基于RBF神经网络的电子罗盘误差补偿研究

介绍了三轴磁阻电子罗盘的测量原理。基于磁阻传感器HMC1052/1051Z和MEMS加速度计MXD2020ML研制了一款带倾斜补偿功能的三轴磁阻电子罗盘,分析了电子罗盘工作过程中可能存在的误差及其来源。针对无姿态角度的情况,基于径向基函数(RBF)神经网络补偿算法,建立了以测量航向角为输入、期望的航向角为输出的3层RBF神经网络模型,并用样机的采样数据进行仿真验证。实验数据表明,采用该RBF神经网络补偿算法,可将航向角的精度从±35.52°提高至±0.6°以内。     

基于RBF神经网络的室内定位算法研究

在无线传感器网络室内定位中,由于遮挡、多径效应等因素的影响,传统基于RSSI（Received Signal Strength Indicator）的定位算法存在测距不准、定位精度不高的问题。针对此问题,本文提出一种改进的基于RBF（Radial Basis Function）神经网络的室内定位算法,算法在离线阶段直接建立各参考节点接收到的RSSI值与其位置坐标的映射关系;在线阶段采集待定位节点的 RSSI值,利用学习好的神经网络对待定位节点进行定位。实验结果表明,与传统RSSI定位算法相比,本文提出的定位算法具备更高的定位精度。     

基于RBF神经网络的SVPWM研究

论述了电压空间矢量脉宽调制(SVPWM)的基本原理,提出利用径向基(RBF)网络实现SVPWM的方法;并在Matlab下结合神经网络工具箱进了仿真研究。仿真结果表明,RBF-SVPWM收敛速度快、误差精度高,使用该方法建立的异步电动机控制系统具有更小的定子电流谐波和转矩脉动。     

基于RBF神经网络的短期电力负荷预测

深入研究了温度、湿度以及风速等气象条件对电力负荷的影响,建立了基于径向基函数（RBF）神经网络进行短期负荷预测的模型。以广东省某地区月负荷数据作为原始数据,利用RBF神经网络的非线性逼近能力预测出日负荷曲线,并用实测数据对其进行了检验,同时与同等条件下建立的BP神经网络模型预测的结果进行了综合对比。结果表明,基于RBF神经网络模型预测的误差比BP神经网络模型预测的误差要小,其预测精度可以为供电企业对负荷进行合理的规划和准确的调度提供依据,具有一定的工程指导意义。     

基于RBF神经网络的风力发电机组故障诊断研究

风力发电机组是一个复杂的机电系统,采用整机诊断模式将使系统非常复杂,诊断效果也不理想;采用两层诊断模式不但实现起来简单,而且可以获得很好的诊断效果。使用RBF神经网络对发电机子系统进行故障诊断,仿真结果表明该诊断方法满足要求。     

基于RBF神经网络的电路诊断研究

电路系统在工业控制中起着极其重要的作用,随着电路越来越复杂,各电路各节点间的关系呈非线性关系,若节点发生故障,如何确定故障发生在何处成为一大难题。提出利用RBF(Radical Basis Function)神经网络可以快速地逼近任意非线性函数,且有很好的分类能力等特点,来实现对电路系统的故障分类。通过实例分析RBF可以很精确地确定电路网络中的故障来源,同时通过与BP算法比较,说明RBF在对电路故障诊断能力方面的优越性。     

基于RBF神经网络的电力系统月度负荷预测研究

月度负荷预测是电力系统计划、调度、营销部门的重要工作之一,本文根据影响月度负荷的因素,运用Matlab工具箱,建立基于RBF神经网络的月度负荷预测模型,利用它对某地区2009年的月度负荷进行预测,预测结果为相对误差1.96%,因此,据预测结果可知本文提出的模型预测精度较高,完全可以达到工程实际应用的目标。     

基于RBF神经网络的三基色配比研究

色温和显色指数是新型LED光源生产和评价的重要指标,本文基于RGB—LED光源,通过RBF神经网络建立三基色配比、色温和显色指数之间的预测网络模型,经过Matlab仿真验证该模型,并分析结果,得出该模型很好的表现了三基色到色温、显色指数的非线性关系,其较高的预测精度对满足应用需求具有很强的实际意义。     

基于RBF神经网络的电网可靠性评估模型研究

为了改善电网可靠性评估的计算效率,提出了ＲＢＦ神经网络的学习算法和电网可靠性评估算法。计算结果表明：此算法能够快速有效地进行可靠性评估。     

基于RBF神经网络的高压断路器机构故障诊断

为诊断高压断路器操作机构故障,分析高压断路器机构故障时的分合闸线圈电流,本文通过提取时间和电流特征参数,对故障特征参数进行相对归一化处理后输入RBF神经网络,建立基于果蝇—粒子群混合算法的高压断路器RBF神经网络模型,用于高压断路器操作机构故障识别.以MATLAB为实验平台,通过训练样本和测试样本的仿真分析,得出RBF...     

