中开多级离心泵效率优化计算方法

对离心泵水力效率及高效区相对宽度的优化计算方法进行研究,在水力损失模型的基础上提出基于近似模型的多目标优化计算方法. 以中开多级离心泵的优化设计为例,基于水力损失模型进行设计变量灵敏度分析,选出关键设计变量. 分别利用水力损失、完全二次响应面（RSF）、径向基高斯响应面（RBF）和克里金响应面（KRG）4种近模型优化离心泵的关键设计变量,分析4种效率优化计算方法的精确性和有效性. 结果表明：基于理论公式计算的第1种优化方法耗时少,但结果误差较大;后3种优化方法基于计算流体动力学（CFD）数值仿真分析,结果准确,其中RSF模型的结果最精确且计算时间较短. 比较3种不同近似模型的计算精度,RSF的计算结果最精确,RBF结果次之,KRG结果最差. 在设计流量下,基于RSF的Pareto最优解的扬程为83.77 m,效率为77.26%,基于RBF的Pareto最优解的扬程为83.09 m,效率为76.63%.     

基于神经网络的大跨度屋盖非高斯风压场模拟方法

采用径向基函数神经网络(Radical Basis Function Neutral Networks,简称RBF神经网络)来模拟大跨度结构的非高斯风压场.根据某大跨度结构的形式特点,将结构风场看成是屋面位置和时间的函数,将风压场分解为一系列径向基函数.再利用单调非线性无记忆转换映射和RBF中获得的风场函数定义向量过程,从而将非高斯场的模拟转换为互相关高斯过程的模拟.将RBF神经网络应用于一大跨度屋盖的非高斯场模拟,得到结构上非高斯风压场的分布.结果对比表明,RBF神经网络模拟非高斯风压场具有较高的准确性.该方法可直接利用RBF神经网络的输出结果,避免推导高斯过程和非高斯过程的关系式,因此具有较高的效率.RBF神经网络模拟非高斯风压场在准确性和效率上均具有显著优势.     

明渠水力设计的随机方法

本文用概率的方法对明渠的水力设计进行研究。利用设计流量保证率的概念,对多种常用断面的明渠,给出了简便可行的水力计算方法,改进了传统的确定性设计。文中阐明了该法的理论根据,导出了计算公式,并给出了计算步骤和算例。     

明渠水面曲线的简化计算

工程中一般采用分段法进行明渠水面曲线的计算，应用分段法时，需要计算每个流段的平均水力坡度，由于平均水力坡度的计算十分繁琐，计算工作量大，本文采用一种简化法计算明渠水面曲线，不必计算平均水力坡度，可使计算工作量大为减少，即用渠道的正常水深与流段的平均水深之比的x次方之值来代替平均水力坡度。通过算例证明，采用简化法计算结果与分段法比较，其误差不到1％，完全可以满足工程要求。     

基于径向基函数神经网络的波束形成算法

提出一种基于径向基函数(RBF)神经网络的波束形成算法。针对最小方差无失真响应(MVDR)算法,由接收信号的协方差矩阵计算其权矢量;将协方差矩阵以列向量的形式输入RBF神经网络,对其加以训练,使之逼近MVDR算法的权矢量;将训练好的RBF神经网络用于波束形成中,对不同角度的接收信号,RBF神经网络可自适应地输出相应权矢量。仿真结果表明,基于RBF神经网络的波束形成算法能快速逼近任意波束算法的权矢量,波束赋形效果良好,与已有波束形成算法相比,可降低算法复杂度,减少计算量。     

直线电梯单电磁导向装置悬浮气隙高度控制

针对单电磁导向系统参数变化及外部扰动对悬浮气隙高度产生的影响,提出了RBF神经网络自适应滑模控制方法.采用RBF神经网络并利用其学习功能,对直线电梯单电磁悬装置不确定参数进行自适应补偿,取代了常规滑模控制切换部分,并且消除了系统高频抖振现象.通过比例微分并行控制提高了RBF神经网络参数的收敛性,改善了局部极小现象的发生,增强了系统的鲁棒性,并采用Lyapunov稳定性理论证明了系统的稳定性.Matlab仿真显示该方法具有良好的跟踪性和鲁棒性.     

