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     

Matlab在系统辨识中的应用

首先介绍了系统辨识的基本原理.简要介绍了Matlab中系统辨识的实现方法.并结合具体的例子.显示Matlab系统辨识工具箱在系统辨识中的强大功能和辨识快速准确等优点。     

MATLAB神经网络工具箱在非线性系统建模中的应用

本文介绍在Matlab环境下发电厂水位控制BP模型的建模与仿真方法,得出了预测模型的最优参数.仿真结果表明,MAT-LAB神经网络工具箱可有效地用来解决复杂的非线性控制系统的优化设计问题.     

气动伺服位置系统的神经网络辨识及控制

针对传统控制器对数学模型依赖的缺点,利用神经网络具有逼近任意非线性函数的优点,采用RBF算法,对气动伺服位置系统模型进行参数辨识,结果证明行之有效。这种具有控制与辨识功能的方法为非线性系统的参数确认和优化控制提供了新的途径。     

JORDAN神经网络在系统辨识中应用研究

给出了基于强跟踪滤波器的Jordan神经网络训练方法，该方法是一种新的学习算法。Jordan网络可以表示输出的动态特性，改进后还可以反映状态特性，更适于动态系统辨识。强跟踪滤波具有鲁棒性好、收敛快等优点，将两者结合可以得到很好的辨识效果。最后，通过仿真实例验证该方法的有效性。     

改进的Elman网络在系统辨识中的应用

介绍了Elman网络在非线性动力学模型辨识中的应用原理，采用改进的Elman动态递归网络实现对某平整机液压自动厚控系统（HAGC）的模型辨识。实验表明，Elman网络利用内部状态反馈来描述系统的非线性动力学行为，提高了学习速度，适合于动态系统的实时辨识。     

水下机器人运动系统的神经网络辨识

建立了水下机器人的动力模型，分析了辨识该模型的神经网络结构，采用带自反馈的Elman网络来获得更精确的结果。针对BP算法即误差反传算法的缺陷，提出了用混合优化算法——误差反传算法和遗传算法的混合算法（又称：GA＆BP算法）修正网络权值。最后，将改进的Elman网络应用于水下机器人的非线性辨识。通过仿真证明了该方法用于高阶非线性系统的实用性。     

基于BP神经网络的非线性系统辨识

工业系统大多具有大滞后、非线性的特点,难于控制.本文介绍了基于BP神经网络实现对非线性系统的辨识和仿真分析,并给出了实例.仿真结果表明,该方法可以对工程中常遇的复杂的、非线性较强的系统进行辨识,具有一定的适用性.     

RBF神经网络在旋转机械故障诊断中的应用

论述了RBF神经网络的基本网络结构和网络的学习及运行过程,结果表明:RBF神经网络具有极快的学习收敛速度.讨论了RBF神经网络在旋转_初械故障诊断中的应用,并对训练后的网络进行了仿真测试,仿真结果表明RBF网络有较高诊断正确率.     

动态递归神经网络及其在机敏机构辨识中的应用

介绍了动态递归神经网络的数学模型 ,提出了一种学习因子自适应调节的改进算法。利用修剪法确定拓扑结构 ,提高了神经网络的泛化能力。以实验数据为样本 ,采用复合辨识方法离线设计了动态递归神经网络辨识器 ,获得了机敏机构的非线性动力学模型 ,其精度明显高于传统的 KED理论模型     

基于人工神经网络的冰载荷识别

本文首次将人工神经网络技术应用于冰载荷识别,就冰载荷识别的神经网络模型的建立及网络训练的有关问题进行了探讨,同时给出了渤海JZ20-2-1采油(测冰)平台的冰载荷识别算例,算例表明,应用人工神经网络进行载荷识别是可行的.     

基于神经网络的非线性振动系统识别：由脉冲响应的学习实现系统响应的预测

本文从工程应用的实际出发,提出了一种适用于非线性振动系统识别的神经网络模式。文中以非线性振动为物理模型对象,通过时序列脉冲响应的学习实现强制激振响应的预测例,验证了所提出的神经网络模型中的预测结构形式与输入和输出的构成,以及有限学习信息利用方法的有效性。     

采摘机械臂的PSO-RBF神经网络自适应控制

针对采摘机械臂系统的不确定性为控制带来的问题,设计一种PSO-RBF神经网络自适应控制方法.该方法使用径向基函数神经网络来逼近并补偿系统模型误差,用粒子群优化算法来优化RBF的权值参数,确保PSO-RBF控制性能更好.MATLAB仿真结果表明:与RBF神经网络控制相比,PSO-RBF神经网络控制精度和性能更好.     

基于神经网络的铂电阻温度传感器非线性校正方法

简单介绍了当前铂热电阻应用存在的问题，提出了应用前向多层神经网络建立热电阻的逆模型进行非线性补偿，使得铂电阻的静态特性线性化。文中采用MATLAB为工具，对神经网络进行训练，获得权值、阈值，并以SIEMENS的S7－200为控制器，对加热炉进行控制。设计及实际应用表明，这种方法简单、实用、有效，大大方便了铂电阻温度传感器在测控系统中的应用。     

神经网络技术在多元图表插值中的应用

通过对MATLAB环境下神经网络工具箱的应用,以BP神经网络为例,对BP神经网络进行训练,解决函数逼近的任务,实现插值的功能。具体实例表明,MATLAB神经网络工具箱是进行人工神经网络数值仿真的有力的工具。     

RBF神经网络在大学生素质综合测评中的应用

为了反映大学生素质综合评价过程中的非线性关系,合理地对大学生进行综合测评,提出了基于径向基函数（RBF）神经网络的大学生综合测评方法,并将其应用于南京农业大学工学院学生的综合测评中,取得了较好的效果。研究证明了基于RBF网络的大学生综合测评方法的实用性和有效性。     

应用MATLAB工具箱在VC++中实现神经网络的程序设计

介绍了用VC 调用MATLAB引擎库函数的方法，利用这种方法在应用软件开发过程中既能发挥VC 强大的界面开发功能，又充分利用了MATLAB的复杂运算和处理能力，并把这一技术应用于神经网络程序的设计，取得了很好的效果。     

CMAC神经网络控制在直接转矩控制系统中的应用

将小脑模型神经网络控制(CMAC）和PID控制结合起来,替代了直接转矩控制中常用的PI控制环节,并且构建了基于MATLAB的电动机控制仿真模型。通过对系统的分析和模型的仿真结果,可以发现应用CMAC的直接转矩控制系统要明显优于传统直接转矩控制系统。     

神经网络技术在机械工程中的应用与展望

简单介绍了人工神经网络的基本原理、基本特征及其在机械工程中的应用现状，并对神经网络的研究和发展进行了展望。     

浅谈神经网络在加热炉温度控制中的应用

根据加热炉的特点和温度控制要求,设计了基于RBFNN(RBF Neural Network)辨识的PID控制器,仿真结果与PID控制和基于BPNN(BP Neural Network)的PID控制相比较,显示出本文设计的控制器具有良好的控制性能。