基于ISIGHT的轨道板运输车可靠性优化设计

轨道板运输车设计多依赖于经验,机身结构有较大的刚度、强度余量。为了保证结构的可靠性,充分发挥材料的承载性能,提出一种基于ISIGHT的轨道板运输车可靠性优化方法。该方法在原始设计时考虑不确定性因素对结构可靠性的影响,并将其集成到多学科优化软件ISIGHT中,构建神经网络近似模型,通过蒙特卡洛模拟技术,对结构进行6sigma质量分析;在质量分析的基础上引进优化模块,最后采用多岛遗传算法对目标函数寻优。结果表明,原始设计的轨道板运输车结构不满足可靠性设计要求;优化后,在满足结构可靠性的条件下,轨道板运输车结构质量减少了1 900.58kg,与优化前质量相比自重降低了13.89%,优化效果显著,对轨道板运输车的结构设计及改进有重要的实际意义。     

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。     

基于径向基函数神经网络的发动机智能故障诊断

本文提出了一种新的汽车发动机故障诊断方法。首先利用小波包对故障信号进行处理,将能量信息作为识别故障的特征向量,并采用了隐含层节点的动态删除策略对径向基函数神经网络结构进行精简。利用训练样本数据,得到最优预测模型,并用检验样本数据对所得的预测模型进行检验。试验表明该诊断方法对发动机故障诊断有良好的诊断效果,能够对故障进行准确分类。     

基于径向基函数神经网络的板形模式识别研究

针对板带轧制过程中用于辨识板形模式的网络精度较低、在线速度较慢和获得网络辨识模型较复杂的问题,提出了一种基于径向基函数神经网络（RBF）的板形模式识别方法。该方法使输入节点减少,网络模型简化,并用模糊C均值算法和伪逆法确定RBF网络的参数,解决了传统方法学习时间较长的问题。实验表明,该方法能有效的提高板形模式识别的精度和速度。     

基于径向基函数神经网络拟合水泵特性曲线

通过试验方法绘制出水泵的特性曲线是判断水泵是否满足设计要求的基础.特性曲线拟合的精度决定判断的准确性.人工神经网络具有较强的非线性处理能力和逼近能力.在分析水泵性能试验及其特性曲线和阐明径向基函数神经网络的方法理论及其特性的基础上,建立了径向基函数神经网络拟合水泵特性曲线的模型并加以应用.结果表明:效果显著,具有工程应用价值.     

基于径向基函数神经网络的电机轴承智能故障诊断

本文提出了一种新的电机轴承故障诊断方法.首先把滚动轴承振动信号作为识别故障的特征向量,然后送入径向基函数神经网络中,进行故障类别的自动识别.试验结果表明,该诊断模型对电机轴承故障诊断具有良好的诊断效果,系统不仅能够检测到轴承故障的存在,而且能够比较准确地识别轴承的故障模式.     

基于径向基函数神经网络的发动机磨损预测分析

针对BP神经网络算法的不足,利用径向基函数(RBF)神经网络建立设备的磨损预测模型,对光谱分析数据进行实例仿真,并与BP网络模型进行对比研究.仿真结果表明,该模型预测精度高,训练时间短,大大优于BP神经网络模型.     

一类基于径向基函数神经网络的离散混沌系统控制

以OGY法作为混沌控制策略对径向基函数(RBF)神经网络进行训练,通过参数扰动模型输出得到控制混沌运功的小扰动信号作为混沌控制器。并以Henon映射的混沌行为为基础进行仿真模拟,结果表明该方法的有效性。     

基于径向基函数神经网络的超分辨率图像重建

为了突破成像极限,经济可行地获取高质量的卫星图像,提出了一种基于径向基神经网络的超分辨率图像重建算法。以径向基神经网络为基础,依据卫星图像退化模型获取网络训练所需的学习样本图像,采用向量映射的方式加速网络收敛。其中,径向基函数的中心、宽度及网络的隐含层数、连接权值是决定径向基神经网络的关键参数,直接关系到网络的重建性能。采用最近邻聚类算法,动态地建立起基函数的中心及宽度,自适应地确定网络的隐含层数及连接权值。建立起的径向基函数神经网络显著地提高了图像重建性能和网络收敛速度(221s即可收敛)。仿真实验和泛化实验表明,训练好的径向基神经网络可以有效地进行卫星图像的超分辨率重建,效率高,误差小。     

