基于强化学习的机器人操作手轨迹规划方法研究

由于机器人操作手具有高度非线性、强耦合和变结构的动态特性,因此,利用传统控制理论很难实现对机器人操作手的有效控制.文章对基于径向基函数网络的强化学习在机器人操作手的多智能体环境中的轨迹规划进行了研究.仿真实验结果证明了研究方法的可行性.     

基于地图的轨迹预测方法研究

本文提出了一种针对目标物基于地图的轨迹预测方法,通过目标物历史轨迹结合运动学模型及地图信息,输出对目标物的预测轨迹。首先,本文利用已知的历史轨迹数据、目标物状态信息及地图信息,预测目标物的行为(直行、左转、右转)。然后,根据经验知识及物体运动学方程分别求解目标物的纵向及横向位置,组成目标物未来的运动轨迹。最后,本文在高速道路进行了实验验证,结果表明所提出的方法能适应高速运行场景,具有较高的准确性和稳定性。     

基于多传感器信息融合的汽车衡误差补偿

传统的汽车衡误差补偿方法是通过反复调节接线盒中电位器,调整每路称重传感器通道增益实现的,过程繁琐、称重结果准确度低.介绍了汽车衡称重原理,分析了称量误差产生的原因,确定了误差模型,以多路称重传感器信号为输入,提出了基于径向基函数神经网络多传感器信息融合误差补偿方法,建立了融合模型,给出r融合模型的训练算法.这种误差补偿方法建模方便,训练简单,克服了汽车衡在加工、安装过程中产生的内应力、机械形变、尺寸误差和传感器灵敏度分散性、传感器线性度误差等因素对称量结果的影响,准确度高.现场检定表明,采用这种补偿方法的汽车衡称重误差小,优于国家标准规定的三级秤指标.     

基于RBF网络的大滞后系统自适应预测PID控制器

针对大滞后系统滞后时间长,难以控制的特点,提出一种基于RBF网络的自适应预测P ID控制器。该控制器利用超前预测克服时滞,并采用基于RBF网络的P ID控制器在线调整控制器参数,从而控制系统的输出。应用该控制方法对大滞后一阶和二阶环节进行了仿真研究,结果表明该方法具有较快的系统响应,较强的自适应性和鲁棒性,控制设计简单等特点。     

基于径向基函数神经网络的发动机磨损预测分析

针对BP神经网络算法的不足,利用径向基函数(RBF)神经网络建立设备的磨损预测模型,对光谱分析数据进行实例仿真,并与BP网络模型进行对比研究.仿真结果表明,该模型预测精度高,训练时间短,大大优于BP神经网络模型.     

基于机械控制的内河船舶无缆系泊装置研究

当前我国普遍使用的内河船舶系缆方式多为传统的手工式，使船舶通过人力劳动的方式停靠与港湾中，需要起航时再借助人力解缆离岸。随着科技的进步发展，传统的手工式系缆方式已经不能满足时代的需求，内河船舶无缆系泊装置可以通过全机械化的方式，将人力从无意义的机械劳动中解放出来，实现资源的优化配置。本文首先对内河船舶无缆系泊装置做了较为详细的介绍，分析了该装置的基本结构与机械控制工作原理，然后列举了内河船舶无缆系泊装置的控制系统组成部分，最后简述了该装置的适用范围，希望能对我国船舶运输业今后的发展提供必要的帮助。     

基于GM-LSTM融合模型的电动汽车使用寿命预测方法

本文基于某地2020年3月-2022年3月区间内的某平台运营车辆的真实数据,首先对数据进行预处理,提取出可用数据;然后对电池容量和电池内阻特征模型进行修正;再使用ARIMA模型,进行电池特征趋势预测;进而搭建出GM-LSTM融合模型,最后与当前应用较多的其他五种预测方式进行对比研究,得出本文方法能够有效提升电池使用寿命的预测精度的结论。     

基于集成径向基网络的制造系统性能预测方法

为准确地进行定量预测,提出了一种将仿真分析和集成径向基网络模型结合起来的制造系统性能指标预测方法.在定义和量化制造系统各类性能指标的基础上,分析了影响这些指标的静态和动态因素,并建立起径向基集成网络预测模型.通过基于Simul 8平台的仿真分析来收集样本数据,最终利用Bagging方法训练出集成神经网络,实现对工件平均完工时间和设备利用率等关键性能指标值的预测.试验结果表明,采用该方法输入动态影响因素的取值后,能快速获得比较理想的性能指标预测结果,并且其预测精度明显高于其他的神经网络方法.     

基于多源信息融合的往复式压缩机故障诊断方法

往复式压缩机结构复杂,振动激励源多,故障关联性较强,需要依靠多种类型的传感器所采集的信息来对往复式压缩机故障进行诊断。在融合往复式压缩机多种类型传感器采集的特征信息基础上,提出一种基于多源信息融合的往复式压缩机故障诊断方法,构建信息融合诊断框架。利用往复式压缩机多种类型传感器所采集的数据信息构建特征证据体,使用径向基神经网络对每个证据体进行初步诊断,根据加权证据融合理论融合各个证据体初步诊断结果,得到最终诊断结果。使用提出的方法对往复式压缩机3种工况的试验数据进行融合诊断,诊断结果表明：使用加权证据融合理论融合多源传感器信息的诊断结果可信度高,不确定性小,能够准确对往复式压缩机故障状态进行诊断识别。     

