RBF神经网络在定日镜场故障诊断中的应用

针对定日镜场故障与征兆之间的关系特点,介绍了RBF神经网络运用于定日镜场故障诊断的基本方法。利用MATLAB神经网络工具箱建立和训练RBF神经网络,并对网络进行了测试。结果说明RBF神经网络在定日镜场故障诊断中具有较高的准确性和可靠性。     

RBF神经网络在表面粗糙度光纤传感器中的应用

本文提出了以径向基函数（RBF）神经网络处理表面粗糙度光纤传感器输出信号的方法,将传感器的输出信号及作为光源的激光强信号同时加在RBF神经网络的输入端,利用RBF神经网络能够以任意精度逼近非线函数地能力的优点,同时实现对传感器的非线性补偿及减轻激光器输出光强变化带来的影响,采用这种方法的表面粗糙度光纤传感器,降低了对激光器输出功率稳定性的要求,具有测量范围大,精度高的特点。     

基于神经网络的传感器故障诊断技术

综述了神经网络用于控制系统的传感器故障诊断技术，阐明了应用神经网络的优越之处及其各种方法的特点。     

RBF神经网络在智能传感器模块设计中的应用

引言 不论是传统工艺制作的经典传感器,还是半导体工艺制作的现代传感器,都存在交叉敏感。交叉敏感是引起单传感器系统不稳定的主要因素,表现为传感器标称的目标参量恒定不变,而其它非目标参量变化时,该传感器的输出值发生变化。     

基于RBF神经网络的加速度传感器动态补偿研究

提出一种应用径向基函数(RBF)神经网络进行加速度传感器动态性能补偿方法.介绍动态补偿原理以及算法,并将其与BP神经网络法和系统辨识法进行比较.该方法利用加速度传感器的动态标定数据,采用RBF神经网络搜索和优化补偿模型参数.结果表明,这种补偿模型误差小,比用系统辨识法有良好的鲁棒性、能实现在线软补偿,比用BP神经网络有更快的训练速度.     

优化RBF神经网络在压力传感器中的应用

针对压力传感器在应用中出现温度误差大这一缺点,提出了通过采用径向基函数(RBF)神经网络较强的非线性逼近能力,实现其非线性校正和温度补偿的网络方法,并对该法进行改进。通过仿真可看出,改进方法校正的系统能自动补偿非线性误差,具有误差小,精度高等优点。因此,提出的改进的RBF神经网络法对压力传感器的非线性补偿是可行的。     

基于神经网络的电喷发动机传感器故障诊断的研究

基于传统专家系统存在的缺点,文中以人工神经网络技术在电喷发动机故障诊断方面的应用为基础,以MATLAB7.0为开发平台,在怠速工况条件下,对无故障、氧传感器故障和空气流量传感器故障3种状态进行数据采集,并对数据进行预处理;基于BP神经网络的优点,构建了3层BP网络模型,经过测试样本的检验,证明此模型误差小、精度高,具有可应用性.     

浅谈RBF神经网络在教师绩效评价中的应用

本文从建立教师绩效评价的意义入手,提出了教师绩效评价标准,探讨并构建了适应于教师绩效评价的指标体系。在比较各种评价模型和算法优缺点的基础上,提出了基于径向基（RBF）神经网络的教师绩效考评价模型,并设计出了系列数据处理算法。通过网络训练、泛化结果分析,表明用RBF神经网络来评价教师综合评价是非常可行的。     

小波神经网络在故障诊断中的应用

介绍小波神经网络的发展和基本原理.在此基础上,详细分析和推导了两种小波神经网络的结构和算法,使其把小波变换和神经网络有机地结合起来,充分继承两者的优点.重点阐述对小波神经网络进行的改进,即动量项的引入,证明了动量项的引入在一定程度上解决了局部极小的问题,并对小波神经网络在故障诊断中的应用研究现存的几个问题和未来的发展进行了深入的探讨.     

基于径向基神经网络的旋转机械故障诊断

针对旋转机械故障征兆与故障模式映射的复杂性,以及BP网络容易陷入局部极小、收敛速度慢等缺点,提出基于径向基（RBF）神经网络的风机故障诊断方法。以风机振动信号的7段频谱能量峰值作为故障特征,采用训练好的RBF网络进行故障辨识。结果表明,RBF网络能满足风机故障诊断的准确性,并在避免局部极小和节约训练时间方面有较好的实用性。     

空调系统传感器故障诊断方法

针对空调系统中常见的传感器故障问题,提出了基于小波神经网络(WNN)故障诊断策略.在分析空调系统中传感器主要故障的基础上,建立了传感器故障诊断系统.通过传感器的真实测量值与预测值的残差比较,验证了基于WNN的故障诊断能力,分析了基于WNN与BP神经网络故障诊断的残差比结果.仿真实验表明,基于WNN的故障诊断系统具有结构...     

