组合人工神经网络模型预测海水腐蚀速度的研究

针对误差反传(BP)人工神经网络在海水腐蚀预测建模中的样本数量有限和隐含层单元数难以确定的问题,提出了结合使用自组织特征映射(SOM)网络和径向基函数(RBF)人工神经网络方法预测海水腐蚀速度.首先采用SOM对样本进行分类,再使用RBF进行样本训练和建模,并对A3钢和16Mn钢的海水腐蚀速度进行了预测.结果表明,该方法能够增强了网络局部泛化能力,提高了预测精度和计算速度.     

基于RBF神经网络的复合材料层合壳荷载识别

针对有限元逆分析方法进行荷载识别的大计算量的缺陷,以及鉴于传统的BP网络的速度慢和局部极小值问题,该文提出了将有限元方法与径向基函数(Radial Base Function,简记为RBF)神经网络结合对受集中载荷作用的壳体结构进行荷载识别。通过有限元方法计算出压电元件的集聚电荷,以该电荷来构建训练样本对网络进行训练,再将没有进行训练的电荷数据送入到训练好的RBF神经网络进行预测,实现对壳体结构荷载的作用位置和大小的评估。最后给出了对壳体结构荷载识别的算例,结果表明该方法计算速度快、精度高、具有较好的应用前景。     

基于RBF和优化Wiener模型的轴承剩余寿命预测

针对滚动轴承寿命准确预测缺乏表征其健康状态的可靠退化指标的问题,提出径向基(RBF)神经网络及带有漂移参数的维纳(Wiener)模型进行剩余寿命预测。首先,使用小波包奇异谱熵提取轴承振动信号初始特征;其次,利用早期无故障样本特征和失效样本特征训练RBF神经网络模型,将已提取特征全寿命数据输入到RBF神经网络模型,计算隶属度,作为轴承退化指标;最后,根据滚动轴承的退化轨迹,选择不同Wiener模型进行退化建模,根据AIC信息准则和对数似然值选择合适的模型,利用极大化轮廓似然函数在线更新模型参数,预测轴承寿命。结果表明,所提出的轴承退化指标能够表征健康状态,基于该退化指标的Wiener模型能够准确预测轴承的剩余寿命。     

基于局部放电监测的变压器故障诊断系统研究

在分析局部放电的监测和故障诊断研究现状的基础上,针对所存在的问题,提出了基于局部放电监测的变压器分层故障诊断系统,该系统充分利用局部放电电声联合检测获得的在线监测数据、油中溶解气体分析结果以及停电试验数据、SCADA数据、设备故障及检修记录等信息,将径向基人工神经网络（RBF）技术与黑板型专家系统结合起来,对故障的类型、性质、危害程度以及定位进行逐步深入的分析,并根据诊断结果提出相应的检修策略。最后根据系统的设计思想给出实现方案。     

水力发电机组的模糊神经网络参数自整定PID控制及仿真

为适应水电机组的复杂工况和高指标的控制要求,提出了一种水力发电机组的模糊神经网络参数自整定PID控制系统．即利用多层神经网络构建模糊自适应PID控制算法,通过神经网络自学习能力在线提取模糊控制规则。优化控制器隶属度函数,根据不同时刻的误差e和误差变化ec,利用模糊逻辑控制,在线自整定PID参数,进一步完善了PID控制器的性能,提高了系统的控制精度。仿真实验表明：该控制器明显地改善了控制系统的动态性能,能使系统达到满意的控制效果,对进一步应用研究具有参考价值。     

基于神经网络焊接数值模拟研究及工艺参数优化

在有限元分析的基础上,利用RBF神经网络针对汽车后桥壳焊接过程中的工艺问题及焊接残余应力的影响进行了研究,利用正交试验找出焊接工艺参数的主要因素,利用MATLAB软件提供的径向基函数工具箱设计神经网络训练样本,采用有限元分析软件ANSYS对汽车后桥壳体焊接过程进行了模拟分析,分析结果与神经网络预测结果进行比较,得到不同焊接工艺参数组合下的最大残余应力值,获得提高焊接质量的优化焊接工艺参数．     

基于SVM对隐写分析RS算法的改进

RS分析方法是隐写分析理论中检测LSB隐写的一种典型算法,但其对低密写率的情况下其正确检测率是不理想的.针对这种情况,结合统计学习理论,利用一种基于支持向量机(SVM)来改进RS隐写分析算法,在保留RS特征选取策略的前提下,改用支持向量机(SVM)对选取的特征集进行分类识别.实验结果表明,原始无损存储图像,经改进后的算法比RS隐写分析算法具有更优的性能.     

Reliability analysis of tunnels using a metamodeling technique based on augmented radial basis functions

Metamodeling techniques have been developed and used for years in engineering reliability analysis involving expensive response simulations. In practical tunnel engineering problems where finite element (FE) simulations are required, the limited state/performance functions are in general implicit and nonlinear, and it is difficult to apply traditional gradient-based or sampling-based reliability methods, especially for large-scale problems. There is a need to develop accurate and efficient metamodels for practical tunnel engineering applications. In this paper, a metamodeling technique for reliability analysis of tunnels was studied based on augmented radial basis functions (RBFs). With a relatively small size of samples, the RBFs were used to create accurate approximate functions for different types of responses including linear and higher-order nonlinear functions. With the RBF-based metamodel constructed to express a limit state/performance function, Monte Carlo simulations (MCS) were applied to evaluate failure probability. The failure probability and reliability index obtained using the RBF-based metamodeling method were found to have good accuracy with a reasonable number of sample points. The reliability analyses of two existing tunnel examples showed that the augmented RBF metamodeling approach was efficient and effective for tunnel engineering problems.     

RBF神经网络在核能谱平滑中的应用

在γ能谱中,为对核素进行可靠的定性、定量分析,需对原始能谱进行平滑滤波。径向基函数(Radical Basis Function,RBF)由于具有网络全局逼近性质和最佳逼近性能,对核能谱进行函数逼近。根据平滑要求和处理速度,建立不同函数的RBF神经网络对核能谱进行平滑滤波。实验结果表明,RBF神经网络方法能达到更为灵活和合理的平滑滤波。     

深冷空分增压膨胀机组运行特性关联参量的RBF 建模

为了满足现场软测量的要求，研究了某制氧机公司正在调试的深冷空分设备用增压膨胀机组的膨胀空气流量、膨胀端进口压力、膨胀端进口温度、膨胀端出口温度、增压端出口压力和膨胀机转速的因果关系，建立了 RBF 神经网络模型，实现了运行特性量间关系的高精度拟合和预测。获得的神经网络模型的精度至少在96．97％以上。利用学习好的 RBF 神经网络可以迅速方便地实现现场运行特性参量间关系的预测。