基于RBF神经网络的柴油机故障诊断

神经网络模式识别的实时性和鲁棒性使得它成为故障诊断的常用方法.本文首先介绍了RBF神经网络的构成和特性,然后将柴油机的振动信号和油管压力信号作为特征参数,运用RBF神经网络对供油系统的3种故障进行诊断分析.实践表明,RBF神经网络用于多征兆机械系统的故障诊断是有效、可行的.     

基于模糊数学和RBF神经网络的事故预测

对于能源和化工装置,在其运行过程中根据有关变量的发展趋势,预测事故,有着极其重要的意义。人们对此开展了广泛的研究,特别在应用智能化软件解决此类问题方面做了较多的工作,并取得了一系列的成果。     

非线性时间序列的RBF神经网络预测方法及其应用

将一种基于自动增加隐节点数目训练算法的径向基函数（RBF）神经用于非线性时间序列预测。这种方法成功地解决了BP网络的局部极小、隐节点数目的选择和过拟合问题,并用于热电厂热负荷预测。预测结果表明,用本方法进行热负荷预测得到了十分满意的结果。     

基于免疫原理的RBF神经网络模型在汽轮机排汽焓计算中的应用

根据汽轮机末级排汽焓与其影响因素之间的映射关系,提出了一种基于免疫原理的RBF神经网络模型来计算汽轮机的排汽焓。计算结果表明,该模型收敛速度快,运算简便,预测精度较高,具有一定的工程应用价值。     

基于神经网络太阳能热泵系统模型简析

为进一步提高太阳能热泵系统的集热效率、降低能耗,建立了太阳能集热器 RBF神经网络模型,同时建立了其他部件的仿真模型.根据建立的系统各部分模型,构建了太阳能热泵系统仿真模型,并以青岛市某建筑物为例进行了验证.结果表明,该模型及程序可行、有效.     

基于RBF神经网络的柴油机气缸压力重构研究

基于RBF神经网络方法,研究了柴油机气缸压力的重构方法,试验结果表明该方法的有效性.     

基于RBF神经网络的核动力装置故障诊断方法研究

核动力装置是一个高度复杂并具有高度安全性要求的结构体系,其故障检测方法一般采用传统的阈值方法。为克服阈值方法的不足,提出了基于RBF(radial basis function)神经网络的核动力装置故障诊断方法。该方法选择对核动力装置安全具有重要影响的运行参数作为神经网络的输入,并利用核动力装置正常运行模式及典型故障模式的监测数据作为训练样本,网络训练采用正交最小二乘算法(orthogonal least square,OLS)。为了验证所提方法的可行性,利用核动力装置运行监测数据进行检验。结果表明,RBF神经网络成功地诊断出了故障,具有良好的诊断效果。     

RBF神经网络在煤质分析中的应用研究

煤的元素成分是燃煤锅炉热效率计算不可缺少的数据,但电厂一般只能进行煤的工业成分分析。文中提出了一种RBF神经网络学习算法,并将其应用于建立煤的工业成分与元素成分的转换模型,仿真研究结果表明,所提出的煤质成分转换模型神经网络建模方法是有效的。     

基于主成分分析的RBF神经网络在需水预测中的应用

针对需水预测方法大都存在一定的局限性,导致预测值与实际值差别较大的问题,采用主成分分析与径向基函数(RBF)神经网络相结合的方法建立需水量预测模型。首先借助SPSS进行主成分分析,对影响因子进行降维处理,以此减少各影响因子之间原有的多重共线性;其次,选用RBF网络,运用Matlab神经网络工具箱,建立了基于主成分分析的RBF(PCA-RBF)神经网络需水预测模型;并以辽宁西部地区凌源市需水预测为例,对预测模型进行了校核。利用训练好的PCA-RBF神经网络需水预测模型对凌源市2014、2015年的总需水量进行模拟预测,预测结果与实测数据相对误差分别为2.9%、0.4%。这说明该模型可相对全面地模拟需水量变化规律,能够用于半干旱山区和材料相对较少时需水量的精准预测,为水资源规划管理提供了理论依据。     

基于RBF神经网络和遗传算法的MPPT方法

为了克服传统MPPT方法的一些缺点,更好地实时调整光伏系统的最大功率输出,提出了基于RBF神经网络和遗传算法(GA)的控制技术。采用不依赖函数模型的遗传算法进行全局寻优锁定,训练RBF神经网络的最大功率点参数,由离线训练好的RBF网络对系统进行实时控制。采用Matlab建立的仿真模型验证了所提出方法的可行性和有效性。     

