针对纯滞后系统的RBF神经网络智能控制的研究

针对工业控制过程中普遍存在的大惯性、纯滞后、时变性、非线性对象的控制问题,采用传统的控制方法不能达到满意的控制效果,提出了基于RBF神经网络的PID自适应控制方案。采用神经网络辨识器在线辨识系统模型,自动调整PID控制器参数,从而实现系统的智能控制。仿真结果表明：该方法对于纯滞后控制系统能进行有效的控制并且具有很好的自适应性和鲁棒性。     

基于RBF神经网络的非线性滤波研究

提出了一种基于RBF神经网络的非线性滤波解决方案.比较了BP神经网络和RBF神经网络在非线性滤波中的性能差异.文章最后应用MATLAB针对一伴有随机噪声的信号进行了仿真滤波实验,证明了该理论的可行性与优越性.     

基于RBF神经网络的热敏电阻温度传感器非线性补偿方法

针对热敏电阻温度传感器应用中存在的非线性问题,本文提出了应用RBF神经网络强非线性逼近能力进行非线性补偿的方法。文中介绍了非线性补偿的原理和网络训练方法。该方法不依赖于传感器的模型,而是根据传感器的输入和响应数据,建立补偿模型。结果表明,这种非线性补偿模型具有误差小、精度高、可在线标定、鲁棒性强,与基于BP神经网络的非线性补偿模型相比,网络训练时间短等优点,从而方便了热敏电阻温度传感器在测控系统中的应用。     

基于RBF神经网络的VAV空调系统

变风量空调系统具有非线性和动态特性.目前,在VAV空调控制领域应用最广泛的神经网络是静态前馈Bp神经网络,而RBF是在Bp人工神经网络基本结构的基础上,通过存储内部状态使其具备映射动态特征的功能,从而使系统具有适应时变特性的能力.文中分别采用Bp神经网络与RBF神经网络建立模型,对VAV空调系统的少量参数的数据进行仿真预测,经比较分析,证明后者具有收敛速度快、预测精度高的特点.这表明利用RBF回归神经网络建模是可行的,其在VAV空调控制系统的研究领域有着较好的应用前景.     

神经网络非线性智能控制在光电跟踪系统中的应用

针对伺服系统中非线性力矩干扰导致光束跟踪性能下降的问题,采用神经网络算法实现光电跟踪系统的非线性控制。分析了径向基函数神经网络监督控制算法应用于光电跟踪系统的优势,设计了光束跟踪实验,数据显示神经网络能够智能输出非线性控制量抑制摩擦力矩干扰,提高光束跟踪性能,对幅度3°、频率在1Hz以内的光束扰动抑制比达到-28~-51dB,比初始未优化的PID控制提高15dB以上。实验结果表明,神经网络算法可以自动建立反馈量与控制量的非线性映射,适用于复杂系统的非线性控制。     

基于RBF神经网络的恒铣削功率控制的研究

基于RBF网络,提出了一种预测铣削功率并进行恒铣削功率控制的方法,给出了恒功率控制平台的软硬件设计及工作原理,利用MATLAB工具箱设计网络,并通过建立的网络对实验数据进行了仿真和验证,结果表明所建立的RBF网络预测误差小于2％,证明了该网络的预测值的有效性,该控制平台已经成功的应用于数控铣床粗加工中。     

基于RBF神经网络的液压系统模糊故障诊断研究

提出了将RBF神经网络运用于液压系统模糊故障诊断的方法,针对该网络不能识别新状态类型的缺陷,应用一种基于置信度的判别原则.通过实例对该网络的性能进行测试,并且与BP网络的识别结果进行对比,发现该网络能取得更好的效果,并具备识别新的状态类型.     

基于RBF神经网络的电液伺服系统应用研究

采用RBF神经网络实现对电液位置伺服系统辨识建模,在线跟踪系统模型的变化,以此为基础设计控制参数可在线调节的神经网络PID控制器,解决系统非线性以及不确定性给系统带来的控制问题,提高系统的控制性能,实现系统的智能控制。     

RBF神经网络在非线性系统辨识中的应用研究

用RBF神经网络代替BP神经网络 ,通过函数逼近完成对非线性系统的辨识 ,然后结合RBF网络的特性在RBF网络的泛化性能的提高方面进行了分析研究 ,并结合实例仿真进行检验     

基于RBF神经网络的A320引气系统故障诊断研究

根据神经网络的非线性、自适应性及自学习等优点,针对空客A320飞机引气系统,提出了一种基于RBF网络的A320引气系统智能故障诊断方法.对近几年记录的A320引气系统故障表现与故障原因进行特征提取和分类,并用于RBF网络的学习.利用部分典型故障特征对网络进行测试表明,该故障诊断方法可以有效地根据空客A320飞机的引气系...     

