒自适应动态面控制方法．利用动态面控制解决反推法的计算膨胀问题;同时在参数自适应律中引入S（Sigmoid）函数,动态调节神经网络的收敛速度,解决了自适应初始阶段的抖振现象．利用李亚普诺夫稳定性定理,证明了闭环系统所有信号最终有界,系统的跟踪误差最终收敛到有界紧集内．仿真结果表明了该方法的有效性．     

空间微重力环境地面模拟系统的控制器设计

针对小型和迷你型试验目标,提出一种新的空间微重力环境模拟系统.系统采用平面气浮和气缸垂直悬浮组合方案来模拟空间微重力环境,并采用恒张力控制思想来模拟垂直地面方向上的微重力状态.采用RBF神经网络控制和滑模变结构控制复合控制方案,其中RBF神经网络用于逼近和补偿系统的不确定信息,并作为前馈补偿使跟踪误差快速收敛;通过滑模变结构控制消除RBF神经网络的逼近误差和不定随机干扰的影响,保证系统的鲁棒性.实验研究结果表明,该控制方案是有效的,系统具有较好的动态响应能力、鲁棒性和自适应能力.     

一种基于车体侧向动力学的自主车定位方法

定位是车辆自主驾驶研究过程中的关键问题.从车辆的侧向动力学模型出发,研究并分析了其稳态响应结果,以此建立了车辆定位模型.由于定位模型具有非线性、多自由度、多变元的特点,在实际定位中很难应用.因此,在定位模型中采用了一种动态自适应网络即改进型的RBFNN,它能够动态调节网络的规模和参数,具有较强的逼近能力以及自学习能力;并利用Kalman滤波器对输入的前轮摆角以及车速信号进行滤波处理,减小误差,提高定位精度.实车实验中,定位方法能够得到较高的定位结果,东、北向位置误差均不超过1米.实验结果表明,是一种可行、有效的定位方法,可以在实车上使用.     

Improved nonlinear trajectory tracking using RBFNN for a robotic helicopter

This paper presents a backstepping control method using radial‐basis‐function neural network (RBFNN) for improving trajectory tracking performance of a robotic helicopter. Many well‐known nonlinear controllers for robotic helicopters have been constructed based on the approximate dynamic model in which the coupling effect is neglected; their qualitative behavior must be further analyzed to ensure that the unmodeled dynamics do not destroy the stability of the closed‐loop system. In order to improve the controller design process, the proposed controller is developed based on the complete dynamic model of robotic helicopters by using an RBFNN function approximation to the neglected dynamic uncertainties, and then proving that all the trajectory tracking error variables are globally ultimately bounded and converge to a neighborhood of the origin. The merits of the proposal controller are exemplified by four numerical simulations, showing that the proposed controller outperforms a well‐known controller in (J. Robust Nonlinear Control 2004; 14 (12):1035–1059). Copyright © 2009 John Wiley & Sons, Ltd.     

基于ARM嵌入式系统的软测量应用

在基于Windows CE操作系统的ARM嵌入式系统上实现了一套通用工业过程软仪表。选用ARM嵌入式系统作为硬件平台,基于普通PC机上的嵌入式应用软件开发包Embeded VC 开发,应用双重RBF神经网络的模型作为软测量的数学模型。该软件包采用面向对象的软件体系结构,根据模块细化原则可以划分为系统调度、数据预处理、系统组态、核心算法、通讯和人机界面等6个模块。应用该软仪表对某化工厂加压甲醇精馏塔塔顶甲醇浓度模型进行仿真测试,取得了较好的结果。