PSO RBF神经网络在城市需水量预测中的应用

为克服径向基函数（RBF）神经网络由于参数选取不当而对其收敛性能的干扰,利用粒子群优化算法（PSO）的全局搜索能力对RBF神经网络的三个参数进行寻优,建立了基于PSO RBF神经网络算法的城市需水量预测模型。结果显示,PSO RBF神经网络算法拟合某市1998～2007年需水量数据的平均相对误差为0.18%,预测2008～2010年需水量数据的平均相对误差为3.84%,耗时1.2 s;通过RBF神经网络算法拟合的误差平均值为0.28%,预测的平均相对误差为5.62%,耗时2.1 s,表明PSO RBF神经网络算法具有更高的收敛速度与精度。     

基于RBF神经网络的梯级电站优化调度规则研究

由于天然径流的随机性使梯级水电站基于确定性来水的优化调度结果难以直接指导实际生产,采用RBF神经网络法研究梯级电站优化调度规则,以梯级电站长系列优化调度结果为依据,建立基于RBF神经网络的调度函数模型,将其应用于大渡河下游梯级电站的联合调度运行,并与基于BP神经网络的调度函数模型进行综合对比。结果表明,RBF神经网络模型能更准确地映射优化调度过程中各变量间的数值关系,提升了调度函数的拟合精度,可更好地指导梯级电站的实际运行。     

基于BP和RBF神经网络压气机特性曲线拟合方法的研究

分析了BP神经网络和RBF神经网络的网络模型.分别利用这两种网络对某型轴流式压气机进行特性曲线拟合,得出了这两种网络在压气机特性拟合方面的不同之处,为利用神经网络进行压气机特性拟合提供了新的思路.     

基于RBF神经网络的气缸摩擦学系统仿真

采用RBF神经网络和联立约束法实现了缸套摩擦学系统各元件(包括活塞、连杆和曲柄)的动力学性能仿真。将从数据库中得到的油膜对活塞产生的摩擦力及气缸中气体燃烧产生的压力,通过神经网络进行训练,然后做成神经网络模块,与摩擦学元件动力学计算模块一起,利用MATLAB的仿真器SIMULINK,实现了对该系统整体动力学性能的仿真。结果表明：利用组合RBF神经网络训练油膜摩擦力、气体燃烧压力,是快速且有效的。新的仿真模型能追踪油膜的摩擦力、气体燃烧压力和气缸各元件动力学特性的实时变化;仿真模块可重复使用。同时发现了这些摩擦学元件存在诸如蝶型吸引子和极限环等非线件动力学现象。     

基于混沌神经网络预测模型的最优控制决策及应用

为了实现非线性、大时滞系统的自适应控制，首先根据具有混沌特性的非线性、大时滞系统的时序列重构相空间，计算出相空间的饱和嵌入维数和最大Lyapunov指数，并以此为指导，建立混沌神经网络预测模型，该模型即便在网络输入不完整或发生变异的情况下，仍能对系统作高精度的短期预测；在此基础上，将预测模型的输出通过反馈校正．再将校正误差和控制增量引入性能函数最优，最后得到最优控制决策，实现了对非线性、大时滞系统高精度的自适应控制。最后将预测控制决策应用到非线性、大时滞的锅炉过热汽温控制中，仿真结果表明了该控制的有效性、快速性和鲁棒性。图6参6     

基于RBF网络的冷却塔运行特性数学模型

双现有的冷却塔运行性能评价方法进行了综述，指出其各自存在的问题。采用人工神经网络中相对成熟的RBF网络建立了冷却塔特性的数学模型，并与常规的线性和非线性模型进行了比较，结果表明采用RBF网络能更准确地反映冷却塔的性能。为评价冷却塔运行性能，提供了一种更准确、更简单的方法。     

基于模糊BP神经网络的发动机磨损模式识别研究

结合大量铁谱分析数据与专家经验,分析了发动机磨损模式识别原理,给出了发动机磨损模式识别标准样本库,建立了发动机磨损模式识别的BP神经网络模型,并结合磨损模式识别实例,验证了识别结果的可靠性。实践证明,BP神经网络方法能够快速、准确、有效识别发动机磨损模式。     

相空间神经网络模型及其在水文预测中的应用

简述了相空间神经网络模型原理和算法，并通过实例讨论了其在水文中长期预测中的应用。将混沌重构相空间理论和神经网络模型相结合，对揭示水文系统复杂的非线性结构是很有效的，经实例研究初步表明，该模型应用在水文中长期预报中是可行的、合理的，数学分析工具更为先进，有很好的预报精度和应用价值。     

基于BP神经网络的水利工程投标决策模型及应用

针对采用常用的投标决策方法未能有效地解决影响因素、影响因素与决策结果之间的复杂非线性关系问题,基于《水利水电工程标准施工招标文件》（2009年版）合同通用条款,结合我国当前水利工程建筑市场的竞争情况,构建了基于BP神经网络的水利工程投标决策模型,并将其应用于工程实例中。结果表明,该模型实用、可行,能有效应用于承包商的投标决策中。