基于优化模糊RBF神经网络的挖掘机铲斗轨迹控制研究

针对挖掘机电液伺服控制系统中存在的非线性和时变性问题,本文结合RBF神经网络和模糊控制各自的优点提出一种基于模糊RBF神经网络PID控制方法。利用K-means层次聚类法确定模糊神经网络的结构参数,并采用改进SSA算法优化训练模糊神经网络。本文还建立了挖掘机铲斗系统的AMESim模型和电控系统的Simulink控制策略模型,并进行联合仿真分析。仿真结果表明：与一般模糊RBF神经网络相比,本文优化后的模糊RBF神经网络在铲斗系统空载时,能将控制精度提升33.7%,在铲斗系统满载时,能将控制精度提升36.2%。     

基于再淹没现象的RBF神经网络和Kriging的代理模型应用及误差分析

为了将代理模型应用于核工程反应堆热工水力现象中,以再淹没现象为研究对象,构建代理模型,并通过控制实验参数的数量,来化解精度与效率之间的矛盾。首先使用拉丁超立方方法抽取输入样本,并通过RELAP5建模获取输出样本,由MATLAB分别构建RBF神经网络代理模型和Kriging代理模型,对包壳峰值温度（PCT）进行拟合。然后分析比较了2种代理模型的拟合结果,发现2种代理模型的相对误差值均小于0.15%,均适用于再淹没现象;Kriging代理模型的拟合精度高于RBF神经网络代理模型。     

基于神经网络的风力机变桨距控制系统设计

为了提高控制器对风力机的跟踪精度,同时避免局部极小值问题,针对常规PID控制和现代控制理论难以实现的风力发电机控制效果,在算法实现上,采用RBF神经网络算法,同时结合高速浮点TMS320F28335DSP为硬件核心控制器件,实现了一种由新型软硬件相结合的风力机变桨距控制系统.仿真结果表明该RBF神经网络控制的风力机变桨距控制系统具有较强的自适应能力和鲁棒性,达到了预期控制效果.     

基于RBF网络的轮胎侧向力模型

RBF神经网络相对于其他网络的特点是计算量小,收敛速度快,具有良好的非线性映射效果.采用人工神经网络中的径向基函数(RBF)神经网络,对车辆操纵稳定性仿真分析中的轮胎侧偏特性进行研究,建立轮胎侧向力神经网络模型.并与用于学习的实验数据进行比较,以验证这种模型的准确性,并以求为车辆动力学仿真和控制提供更好的手段.     

基于卡尔曼滤波技术的人工神经网络权重估算及应用

为改进神经网络模型算法,将神经网络技术与卡尔曼滤波技术进行耦合.在样本训练过程中,将卡尔曼滤波递推算法用于神经网络权重的训练,然后用训练得到的权重进行检验.文中以岷江上游段紫坪埔水文站的流量预报为实例,并与单一的神经网络模型以及卡尔曼滤波模型进行了比较.应用结果表明,卡尔曼技术用于神经网络权重估算,可改善水文预报精度.     

河川日径流预报的混沌神经网络模型

将混沌理论和神经网络相结合,建立了径流预报的混沌神经网络模型.利用混沌理论的相空间重构技术计算饱和嵌入维数,将其作为神经网络的输入层神经元个数;根据模型预测步长确定输出层神经元个数.对黄河干流三门峡站的日流量时间序列进行了模拟和预报,取到了较好的预报效果,为河川径流的预报工作提供了新方法.     

一种基于证据理论和神经网络的调制分类器

文章提出了一种基于证据理论和神经网络的调制信号分类方法。利用4种不同的神经网络分类器对常用的10种调制信号的同一组特征分别进行训练、分类;利用证据理论对它们的分类结果(决策)进行融合;最后,把融合结果作为调制信号的最终分类结果。实验结果与性能比较表明,该方法是有效的,获得了较高的识别率。     

RPROP神经网络的电力系统谐波分析

将RPROP(Resilient Propagation)神经网络运用到电力系统的谐波分析中,能够提高其精度以及速度.与BP(Back Propagation)不同,RPROP算法能够调整可变参数,因此能够避免一阶偏导数幅值信息对参数调整的影响,并且能够提高谐波分析的精确度以及收敛速度.通过对RPROP神经网络与BP神经进行比较,验证了基于RPROP神经网络的电力系统谐波分析具有的高精度以及收敛速度快等特点.     

