基于神经网络的视觉伺服机器人摄像机标定

采用可调节点径向基函数神经网络实现视觉伺服机器人摄像机标定.首先将基于leave-one-out准则的orthogonal forward selection算法扩展到多入多出的RBF网络,建立摄像机标定的RBF网络模型.通过应用卡内基-梅隆大学标定图像实验室提供的标定数据进行仿真试验,验证此方法的有效性.由于OFS-LOO算法可构造出具有稀疏隐层节点的RBF网络,使网络具有较好的泛化推广能力,同时RBF网络为局部逼近网络,因此,此标定方法具有较高的标定精度和较强的标定实时性,适用于视觉伺服的摄像机标定.     

电控汽油机怠速RBF神经网络控制策略仿真研究

提出了用RBF神经网络来控制汽油机怠速的方法,用实验采集的怠速转速等信号作为神经网络学习训练的输入样本,给出了用输入怠速转速及其偏差值确定目标怠速的算法;用提出的梯度算法,进行怠速RBF神经网络误差修正学习训练,仿真结果表明:RBF神经网络能够有效地控制汽油机怠速过程,提高怠速控制的稳定性,改善怠速过渡过程的平滑性。     

基于RBF神经网络的非线性滤波研究

提出了一种基于RBF神经网络的非线性滤波解决方案.比较了BP神经网络和RBF神经网络在非线性滤波中的性能差异.文章最后应用MATLAB针对一伴有随机噪声的信号进行了仿真滤波实验,证明了该理论的可行性与优越性.     

基于RBF神经网络的人脸识别

介绍了RBF神经网络在人脸识别中的应用;通过理论分析和实验效果突出了RBF神经网络在机器学习中的优势。实验结果证明:RBF神经网络具有运算速度快、识别率高、算法简单等特点。在训练样本减少的情况下,该学习机的分类性能没有明显退化。因此,RBF神经网络是一种性能优异的学习机。     

基于RBF神经网络的VAV空调系统

变风量空调系统具有非线性和动态特性.目前,在VAV空调控制领域应用最广泛的神经网络是静态前馈Bp神经网络,而RBF是在Bp人工神经网络基本结构的基础上,通过存储内部状态使其具备映射动态特征的功能,从而使系统具有适应时变特性的能力.文中分别采用Bp神经网络与RBF神经网络建立模型,对VAV空调系统的少量参数的数据进行仿真预测,经比较分析,证明后者具有收敛速度快、预测精度高的特点.这表明利用RBF回归神经网络建模是可行的,其在VAV空调控制系统的研究领域有着较好的应用前景.     

基于PSO优化RBF神经网络的反应釜故障诊断

针对单一径向基函数(RBF)神经网络在反应釜故障诊断中泛化能力不足的缺点,设计了基于粒子群(PSO)算法优化的RBF神经网络。利用PSO算法操作简单、容易实现等特点及其智能背景,对RBF神经网络的参数、连接权重进行优化,并用经PSO算法优化的RBF神经网络对反应釜故障进行仿真诊断。仿真诊断结果表明,PSO算法优化的RBF神经网络具有较好的分类效果,较RBF诊断模型精度高、收敛快,具有推广应用价值。     

RBF神经网络的混合结构优化算法

本文改进了递归正交最小二乘（ROLS）算法的停止条件，并用改进的ROLS算法优选RBF神经网络中隐单元的个数；借用细菌群体趋药性（bacterial colony chemotaxis，BCC）算法的思想来确定RBF神经网络隐层神经元的控制参数；把改进的ROLS算法和BCC算法相结合（ROLS-BCC算法），来全结构优化RBF神经网络，使RBF网络不但可以得到合适的结构，同时也可以得到合适的控制参数。实验结果表明，本文算法的优化效率高，优化后RBFNN的结构小，并且提高了RBFNN的泛化能力。     

