基于单级倒立摆的遗传神经网络控制研究

由于倒立摆是一个高阶次、非线性和自然不稳定系统,为了改善单级倒立摆的稳定性问题,提出一种改进遗传算法的RBF(径向基函数)神经网络控制方法.该方法以传统遗传算法为基础,通过对适应度值的自适应缩放、交叉率和变异率自适应调整等策略实现对RBF神经网络基函数参数和权值的优化.通过单级倒立摆仿真实验分析表明,虽然改进遗传算法的...     

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。     

提高动态流量软测量实时性的RBF中心优化算法

针对液压伺服系统动态流量软测量模型中神经网络训练精度和训练速度难以同时提升的问题,引入减聚类(SCM)算法将原训练样本集映射成初始径向基函数(RBF)中心集,并确定基函数宽度;利用敏感性分析算法(SenV)对基函数的中心进行优化,从而减少神经网络隐层节点数目;在根本上为同时提升神经网络训练精度和训练速度提供保障.实验表明,神经网络的隐层节点数可降低至少30%.     

考虑牙间均载的拉杆螺纹连接多目标优化

为提高机架螺纹连接寿命,运用弹塑性接触有限元方法对拉杆连接螺纹进行强度分析,结合参数化建模,建立考虑牙间均载和应力峰值的多目标优化模型,采用径向基函数（RBF）神经网络方法和带精英策略的非支配排序遗传算法（NSGA-Ⅱ）求解。结果表明：牙侧角约为15°时,牙间轴向载荷分布不均匀率减小13.6%,等效应力峰值减小6.9%,第一主应力峰值减小11.5%。     

基于RBF神经网络的航空叶片铣削残余应力预测

为了获得航空叶片精密铣削中的残余压应力,引入径向基函数神经网络对GH4169叶片铣削残余应力进行预测。以刀轴侧倾角、铣削速度和每齿进给量为设计因子开展球头刀铣削实验,采用X射线法测试残余应力;采用实验样本对径向基函数神经网络进行训练,获得残余应力的径向基函数模型,并与传统的多元线性回归模型与BP神经网络进行对比,结果表明径向基函数模型的预测精度最高。分析工艺参数对铣削残余应力的交互影响规律,结果表明铣削残余应力与3个工艺因子之间存在高度的非线性映射关联。所提出的径向基函数模型有望为航空叶片铣削工艺优化奠定理论基础。     

基于RBF神经网络的齿轮箱故障诊断

阐述径向基函数(radial base function,RBF)神经网络的基本原理和算法,将其应用于齿轮箱故障诊断与识别,建立齿轮箱的BRF故障诊断模型,并与BP(back propagation)神经网络、学习率自适应BP神经网络进行对比分析研究。结果表明,RBF神经网络性能优于BP神经网络,具有较快的训练速度、较强的非线性映射能力和精度较高的故障识别能力,非常适用于齿轮箱的状态监测和故障诊断。但在具体应用中应当注意,RBF网络的训练样本必须含有一定的噪声,以提高网络的容噪性能;各类故障的训练样本数不能太少,否则RBF网络的故障分类能力很差。     

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RBF神经网络和遗传算法的油膜附水滴切削参数优化

为了优化油膜附水滴切削工艺参数,降低切削力,减少刀具磨损和提高切削加工质量,结合神经网络和遗传算法,基于MATLAB软件对切削试验数据进行训练.通过构建径向基函数RBF和反向传播BP神经网络模型,并对切削力和表面粗糙度综合加权后综合目标进行预测.对比两种模型的精度后,选择更精确的RBF神经网络模型.利用遗传算法GA优化...     

多连杆机械臂GA-RBF神经网络轨迹跟踪控制

针对多连杆机械臂模型系统信息不完整、存在外界干扰等问题,设计了一种新型的GA-RBF神经网络闭环自适应控制系统。该系统利用径向基函数(RBF)神经网络来逼近并补偿系统的模型误差和外界扰动,在基于计算力矩法的基础上实现对机械臂的轨迹跟踪控制,并采用遗传算法(GA)对RBF神经网络权值进行在线优化,确保机械臂控制系统能在更短时间内获得稳定,实现了高精度的轨迹跟踪,提高了轨迹跟踪的性能。MATLAB数值仿真的结果验证了该方法的有效性。