基于模糊径向基函数神经网络的航空煤油干点估计

研究以模糊聚类和径向基函数网络结合的模糊径向基函数网络ＦＲＢＦＮ,并用主元分析对高维输入变量进行预处理,降低了模型的输入变量维数,进而构造基于ＰＣＡ－ＦＲＢＦＮ的估计模型,这一方法通过对加氢裂化装置分馏塔航空煤油干占估计得到验证。     

径向基函数神经网络的全监督算法

径向基函数神经网络的学习过程一般分为两个阶段非监督学习和监督学习阶段,分别调整网络的中心和权值.这里将网络的总体误差作为目标函数,以待求的所有参数作为变量,同时调整,构成全监督算法.为了提高收敛速度,采用共轭梯度法作为参数优化方法.通过混沌时间序列预测仿真证明,该算法具有良好的性能.     

基于改进径向基函数神经网络的激光陀螺温度补偿

传统的径向基神经网络(RBFNN)在激光陀螺零偏的温度补偿过程中会由于随机选取中心不合适而导致算法效率降低和数值病态,故本文提出了一种基于Kohonen网络和正交最小二乘(OLS)算法的RBFNN温度补偿方法。介绍了该方法的原理及建模步骤,设计了常温和变温环境下激光陀螺的数据采集试验及其温度补偿试验。由于结合了Kohonen网络的模式分类能力和OLS的优化选择能力,该方法可以快速、准确地辨识出受温度影响的激光陀螺零偏。利用逐步回归法、RBFNN法及其改进方法对多种温变环境影响的激光陀螺零偏进行了辨识与补偿试验,试验结果表明,在常温环境下,三者的辨识能力相当;随着温变速率的上升,改进RBFNN法不仅节省了时间,其补偿后的零偏也均小于5×10-4(°)/h(1σ),提高精度均能达86%以上。得到的结果表明改进RBFNN法提高了辨识精度且稳定、有效,适用于多种温度变化环境下激光陀螺零偏的温度补偿。     

基于径向基函数神经网络的液力变矩器基本性能参数分析

径向基函数(RBF)神经网络是一种在逼近能力、分类能力和学习速度等方面均优于BP网络的另一种网络.针对液力变矩器性能试验中的数据处理和分析需要,提出了应用径向基网络对试验数据进行辅助分析,实现数据分析处理的自动化.通过对仿真后的数据、图表的分析,为液力变矩器与发动机匹配提供了数据基础.     

基于径向基函数神经网络的白车身减重优化研究

针对白车身变量多、性能响应复杂问题,在车身结构的板厚优化设计中引入近似模型方法,提高设计效率。以某轿车车身结构为轻量化设计对象,通过灵敏度分析确定优化设计变量,基于径向基函数神经网络近似模型进行全局优化,在不降低刚度和模态性能的情况下实现白车身减重目标。通过最优拉丁超立方试验设计构造样本点,用径向基函数神经网络法构造刚度和模态的近似模型,并用自适应模拟退火法进行优化求解。结果表明,径向基函数神经网络模型能较好地模拟车身结构刚度和模态响应问题,提高了整体的设计效率。通过有限元模型的验证,基于近似模型的优化结果精度较高,实例白车身减重达5.73%。     

基于径向基函数神经网络的铣刀磨损监控技术的研究

提出一种基于径向基函数神经网络的铣刀磨损监控方法,径向基函数神经网络的输出是刀具磨损的具体值,这样有利于对刀具磨损进行各种实时补偿。实验表明,利用径向基函数神经网络进行状态识别可对小型立铣刀的磨损进行监控,能够取得良好的效果,同时证明RBF网络的训练速度优于BP网络。     