基于Elman神经网络的故障诊断器研究

针对BP神经网络易存在局部最小,收敛速度较慢的缺点,研究设计了一种基于Elman神经网络的敝障诊断器,建立了E1man神经网络及基于该网络的故障诊断器结构模型;利用某实际电路测试数据,训练并检测该故障诊断器的效能,试验结果表明该故障诊断器有较高的准确性和可靠性,具有工程使用价值。     

神经网络在齿轮故障诊断中的应用

以齿轮振动信号的时域特征为神经网络输入，齿轮的主要故障形式作为神经网络输出，利用改进的BP算法训练后的网络对齿轮故障进行诊断，取得较好的效果。     

小波-神经网络在故障诊断中的应用

根据旋转机械振动信号特点,提出了小波分析和概率神经网络相结合的故障诊断方法。该诊断方法利用小波分析进行预处理-获取机械故障特征向量,概率神经网络应用该特征及对应的故障类型建立非线性映射,实现故障诊断。通过计算机仿真和试验的结果,表明该方法运算速度快、对样本噪声有较强的鲁棒形,结构简单,工程上易于实现,为旋转机械故障诊断提供了实践方法。     

基于BP神经网络的网络智能诊断系统

随着计算机网络的发展，网络维护与管理日趋复杂。故障诊断就是对网络运行状态进行检测，并对出现的故障进行处理。随着人工智能理论的发展，要求把智能技术引入网络故障诊断领域，其中人工神经网络能比较准确地完成网络智能诊断任务，特别是目前广泛采用的前向多层神经网络模型(BP模型)。文章对BP神经网络故障诊断系统进行研究和设计，并通过实例进行仿真试验，结果证明该系统对网络故障的智能诊断有较高的实用价值。     

基于神经网络与专家系统的电路故障诊断研究

大型电路故障诊断过程复杂,故障征兆和故障原因之间存在许多不确定因素,建立精确的故障诊断系统存在一定困难.单纯运用专家系统存在许多不足之处.为此,文中基于BP(反向传播)神经网络,利用神经网络与专家系统相结合建立故障诊断系统,阐述了这种故障诊断系统的构建方法及其推理机的训练进程,并以某电路为对象对该诊断系统进行了试验验证.结果表明,该方法是可行和有效的.     

基于遗传神经网络的电力机车主变流器故障诊断

在变流器的故障诊断系统中,针对BP算法存在收敛速度慢、容易陷入局部极小值的问题,文章采用了遗传算法的选择、交叉、变异过程代替班,神经网络的反向传播过程的遗传神经网络算法。通过仿真试验证明,这种算法具有收敛速度快、推广性强的特点,极大提高了变流器的故障诊断系统的效率和准确性。     

基于遗传算法的RBF神经网络在涡流传感器非线性补偿中应用

为了解决涡流传感器的非线性问题,应用遗传算法(GA)训练径向基函数(RBF)神经网络(NN)实现其非线性补偿.介绍非线性补偿的原理和网络训练方法.从实测数据出发,建立了涡流传感器的非线性补偿模型.该方法能同时优化网络结构和参数,具有全局寻优能力,补偿精度高、鲁棒性好、网络训练速度快、能实现在线软补偿.实验结果表明,所采用的涡流传感器非线性补偿方法是有效的和可行的.补偿后,最大非线性误差在0.5%范围内,具有良好的线性.     

模拟电路故障诊断的BP神经网络方法研究

BP网络是模拟电路故障诊断中应用十分广泛的一种神经网络。针对传统BP算法的误差下降缓慢,调整时间长,甚至容易陷入局部极小点而不能自拔等局限性,提出用弹性算法与BP网络相结合的方法,并结合某型雷达装备的具体电路,运用该方法建模、仿真。实验结果表明,采用弹性算法结合后的BP网络误差收敛稳定,训练速度快,在克服传统BP算法的局限性上效果显著,为新型雷达装备的故障诊断和维修提供了一种方法,具有特定的实用意义。