基于RBF神经网络的机械手自适应控制研究

针对控制系统的不同性能要求,现有的PID控制算法等对机器人轨迹跟踪控制的控制精度不高,根据R BF神经网络的非线性映射能力及快速学习能力,提出了基于R BF神经网络的自适应控制算法,在机械手动力学模型的基础上利用MATLAB软件对该算法进行模拟仿真,仿真结果表明了该算法具有较高的轨迹跟踪控制精度,可以达到很好的控制效果。     

BP神经网络和RBF神经网络在墩柱抗震性能评估中的比较研究

通过仿真实例,对BP神经网络和RBF神经网络在墩柱抗震性能评估中的应用进行了比较研究.训练和仿真结果表明,BP神经网络和RBF神经网络均能很好地对墩柱的延性进行抗震性能评估,并且,在相同精度要求下,RBF神经网络比BP神经网络的训练速度更快,效率更高,充分体现了RBF神经网络的优越性.同时也总结了BP神经网络和RBF神经网络所存在的不足.实际应用中,可以以此结论为指导来设计神经网络.     

基于RBF神经网络隧道围岩变形预测研究

采用RBF人工神经网络,建立非线性人工神经网络模型,根据隧道监控量测位移监测资料,对隧道开挖过程中周边位移进行预测,研究结果表明:采用RBF神经网络进行隧道位移预测,其预测精度高、可靠性好,研究成果为隧道掘进过程中的施工控制和预测预报提供一种有效方法。     

基于RBF神经网络的边坡稳定性预测

RBF神经网络具有极强的非线性映射能力,精度高。本文基于RBF神经网络原理,采用自组织选取中心法,建立基于RBF神经网络的边坡稳定性预测模型,并选取大量边坡工程数据作为学习训练和预测样本,利用该模型进行学习和预测。研究结果表明,在处理边坡稳定性预测问题中,该方法具有很好的适应性和较高的精度。     

基于RBF神经网络的网架结构损伤识别试验研究

针对网架结构损伤识别中模态密集、自由度高等困难,利用RBF网络良好的容错性和鲁棒性,依据损伤前后的网架结构模态参数发生变化理论,提出了基于模态参数和RBF神经网络的网架结构损伤识别方法。以一个6 m×7.5 m的正放四角锥网架结构为研究对象,首先依据连续倒塌理论计算各杆件的重要性系数,确定模拟损伤杆件位置;然后以损伤前后结构的标准化频率平方变化率及标准化位移振型的组合参数作为RBF神经网络的损伤指标,利用有限元分析得到学习样本,试验分析结果作为测试样本。采用二阶段损伤识别方法,首先在所有杆件中排查出可疑受损杆件位置,最后再精确识别损伤位置和程度。结果表明,该方法能够很好地识别网架结构的损伤位置和程度。     

基于RBF神经网络的时延预测模型与仿真

网络控制系统中时延普遍存在,时延的有效预测对控制系统非常重要。为准确对时延进行预测,文章建立一个基于RBF神经网络的时延预测模型,运用Matlab软件对该模型进行仿真,采用归一化的方法对用于测试的数据集进行预处理,利用这些处理过的数据集对该仿真模型进行训练和测试,结果证明RBF神经网络能很好的预测网络时延。     

基于RBF神经网络的时延预测模型与仿真

网络控制系统中时延普遍存在,时延的有效预测对控制系统非常重要。为准确对时延进行预测,文章建立一个基于RBF神经网络的时延预测模型,运用Matlab软件对该模型进行仿真,采用归一化的方法对用于测试的数据集进行预处理,利用这些处理过的数据集对该仿真模型进行训练和测试,结果证明RBF神经网络能很好的预测网络时延。     

基于RBF神经网络的高校财务风险识别

为实现高校财务风险的实时监测及预警,文章在遵循全面性、科学性、可操作性等原则的基础上,建立了高校财务风险识别指标体系,并采用RBF神经网络构建了高校财务风险识别模型,最后用实例验证了该模型用于高校财务风险识别的可行性。     

基于RBF神经网络方法的混凝土强度预测

在分析普通混凝土强度各影响因素的基础上,选取6个影响因素组成输入层,以混凝土28 d强度作为输出,建立径向基函数网络,经网络训练和仿真结果对比,表明所建网络结构合理、收敛速度快、精度高,可以满足普通混凝土强度预测要求,具有广泛的应用前景。     

基于RBF神经网络的钢筋锈蚀程度预测

通过分析钢筋锈蚀机理及其影响因素,建立了钢筋锈蚀程度预测的RBF网络模型.通过实例数据进行了分析预测,并与BP网络预测模型进行比较.测试结果表明:应用RBF网络模型对钢筋锈蚀程度进行预测,预测效果好,识别精度高.可见,径向基函数神经网络方法是一种可综合考虑各种影响因素、行之有效的钢筋锈蚀度预测分析方法.     