基于RBF神经网络的转子-轴承系统故障诊断

提出一种用FFT和RBF神经网络实现转子-轴承系统故障诊断的方法。使用FFT提取旋转机械的故障特征向量,再结合RBF神经网络强大的自学习和分类能力,实现转子-轴承系统的故障诊断。在故障试验台上模拟转子-轴承系统正常、轴承内圈故障、转子不平衡故障1和2以及混合故障1和2,试验结果验证了该法对转子-轴承系统故障诊断的可行性和有效性。     

基于RBF网络的GPC在火电单元机组中的应用研究

大型火电单元机组是一个多变量、强耦合、大时滞的非线性系统,用传统的控制方法很难得到最佳的运行效果。采用基于RBF网络的广义预测控制（GPC）策略,用RBF算法建立模型,用广义预测解决时滞问题。该算法具有良好的动态响应和较强的鲁棒性,仿真结果表明了其有效性。     

基于改进遗传算法的模糊RBF神经网络控制在液压伺服系统中的应用研究

针对电液伺服系统普遍存在非线性、时变性和不确定性的情况,提出一种基于改进遗传算法的模糊RBF神经网络控制方法。该方法采用模糊RBF神经网络控制实现对液压伺服系统的自适应模糊控制,并将GA的全局寻优及BP局部寻优相结合,克服了单独应用GA算法或BP算法调节模糊RBF神经网络控制器参数存在的缺陷。仿真结果表明,该方法具有很强的自适应性和鲁棒性。     

基于RBF神经网络的柴油机燃油喷射系统的故障诊断

以RBF网络为识别模型,对柴油机燃油喷射系统的故障进行训练,并应用于待识别故障样本的识别仿真,结果表明,基于RBF的故障诊断方法优于基于BP网络故障诊断,在柴油机燃油喷射系统故障诊断中是行之有效的方法.     

基于RBF神经网络的烧结终点预报系统

为稳定烧结机运行工况,提高烧结矿的产量和质量,需要将烧结终点控制在一个相对稳定的范围,因此准确预报烧结终点对烧结生产具有重要意义。分析了烧结工艺流程及烧结终点的确定原则,建立了基于RBF神经网络的烧结终点预报模型。根据影响烧结终点的工艺参数,提取了与烧结终点关联的5个特征量作为网络的输入量。用现场采集的生产工艺参数对模型进行训练,仿真分析验证了模型预报的有效性。     

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。     

用FCGA优化的四辊冷轧机恒张力模糊控制系统

为了保证冷轧机轧制中带钢恒张这一特点，设计了四辊冷轧机恒张力模糊控制系统。该系统含有电压、电流和速度三个内环，最外环为张力环；电压环和电流环采用一维模糊控制器控制，速度环和张力环采用二维模糊控制器控制。为了加强模糊控制的自适应性，采用了一种模糊控制的遗传算法将外张力模糊控制器的隶属参数进行优化。理论分析和仿真结果都表明该系统对带钢恒张控制具有很强的鲁棒性和实时性，即使在变工况下（大范围变负荷下）也保持了良好的控制性能。     

基于神经网络的张力控制系统

在纤维,造纸,塑料及金属镀膜工业中,对线状,带状及面状弹性材料卷取张力的控制的是关系其产品质量的关键技术,介绍了一种带有反向传播训练算法的人工神经网络,该方法克服了传统PI控制方法的缺点,有效地减弱了张力控制系统中速度和张力之间的耦合作用,仿真结果表明该种控制议程有良好效果。     

基于功率谱分析和RBF网络的表面EMG多模式分类

提出了一种以功率谱K值法和RBF网络相结合的表面肌电信号处理方法.首先,将采集到的肌电信号进行预处理,计算互功率谱比值作为其特征值;其次,将其特征值作为训练样本输入RBF神经网络进行网络训练,并对手臂的各种动作进行多运动模式分类.实验表明,这种方法不仅简化了计算工作量,而且取得了比较理想的识别效果.     

纯滞后对象的RBF神经网络PID控制研究

神经元网络具有信息分布储存、并行处理以及自组织、自学习能力等优点。运用RBF神经网络训练了PID控制器的三个重要参数。相比于传统的PID控制器,提高了控制精度,使系统快速地达到了稳定状态。并进行了Matlab仿真,验证了这一结论。