基于RBF网络的光纤位移传感器温度补偿研究

提出了一种解决光纤位移传感器温度影响的软件补偿方法.该方法基于RBF神经网络理论,将位移传感器和温度传感器的输出进行神经网络处理,基本消除了温度对光纤位移传感器的影响.为存在温度影响的光纤类传感器的实用化设计提供了一种可行途径.实验表明,神经网络处理后光纤位移传感器的温度敏感度系数下降了两个数量级,测量准确度和系统稳定性均得到提高.     

基于RBF神经网络的光伏动态重组系统

光伏系统的模块重组对于改善系统的P-V特性有非常重要的作用。提出了一种在部分阴影遮蔽情况下基于人工神经网络算法的光伏模块重组方案。这个方案中,光伏模块分为固定部分和自由部分,并通过开关矩阵来连接。然后测量的每个自由模块以及每行固定模块的短路电流值,测量值通过人工神经网络算法得到的结果决定开关矩阵的连接方式。仿真实验显示所提出的方案的参数测量实时简易、重组策略高效,能有效地改善部分阴影状态下的光伏阵列的功率输出。最重要是所提出的控制策略能应用于较大规模光伏系统结构重组。     

基于RBF神经网络的动力电池故障诊断系统研究

纯电动车动力电池在性能、成本、寿命、安全性上的局限是制约电动车普及的关键问题。基于RBF神经网络,设计了一套电池故障诊断系统,对动力电池组的故障进行预防和诊断。首先,利用d SPACE中的电池模型,模拟电池的故障,进行神经网络的学习训练,然后,利用三组测试数据对故障诊断系统进行测试。测试结果显示,设计的系统可以准确诊断电池故障类型与故障级别。     

基于 LSTM 网络的水分天平零点误差补偿方法

零点误差是衡量水分天平的重要指标,其直接影响水分天平的称重准确度。提出了一种基于长短期记忆(LSTM)网络的水分天平零点误差补偿方法,分析了水分天平零点误差机理,使用历史零点误差数据建立基于双层LSTM长短期记忆网络的零点误差预测模型,采用空载与加载载荷时两种情况分别进行补偿。利用该模型对200 g/1 mg的水分天平进行现场补偿验证,结果表明,补偿后的水分天平在空载和加载载荷时,最大示值误差约为6 mg,远小于补偿前的示值误差,证实了这种方法的有效性。     

基于改进RBF神经网络的光伏组件故障诊断

由于光伏组件的输出特性受多种因素混合影响,对光伏组件的故障检测是一个严峻的考验.为了保证故障诊断的实时性和精确性,采用多传感器法提取短路和开路故障特征,利用电压扫描法获取不均匀光照引起的热击穿和电击穿故障的判断依据,以故障特征为判据,给出一种基于K均值聚类算法的改进RBF神经网络的光伏组件故障诊断方法,在Matlab平...     

RBF神经网络算法在动态称重中的应用

针对高速公路动态检测系统中称重数据的复杂性,将不同的称重数据处理办法做出对比,并提出利用 RBF神经网络对动态称重数据进行处理。文章首先综述性的介绍了车辆动态系统整体构成,之后对径向基函数网络的拓扑结构以及径向基函数中心的选取进行了介绍,最后利以试验台搭建检测平台,通过实验用两轴小车进行以不同的速度通过试验台,采集其动态参数。最后利用采集到的数据,用 MATLAB 进行仿真,验证了径向基函数网络对动态称重数据的处理表现出良好的速度与精度。     

基于模糊RBF神经网络自学习的不确定机器人模糊自适应控制

针对机器人系统的不确定、非线性特点，设计了模糊RBF神经网络控制器学习机器人系统的不确定性上界，并利用模糊推理机产生的分目标学习误差进行训练，避免了采用系统直接输出反馈误差进行训练所存在的权值饱和与过调整问题。此外，在反馈回路还设计了固定比例增益控制器FC，起着监督的作用，对系统实施渐近稳定的控制。仿真结果表明这种控制方案实现了对机器人系统的高精度控制。     

基于改进型RBF神经网络的VSG转动惯量自适应控制

与传统同步发电机相比,虚拟同步发电机(VSG)具有参数灵活可调的优势,特别是虚拟惯量和虚拟阻尼能够对VSG稳定性产生显著影响.RBF神经网络对于连续非线性函数具有很好的逼近效果,且算法简单,学习能力强大,学习速度快,能够满足实时控制的需求.文中基于控制对象的特性,对RBF神经网络进行改进,并设计出一种全新的自适应控制策...