一种语音端点检测算法及其在DSP上的实现

提出一种基于模糊RBF神经网络的语音端点检测算法。该算法先利用小波分析提取语音信号的特征量,然后将其输入到模糊RBF神经网络进行端点检测运算,并采用以TMS320VC5416DSP为核心的电路进行算法实现。实验结果表明,该系统的端点检测正确率很高,即使在低信噪比时也能正确地判断语音信号的端点。     

基于不同学习算法的RBF神经网络在故障诊断中的应用

基于对RBF神经网络常用的3种学习算法的研究,通过对凝汽器典型故障类型与故障征兆分析,提出了基于不同学习算法的RBF神经网络凝汽器故障诊断,并对诊断结果进行比较.诊断结果表明,基于3种常见学习算法的RBF神经网络都可以准确诊断出凝汽器的各种故障,但聚类方法和OLS算法学习速度要快得多,梯度训练方法速度较慢.研究还表明,RBF神经网络在故障诊断领域具有很好的实用性.     

近距离跟踪指向空间非合作目标有限时间控制

追踪航天器在对空间非合作目标进行近距离跟踪与监视时,需要接近非合作目标并从特定方位保持对目标的指向与观测.针对非合作目标存在姿态翻滚以及未知轨道机动时追踪航天器保持近距离跟踪与指向的问题,在视线坐标系和体坐标系下分别建立了相对轨道和姿态的动力学方程,并构建了对轨道与姿态同步控制的六自由度模型,利用RBF神经网络对系统不确定性及未知的目标运动参数进行自适应估计和补偿,采用反步法思想设计控制器使追踪航天器在有限时间内收敛到期望的相对轨道和姿态并维持保持状态.进一步考虑控制输入饱和、死区等非线性特性,对控制律进行改进.改进后的控制算法可以有效地提高控制精度,仿真结果验证了控制对象模型和控制算法的有效性.     

复合多层RBF网络及其在偏微分方程数值解中的应用

针对多层径向基函数网络具有很高的实函数逼近能力,但每个聚类上的逼近精度不高的特点,通过引进子网络,构造复合多层径向基函数网络。模拟实验表明:这种网络可提高逼近精度,尤其对于实函数逼近精度更高;将该网络应用于偏微分方程的求解,可以克服传统径向基函数插值法因为引入导数边界条件而精度大幅下降的缺点,使得数值解的精度提高3~4个数量级。     

基于RBF神经滑模的XY平台迭代交叉耦合控制

永磁同步直线电机(PMLSM)直接驱动XY平台的轮廓加工精度会受负载扰动、双轴参数不匹配以及周期性轮廓误差的影响.针对这一问题,采用RBF神经滑模与迭代交叉耦合控制相结合的方式对两轴运动进行协调控制.设计RBF神经滑模控制器用以削弱负载扰动对加工系统的影响.采用实时轮廓误差法估算出轮廓误差模型,并且将轮廓误差作为控制器的输入,设计迭代交叉耦合控制器用以削弱双轴参数不匹配和周期性轮廓误差对加工性能的影响,实现跟踪误差与轮廓误差的同时减小.仿真结果表明,所设计控制系统具有较强的鲁棒性和较高的轮廓精度.     

BP神经网络和RBF神经网络模型对图书流通量的预测分析

图书流通量是评价图书馆工作的重要指标.为解决图书流通量预测问题,引入BP和RBF神经网络预测模型.结合北京建筑工程学院图书馆2002年至2010年建筑类图书的流通数据进行了matlab仿真,结果表明,两种模型都能有效预测图书的流通量.     

基于量子遗传算法的煤矿安全评价模型

煤矿安全评价涉及诸多不确定信息,用传统评价方法难以确保最后评价结果的准确性和可靠性。为此利用RBF神经网络设计出煤矿综合安全评价模型,根据我国煤矿的实际情况,通过事故树(FTA)和事件树(ETA)分析,归纳煤矿事故发生的危险因素和影响矿井生产的不安全因素。同时为了克服神经网络易陷入局部最小,研究采用量子遗传算法对神经网络模型的权值(阈值)进行优化。将该方法应用在阜新矿业集团公司某矿,结果表明,该模型可以准确地评价煤矿安全生产,为煤矿安全评价提供一条新的途径,对煤矿安全生产起到了重要的指导意义。     

一种改进的径向基神经网络预测算法

神经网络是数据挖掘的常用的方法之一,主成分分析方法是统计学多元分析中的一种分析多个变量间内在关系的方法。将主成分分析预处理方法与神经网络结合起来使用,可以分析原始变量间关系,将原始数据降维,减少数据规模。对神经网络算法和主成分分析相关理论进行了研究,在此基础上,结合大量的气象数据和北京的传染病数据,提出了一种改进的基于主成分分析预处理结合神经网络算法的数据挖掘方法。通过对比实验测试,本文提出的组合算法在收敛速度及预测准确性方面的性能有了很大程度提高。结合国家重大专项疾病预测项目,将该方法应用于其中的流行性传染病的预测上。     

基于平晶的非线性激光扫描直径测量系统

设计了一种基于平晶扫描的轴类零件直径测量系统。激光透射旋转的平晶产生扫描平行光,扫描光偏移光轴的距离是入射角及平晶自身参数的非线性函数,光电检测及计时电路获得测量周期和对应被测工件边缘的信号跳变时间,根据时间与转动角度的比例关系将所得时间量换算成入射角度,最终实现直径测量。利用刀口法进行标定实验,分别采用参数拟合法和RBF神经网络法确定实际非线性测量方程,完成了各测头的标定,进一步实现多测头系统标定,在100 mm的测量范围内,3σ重复性误差为0.006 mm,测量误差为±0.010 mm。     

基于RBF神经网络PID的无人动力伞控制

动力伞是一个复杂的非线性动力学对象,难以用精确的数学模型描述。对于这种具有非线性、时变和强耦合特性的综合系统,采用传统PID控制方法不能得到满意的控制效果,因此提出一种基于RBF神经网络的PID控制方法。该方法利用RBF神经网络的自学习、自适应能力自调整系统的控制参数,从而实现对PID控制器各参数的优化整定。在Mat-lab软件中的仿真结果表明,该方法可实现对动力伞有效的控制,并且与传统PID相比,具有更短的调节时间,更好的稳定性、自适应性和鲁棒性。