基于神经网络泛函数的摩擦学系统转化模型研究

建立了摩擦学特性影响规律的径向基神经网络模型，可以较准确地计算和预测不同摩擦学系统条件下摩擦系数与各影响参数之间的关系；进一步基于神经网络建立了不同系统之间的泛函数关系，基本解决了摩擦学系统的条件转化，为摩擦学设计、程序化计算和分析提供了一种方便有效的工具。     

基于径向基网络的变速箱载荷识别研究

提出了一种基于径向基网络的识别变速箱载荷的新方法,该方法应用径向基函数网络建立了箱体表面振动响应信号与轴承激励之问的非参数映射模型。通过变速箱在随机激励下的载荷识别结果表明,这种利用径向基网络识别变速箱载荷的方法是可行的,并且具有识别精度高、运算速度快及稳定性好等优点。     

热力参数的KPCA-RBF网络建模及传感器故障诊断方法

针对复杂恶劣环境下机组热力参数的数据监测及传感器故障诊断问题,建立了融合机理分析、核主元分析(kernel principle component analysis,简称KPCA)与径向基神经网络(radial basis function,简称RBF)的发电机组热力参数预测及传感器故障检测模型。首先,根据机理分析得到完备的辅助变量集,并利用核主元分析提取辅助变量的特征信息以有效处理发电机组中高维、强耦合的非线性数据;其次,将主元变量集输入径向基神经网络进行学习,实现热力参数的重构;最后,基于预测模型与窗口移动法实现传感器的故障诊断,并对故障数据进行及时修复和准确替换。以燃气轮机排气温度为例进行验证的结果表明,该预测模型具有更高的精度和泛化能力,能在传感器故障发生初期及时发现并识别故障类型,检测效果优良。     

基于神经网络的自适应裂谱分析方法

在应用 RBF神经网络建立具有自适应能力的信噪分离算法的基础上 ,提出了一种基于神经网络的自适应裂谱分析方法 ,实验结果证实了新方法具有很高的性能稳定性和增强湮没在晶粒 (或其它散射体 )散射中的缺陷回波信号能力。     

基于PSO-RBF代理模型的板料成形本构参数反求优化研究

为了准确获取材料在复杂应力应变状态下的板料成形本构参数,提高板料成形有限元数值模拟的精度,提出了基于改进径向基函数代理模型的板料成形参数反求优化方法。将径向修正系数引入径向基函数（RBF）核函数中,利用粒子群算法（PSO）对径向修正系数进行优化,提高模型的预测精度。将PSO-RBF模型应用到一个非线性测试函数中,结果表明,PSO-RBF模型比RBF模型的预测精度提高很多;同时将PSO-RBF模型应用到板料成形本构参数反求中,代替有限元模型进行正问题计算,可节省计算成本和提高效率。结果表明,基于PSO-RBF模型反求优化得到的材料参数,能够更加准确地反映材料的流动趋势以及应变分布。     

基于RBF神经网络的柴油机燃油喷射系统的故障诊断

以RBF网络为识别模型,对柴油机燃油喷射系统的故障进行训练,并应用于待识别故障样本的识别仿真,结果表明,基于RBF的故障诊断方法优于基于BP网络故障诊断,在柴油机燃油喷射系统故障诊断中是行之有效的方法.     

采用RBF和BP神经网络处理EMD分解过程中端点效应

在分析经验模态分解端点效应出现原因的基础上,采用BP和径向基函数神经网络预测法对端点效应进行研究.在实验中,通过延长信号的采样时间,使端点的数据延长,从而抑制EMD分解时产生的端点效应.同时为了比较两种数据延长方法的效果,分别将延长后的数据进行EMD分解.实验结果表明,这两种都可以有效抑制端点效应对分析结果产生的影响,提高经验模态分解的效果.     

轻轨锚固螺杆单位脉冲响应信号的稀疏径向基函数网络提取

轻轨锚固螺杆是轻轨交通中连接轨道梁和墩台的关键受力部件,脉冲响应函数的提取是其健康监测的关键和核心技术。引入稀疏优化算法取代经典径向基网络的最小二乘法,构建网络的输入输出方案,引入二维DCT基对学习权值矩阵进行稀疏表示并通过正交匹配追踪算法来获得尽可能稀疏的网络训练权值。将单位脉冲激励信号输入该网络即可获得系统的单位脉冲响应函数。实验结果表明,所构建的稀疏径向基网络能准确提取单位脉冲响应函数,对工程应用具有参考价值。     

径向基神经网络在三维激光切割中的应用

分析了RBF神经网络的特点，并研究了它在三维激光切割中的应用，利用该神经网络及其变形可以预测切缝的宽度，也可以根据输入参数对试样的挂渣与否进行判定。比较了三雏激光切割中切割倾角和切割方向对切割质量的影响，从而实现切割质量的预测和优化工艺参数的选取以指导实际的切割过程。     

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。     

轴承滚子电化学机械光整加工表面质量预测与加工参数选择

针对现有方法加工轴承滚子时存在的问题,将电化学机械光整(electrochemical mechanicalfinishing,ECMF)加工应用于轴承滚子的光整加工中。ECMF加工效果受很多因素影响,为预测加工质量及选择加工参数,建立了带有径向基函数的基于LS-SVM的轴承滚子ECMF加工预测模型,对正交试验样本进行训练学习,采用网格搜索法确定模型参数。实验及预测结果表明:ECMF适合于轴承滚子的加工,经ECMF加工后的轴承滚子表面质量明显提高;通过LS-SVM模型选择的加工参数及预测的表面质量误差,均在可接受的范围内。