基于新型RBF网络的模拟调制信号识别

对敌方雷达信号调制类型的识别是电子对抗的一个重要方面。采用了一种基于人工免疫聚类和进化规划的混合算法设计径向基函数(RBF)网络,并将其应用于雷达信号调制类型的自动识别。该算法首先利用一种实现数据聚类的人工免疫机制,根据输入数据集合自适应地确定RBF网络初始中心的数量和位置,之后采用进化规划训练RBF网络。仿真实验表明,采用这种方法设计的RBF网络对各种模拟调制信号的调制类型达到了较高的识别精度。     

基于2DPCA和RBF神经网络的人脸识别方法

采用2DPCA方法提取人脸图像的特征值,通过RBF神经网络进行训练和识别,提出一种基于2DPCA和RBF神经网络的人脸识别方法,并将此方法应用于ORL人脸库。实验结果表明,该方法不仅具有较好的人脸图像识别能力,而且能明显缩短识别算法的运行时间。     

基于RBF网络的除湿机故障诊断

应用基于人工神经网络的故障诊断方法,建立了除湿机故障诊断的RBF网络模型,并利用六种典型故障状态参数样本数据对神经网络进行训练。结果表明对于训练样本集和检验数据集,网络的输出与希望结果相符,表明基于人工神经网络的除湿机系统的故障诊断是行之有效的。     

光纤陀螺刻度因子的建模方法

针对低精度光纤陀螺(FOG)刻度因子线性度较差的问题,提出了采用径向基函数(RBF)神经网络对刻度因子进行建模的方法,以减小光纤陀螺输出误差。通过测量数据对 RBF 神经网络进行训练,获得神经网络参数,根据神经网络结构和参数可以得到非线性刻度因子的解析表达式,将其作为刻度因子的模型,来提高 FOG 的精度。同时将 RBF 神经网络对刻度因子进行建模的结果与传统的建模结果进行了比较,验证了采用 RBF 神经网络对低精度刻度因子建模是非常有效的。     

基于免疫聚类的RBF网络在说话人识别中的应用

针对传统的基于RBF（Radial Bais Function）网络的说话人识别系统中聚类中心的数量和位置难以确定的问题,提出了一种基于人工免疫机制的RBF网络作为分类器的说话人识别系统。采用人工免疫机制可根据输入语音数据集合自适应地确定RBF网络隐层中心的数量和初始位置。实际测试表明,该系统具有快速学习网络权重的能力,并且网络的全局寻优能力强,识别率高,是说话人识别的一种有效可行的新方法。     

基于RBF网络的合金配料预测模型的研究

针对钢包精炼的作用及其最终目标要求,运用径向基（RBF）网络,对合金配料模型进行设计,并根据精炼实际数据对模型进行验证,然后与BP网络的预测结果进行比较,以显示径向基网络在精炼合金配料模型中的可行性.     

遗传RBF网络在织物染色配色中的应用

讨论了具有非线性、不确定特性的织物染色配色过程建模与仿真问题。针对传统的织物染色配色方法效果差、精确度不高和难以达到期望结果的问题,结合RBF神经网络的特点,提出了用基于遗传算法训练的RBF神经网络,同时优化网络的参数,并利用遗传RBF神经网络建立织物染色配色模型。仿真结果表明,该模型不仅提高15%的精确度,而且具有全局搜索能力和很好的鲁棒性,在解决织物染色配色问题上取得了预期配色效果。     

基于PCA和RBF神经网络的中长期负荷预测方法

针对电力系统负荷预测问题,利用径向基函数(RBF)神经网络补全历史负荷数据,然后在主成分分析(Principal Component Analysis,PCA)和RBF神经网络原理的基础上,结合PCA和RBF神经网络方法进行负荷预测。实例表明该方法能有效降低输入变量的维数,且具有较高的精度。     

基于正交算法的RBF网络在高压断路器故障诊断中的应用研究

针对高压断路器的故障诊断,通过分析断路器的合闸电流波形,提取相应的特征量,作为径向基神经网络的输入,经训练后的网络作为断路器的故障诊断模型。由于BP神经网络存在的训练收敛速度慢且容易陷入局部极小等缺陷,提出了一种基于正交算法的RBF网络用于高压断路器的故障诊断方法。仿真结果表明,基于正交算法的RBF网络具有训练速度快、分类性能良好的优点,有很好的实用性。     

基于多传感器数据融合的漏磁信号采集与处理

漏磁检测以其高信噪比、高灵敏度和高检测效率,在无损检测中得到了广泛应用。随着科学技术的发展,传统的信号处理方法越来越不适应现代工业的需要,提出一种基于多传感器数据融合技术的漏磁信号处理方法。采用小波去噪的方法,并利用径向基函数(RBF)神经网络的数据融合技术对缺陷信号进行检测处理。仿真结果表明,采用这种方法可以有效提高系统的检测能力和信号精度。