基于RBF神经网络的边坡稳定可靠度分析

RBF神经网络具有网络训练速度快、可以避免局部极小等优点。文章基于RBF神经网络理论,采用蒙特卡罗模拟法来进行结构的可靠度分析,研究了样本点的生成方法及样本数对可靠度分析结果的影响,并将基于RBF神经网络的蒙特卡罗模拟法应用于边坡的可靠度分析。计算表明:基于RBF神经网络的蒙特卡罗模拟法具有较好的计算效率和计算精度;样本点的生成方法和样本数对计算结果影响较大。与随机取样法相比,均匀设计法生成的样本点分布更均匀,由此样本点集训练生成的神经网络能更好的代替原功能函数,在相同的样本数时具有更高的计算精度;当计算精度相同时,均匀设计法比随机取样法需要生成的样本点少,计算效率高。     

基于RBF神经网络的自适应轨迹跟踪算法

考虑到保障机械手系统工作稳定的需求设计以模型为基础的,结合RBF神经网络的自适应控制器轨迹跟踪算法。兼顾到该自适应控制器外部工作环境的影响因素对其工作形成的影响开展了详细的机械手轨迹跟踪算法。在控制系统中假如使用了RBF审计网络自适应补偿算法控制器,有效改善了外界环境因素对系统形成的不利影响,降低了神经网络的误差,进一步提升该系统工作的安全性与可靠性。得出的Lyapunov函数证明可靠稳定,使得其跟踪轨迹完整而准确。通过数据拟合出运动轨迹曲线结果得出两者之间误差,进一步提升了跟踪准确度,在稳态误差以及超调量方面都有所优化。     

基于RBF神经网络的结构损伤识别方法研究进展

阐述了径向基神经网络(RBF网络)用于结构损伤识别的工作原理,介绍了国内外学者利用RBF神经网络对结构进行损伤识别的研究进展,从网络输入参数、网络算法、结构建模等方面,分析了该方法的优点和存在的问题,指明了进一步研究的方向。     

基于BP神经网络的建筑工程造价估算研究

研究了BP神经网络在建筑成本估算中的应用,分析了建筑成本的影响因素,选取6个因素作为估算模型的参数,建立了一个BP神经网络估算模型,并通过10个样本进行了训练。结果表明,估计模型迭代85次后,网络误差达到设定的最小值,训练是收敛的;与径向基函数（RBF）相比,该模型的估计精度更高,平均误差为5.54%,表明成本估计具有良好的可靠性。研究成果可为建筑行业的投资决策提供可靠的依据,也丰富了BP神经网络在成本估算中的应用。     

高层建筑火灾事故应急能力量化评估

为提高城市建筑火灾事故应急能力评估准确性,构建了一套应急能力评估指标体系。结合层次分析法制定百分制扣分式量化评估标准;采用主成分分析法进行降维处理;基于多元线性回归法和支持向量机法建立模型。结果表明：高层建筑火灾事故应急能力评估指标体系能够有效实现指标定量化处理,两种模型预测得分较为接近,均适用于城市高层建筑火灾应急能力评估。     

典型城市供水系统应急能力评估

针对城市供水系统应急能力缺乏系统评估方法的问题,本文根据城市供水系统全过程中各个环节的高危要素,构建城市供水系统应急能力综合评估指标体系。从城市供水系统应急能力综合评价指数、不同类型指标的应急能力评价指数和不同评价因素的应急能力评价指数三个方面进行评估,并运用这个体系对六个典型城市进行评估,得出这六个城市的供水系统应急能力由高到低依次是郑州、密云、东莞、北川、玉溪、济南。经实践证明该供水系统应急能力评估指标体系科学、可行、完善,具有可推广性。     

基于微人工鱼群算法优化RBF神经网络

在人工鱼群算法的基础上提出了一种新的优化算法--微人工鱼群算法,作为径向基神经网络(RBFNN)的训练算法.微人工鱼群算法利用两个鱼群(寻优鱼群和库存鱼群)来寻优,寻优鱼群使用人工鱼群算法来寻找全局最优解,库存鱼群保证了寻优鱼群的多样性,微人工鱼群算法使RBFNN的隐中心位置和相应的宽度值同时得以优化,提高了RBFNN的泛化能力.将微人工鱼群算法优化后的RBFNN应用于双螺旋和IRIS分类,试验结果表明,相对于K-means以及人工鱼群算法,本文方法在泛化能力上得到提高.     

基于RBF神经网络的换热管污垢热阻预测

建立了换热管污垢热阻监测实验系统,采用偏相关系数方法,筛选出与换热管污垢热阻形成关系密切的因素.采用RBF神经网络法,对换热管污垢热阻的变化趋势进行了预测,预测值与实验得到的实测值基本吻合,误差小.     

基于改进型RBF神经网络的建筑用电能耗预测

径向基函数(Radial Basis Function,RBF)神经网络由于其网络结构简单、网络适应性好、学习过程收敛速度快等优点被运用于电力负荷预测领域.在将其应用于建筑用电能耗预测的过程中,由于对目前已有的建筑能耗数据和影响能耗的关键因素分析不足,以及网络参数不易确定,将导致预测精度无法满足实际需求.采用粒子群算法...     

基于因子分析和RBF神经网络的快速估算模型

针对目前投资估算方法研究中面临的指标多、样本少的难题,论文尝试引入因子分析理论,将指标做降维处理,同时结合现代的径向基函数（RBF-Radial Basis Function）理论,建立了一种新的估算模型。结合工程实例论证,结果表明该模型是有效的,并且它的估算精度比一般的RBF神经网络估算模型要好。