基于径向基函数模型的风力机翼型多目标优化设计

针对目前大型风力机翼型综合气动性能的优化需求,建立了多运行工况下的翼型优化设计方法。该方法利用最优拉丁超立方法设计样本,采用解析函数线性叠加法表征翼型外形,建立径向基函数模型代替复杂且耗时的CFD气动分析模型,利用多目标粒子群优化算法对该模型进行多点优化设计,以获取综合气动性能更佳的风力机专用翼型。利用上述方法对风力机常用翼型NACA4418进行优化,结果表明:新翼型在各运行工况下,升力系数和升阻比均有所提高,该优化方法可提高优化效率,改善翼型的气动特性,具有一定的工程实用价值。     

基于径向基函数神经网络和NLJ优化算法的精馏塔控制

精馏塔是一个非常重要的操作单元,具有较强的非线性和时变性,很难进行基于机理建模分析的实时优化控制.通过对精馏塔的相关过程变量进行主元分析确定了5～6个关键变量作为神经网络的输入,建立了精馏塔多个质量指标的RBF神经网络的软仪表模型,实现了这些质量指标的在线估计.选取其中部分软仪表模型作为优化控制系统中的约束条件函数模型和目标函数模型,采用NLJ优化算法(变收缩系数的随机搜索算法)获取最优的决策变量设定值,从而得到了满足生产质量要求的精馏塔产品的最大采出,实现了精馏塔的卡边优化控制.     

基于径向基函数的刀路跟随

影响3C产品外壳高光亮倒角边工艺良率的最主要因素是高亮边是否均匀,由于外壳的刚性低,经过夹具夹紧后不可避免地出现微小的形变,从而导致倒角边不均匀产生废品。针对这种由于形变引起的不均问题,采用探针测量工件轮廓上若干点得到变形量,通过支持向量机建立径向基函数预测模型,修正刀路上的每个点,实现刀路对形变的跟随,效果显著。     

基于ADAMS的轨道板运输车平顺性分析

轨道板运输车是一种应用于隧道内无砟轨道建设的新型设备,为确定车辆运行时驾驶员的舒适性感受和合理的行驶速度,提出一种基于ADAMS软件的轨道板运输车平顺性分析方法。该方法建立了车辆行驶加速度、频率与人体舒适性感受的关系,首先在ADAMS中建立仿真模型,然后计算输出水平方向和垂直方向的加速度曲线,通过Fourier转换得到功率谱密度曲线,最后利用MATLAB软件求解各方向的加速度均值和总加速度均值。分析结果表明,轨道板运输车在水泥路面行驶时,最大加速度为0.608 2 m/s~2,驾驶员感受为"舒适性较好"且不会引起人体共振;在粗糙水泥路面行驶时,最大驾驶度为0.717 2 m/s~2,驾驶员感受为"舒适性一般",容易造成人体疲劳,建议降低速度。     

应用径向基函数神经网络的经纬仪跟踪误差建模

提出了一种基于径向基函数(RBF)神经网络建立光电经纬仪等效跟踪误差模型的方法来评价光电经纬仪的跟踪性能.分析了光电经纬仪存在的非线性因素,说明了采用理论建模方法难以准确描述其全部过程的原因.然后,介绍了RBF神经网络和靶标系统,基于一组靶标参数建立了RBF神经网络模型,并更换靶标参数进行模型验证.最后,对更换后的靶标参数进行重新训练建模,并改变参数周期,对模型进行了验证.实验结果表明:所建的神经网络模型精度与靶标参数有关,当动态靶标的半椎角a为21.2°,倾角b为43.8°,靶标匀速运行周期T为8.5s时,网络模型在靶标速度最大时误差也达到最大为3.18′,其它时刻均小于0.6′.当a为16.6°,b为37.5°,T为13 s时,模型最大误差为1.8′左右,在此模型下真实输出与网络模型输出的最大偏差为2.4′左右,其它时刻均小于1.2′.结果表明,采用RBF神经网络所建立的跟踪误差模型能够反应真实系统的情况,是可行实用的,且具有较高的精度和泛化能力.