基于径向基函数的曲面重建算法

针对基于传统径向基函数的数据插值方法在重建大量数据点云曲面时的困难,提出将数据点先分割再分别重建的方法.将点云的包围盒沿坐标轴分割,两两合并相邻的方块,使得方块相互重叠且覆盖整个包围盒.对每个包围盒内的点用径向基函数方法插值,利用窗口函数将每个函数限制在各小方盒内求和得到最终的整体插值曲面.借助MC（marching cubes）方法得到三角网格曲面.每个方块内点云的重建过程可以并行实现,因此该方法非常适用于对重建效率要求较高的场合.     

工业酚水稀释的RBF神经网络预测控制

针对酚水稀释过程中酚水流量不便测量的工程情况,提出了一种基于RBF（径向基）神经网络的预测控制方法.在酚水罐每个液位变化周期内使用计算机定时测量液位高度,并将这些高度值作为目标输出,在每个循环结束时训练RBF网络,利用RBF网络的逼近能力来实时预测酚水流量,从而控制清水的配比,实现酚水质量浓度的稳定.该方法可避免测量误差带来的干扰,提高控制精度.     

基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了...     

基于多信息融合的双进双出磨煤机料位检测

针对双进双出磨煤机料位检测难题,提出了一种基于多信息数据融合的双进双出磨煤机料位检测方法.该方法将粗糙集（RST）和径向基（RBF）神经网络相结合,利用粗糙集数据简约和规则抽取特性,有效地去除大量冗余数据.利用RBF神经网络函数逼近能力更强和收敛速度更快等优点,引入带遗忘因子的梯度下降算法来整定RBF神经网络参数,简化了神经网络结构,提高了神经网络的学习效率,同时拥有自学习和容错能力,从而有效地保证了数据融合的快速收敛性和稳定性.实验结果表明,在料位检测过程中,将两种智能算法相结合所构成的融合系统,能使双进双出磨煤机准确地完成复杂环境的料位检测任务.     

基于优化异质BP神经网络信息融合的清洁机器人定位研究

清洁机器人的移动定位是个复杂的非线性定位的问题,精密机械结构与路径规划无法补偿定位不精确造成的移动误差,提出一种基于异质RBF神经网络信息融合的清洁机器人定位技术,设计了智能机器人的控制系统、移动系统和感知系统,设计多个位姿传感器后,实时采集位置信息,在主控芯片中使用粒子群优化神经网络技术对多传感器的信息进行融合,计算清洁机器人的位置信息,解决了位置因素非线性强,定位误差大的问题,并且有效提高了神经网络的局部收敛能力;使用机器人多传感器的实验平台测试证明,这种方法下清洁机器人的移动中定位准确率较传统方法提高13%,具有很强的可靠性与实用性。     

基于RBF神经网络优化的装备保障系统效能评估

针对现有装备保障系统效能评估方法存在依赖专家经验、主观性强等问题,提出一种基于径向基函数（RBF）神经网络优化的装备保障系统效能评估方法。通过完备交叉与预变异策略对遗传算法（GA）进行改进,利用改进的GA对RBF神经网络中心、宽度及输出权值进行全局寻优,并采用优化的RBF神经网络实现装备保障系统效能评估。仿真结果表明,该方法相比AGA-RBF和GA-RBF评估方法能更准确地评估装备保障系统效能值,并且可在一定程度上降低评估过程中主观因素的影响,确保评估结果更客观真实。     

基于神经网络的伺服机械手LuGre摩擦补偿控制

针对伺服机械手系统的LuGre摩擦模型参数辨识难,难以建立其精确的数学模型,利用径向基函数( RBF)神经网络的万能逼近特性逼近LuGre摩擦,并作为计算转矩控制器的补偿项。通过Lyapunov方法证明了系统的稳定性以及闭环系统跟踪误差的收敛性。仿真结果证明控制算法能对摩擦进行有效补偿,提高了伺服机械手系统的轨迹跟踪控制性能。     

基于K均值与WPA-RBF神经网络模拟电路故障诊断

针对模拟电路故障诊断进行了研究,提出了一种新的方法。该方法包括haar的小波分解,对数据的归一化处理,以及用K均值优化RBF的中心向量和宽度,用狼群算法优化RBF的权值。首先用haar小波对所得的电路原始故障数据集进行变换,然后对变换后的数据进行归一化处理,最终得出RBF神经网络训练所需的输入数据。针对RBF神经网络中隐层节点中心、基函数宽度及权值选取困难问题,这里用K均值优化RBF的中心向量和宽度,用狼群算法优化RBF的权值,以提高网络训练稳定性与诊断成功率。最终通过两个电路的诊断实例,来论述该方法的具体实现过程,验证用该方法进行模拟电路故障诊断的可行性。     

重力不同引起的载人月球车操纵差异分析

为分析月球与地球重力差异对驾驶员所带来的操纵影响,推导了载人月球车操纵动力学方程.基于径向基神经网络和间接逆模型的训练方法,建立以行驶轨迹为输入、驾驶员操纵转角为输出的载人月球车操纵动力学逆系统.采用两种不同类型的间接对比形式,包括地球重力条件下重复月面行驶的轨迹路线和月球重力条件下重复地面行驶的轨迹路线.将正弦函数和斜坡阶越函数作为驾驶员操纵输入,获得月球或地球重力条件下的行驶轨迹,并利用逆系统求解得到不同重力条件下行驶相同轨迹时驾驶员的操纵转角.结果表明,驾驶员在月球重力条件下需要做出更大的操纵转向角度、更快的操纵转向速度、更高的操纵转向变换频率,并且在月球重力条件下更不容易重复地球重力条件下的相同行驶轨迹.这说明载人月球车在月球重力条件下的操纵性能较差.     

模拟电路单故障与多故障诊断的提升小波和RBF方法

为了更高效、更准确地诊断模拟电路的单故障和多故障,提出了提升小波和RBF神经网络相结合的方法。该方法用提升小波系数表征故障电路的特征,训练RBF神经网络,将训练好的神经网络作为分类器,对故障电路进行诊断。通过对比,提出的提升小波方法诊断效果明显优于传统小波,准确率达到99.2%,用时更长。结果表明,基于提升小波和RBF神经网络的模拟电路单故障与多故障诊断方法可以有效地提取故障电路的特征并准确快速地对故障进行分类。