基于RBF神经网络的语音情感识别

介绍了径向基函数神经网络的原理、训练算法,并建立了RBF神经网络的语音情感识别的模型。在实验中比较了BP神经网络与RBF神经网络分别用于语音情感识别识别率,RBF神经网络的平均识别率高于BP神经网络3%。结果表明,基于RBF神经网络的语音情感识别方法的有效性。     

在线实施利用改构提高电力系统暂态稳定水平的研究（下）：算例验证

利用本文的上篇“在线实施利用改构提高电力系统暂态稳定水平的研究－实施策略”中提出的方法,对两个系统进行了试算以验证所提方法的有效性,在对一个简单系统的试算中列出了在线实施的全部具体过程,并对人工神经网络中一些参数的选取进行了讨论,在一个实际系统中进行了仿真应用,并利用暂态稳定时域仿真程序对仿真应用进行了验证,结果表明所提出的方法是可行的,人工神经网络的大规模并行信息处理功能使算法可满足在线的需要,     

基于神经元网络和模糊专家系统的电力短期负荷预测

结合RBF神经元网络和模糊专家系统进行负荷预测.给出径向基函数(RBF)网络的结构,并采用正交最小平方法(OLS)选取RBF中心.先用RBF进行基本负荷预测,然后考虑天气变化和假日因素所引起的负荷变化,利用模糊专家系统进行负荷调整.文中把日期划分为5类.测试结果表明,该方法具有较高的精度和较快的速度.     

Comparative Study of Radial Basis Functions for PDEs with Variable Coefficients

径向基函数求解变系数偏微分方程的比较研究

王福章^1,2,李丛丛³,郑克红⁴

（1. 徐州工程学院 数学与统计学院,徐州 221018;

2. 淮北师范大学 数学科学学院, 淮北 235000;

3. 澳门大学 数学系, 澳门 999078,中国

4. 南昌工程学院 水利与生态工程学院, 南昌 330099）

摘要：径向基函数在数值模拟偏微分方程过程中起着重要作用。由于径向基函数不需要网格划分,因此径向基函数是求解各种类型偏微分方程的一个非常强大的工具。本文利用三种常用径向基函数：Multiquadric、圆锥(Conical)和高斯(Gaussian)径向基函数,求解变系数偏微分方程。数值结果表明,这三种径向基函数对于许多问题都的求解具有较好的数值模拟结果。此外,圆锥径向基函数比其余两个径向基函数具有更稳定的数值模拟结果。通过比较三种常用的径向基函数,可以获得最佳的求解精度。

关键词：径向基函数,偏微分方程,变系数

     

一种基于径向基函数的近似模型构造方法

发展了一种基于径向基函数的近似模型建立方法。首先采用试验设计方法对设计空间进行样本选择,采用数据分析方法对样本集进行聚类分类,得到径向基函数中的相关参数。对于近似模型权系数采用能够适应大规模并行计算并且能够在全局解空间的多个区域内寻优的遗传算法进行求解,而不是采用最小二乘法通过线性方程的求解获得。最后通过对一维非线性和多维高阶非线性函数的逼近测试,以及对近似模型的拟合函数与原函数之间的误差分析,表明本文提出的基于径向基函数的近似模型方法具有良好的拟合与预测精度。     

基于RBF -BP神经网络融合的医学数据分类研究

为改善传统的反向传播(BP)神经网络和径向基函数(RBF)神经网络的学习能力和分类性能的不足,提出一种融合RBF网络与BP网络的混合神经网络算法(HRBF -BP),并将其应用到医学数据分类问题中.在网络结构的实现上,将RBF隐藏层与BP隐藏层进行级联融合,即在连接BP网络输入层与隐藏层之间加入RBF核映射层; 在学习算法的实现上,先采用k-均值聚类算法来实现RBF核参数的估计,然后再使用基于随机梯度下降的BP算法实现级联BP网络的权值优化.将该算法与SGBP、KMRB、PFRBF等算法在不同的医学数据集上进行分类实验对比表明,该方法的网络训练精度以及测试精度均优于SGBP、KMRB、PFRBF算法; 因此,该方法对提高BP网络和RBF网络的学习能力和分类性能具有良好的参考价值.