基于RBF神经网络的非线性系统智能控制

针对工业控制领域中复杂非线性时变系统，采用传统的控制方法不能达到满意的控制效果，提出了基于神经网络的PID自适应控制方案。采用神经网络辨识器在线辨识系统模型，自动调整PID控制器参数，从而实现系统的智能控制。仿真结果表明该方法对于复杂非线性系统能进行有效的控制并且具有很好的自适应性和鲁棒性。     

基于RBF神经网络的底盘测功机控制算法

介绍了底盘测功机的类型并对电涡流测功机工作原理进行了说明,介绍了RBF(Radial Basis Function),神经网络的算法并分析了其控制系统模型,利用其在线整定PID(Proportion Integration Differentiation)控制技术对系统控制器进行设计,并通过MATLAB仿真给出了系统控制模式的控制效果.经试验验证,控制算法控制效果良好,完全满足底盘测功机对控制品质的要求.     

基于RBF神经网络的红外二氧化碳传感器数学模型

介绍了红外二氧化碳传感机理和 RBF(Redial Basic Function)神经网络 ,并将带遗忘因子的梯度下降法应用于 RBF神经网络的参数调整。利用 RBF网络良好的非线性映射能力以及学习、泛化能力 ,通过采用高精度样本数据训练 RBF网络 ,最终建立起了基于 RBF神经网络的红外二氧化碳传感器数学模型。实验结果表明 ,该模型具有较高的精度。     

基于GT-POWER的汽油机燃烧乙醇汽油点火正时分析

根据点火提前角数学模型,对汽油机燃烧乙醇汽油后的点火提前角进行了计算,将计算值输入到GT-POWER模型中,运行后与实验值进行对比分析,得出汽油机燃烧乙醇汽油后点火提前角应相应的减小的结论,为汽油机使用乙醇汽油后点火提前角的调整提供理论依据.     

Taguchi与RBF神经网络在注塑翘曲参数优化中的应用

本文在CAE仿真的基础上,采用田口试验设计(Taguchi)和径向基神经网络(RBF)技术对引起翘曲的塑参数进行了优化.结果表明:Tagucbi技术可以在较少的试验次数的情况下,确定各因素对翘曲的影响程度,获取各因素最佳的水平组合;运用RBF建立翘曲产生的神经网络模型,可以预测各因素在不同水平组合下的翘曲变形程度,达到离线预测的目的.     

基于神经网络的摄像机标定方法研究

提出了一种新的基于神经网络的摄像机标定方法。该方法将标定物从三维降到二维,在获得网络样本时,通过Harris角点检测法和张正友二维平板标定法得到,使其能够在保证精度的基础上,降低时间复杂度。实验结果表明,该方法得到了较好的实验结果。     

基于RBF神经网络的球磨机负荷软测量

分析了球磨机负荷测量的现状,提出了基于并行RBF神经网络测量制粉系统球磨机磨筒内负荷的软测量方法,给出了相应的系统结构和算法.现场实测数据计算实例显示了该方法良好的测量性能.     

基于RBF神经网络的曲面数据修补研究

径向基函数(RBF)神经网络具有良好的泛函逼近能力,主要探讨了将RBF神经网络应用于残缺曲面数据修补问题,通过建立适于数据修补的网络模型与采用levenberg-marquardt算法的改进型BP神经网络进行性能比较.结果表明:RBF在进行残缺数据修补时网络收敛速度快于BP神经网络,且修补精度高,适宜于曲面残缺数据的修补.     

基于BP神经网络控制天然气发动机点火提前角

点火提前角控制是天然气发动机控制的最重要内容之一,精确控制点火提前角涉及到发动机运行的动力性和经济性。对此,开发采用BP神经网络控制的方法来实现天然气发动机的点火提前角控制问题,并基于发动机平均值模型进行了神经网络的MATLAB在线仿真。结果表明:点火提前角最大绝对误差0.4°CA,最大相对误差1.5%,该优化控制模型能准确地获取天然气发动机最佳点火提前角。     

采用改进遗传算法优化神经网络的双目相机标定

针对传统BP神经网络在双目相机标定过程中存在的迭代时间长、精度低等问题,提出了基于改进遗传算法优化BP神经网络的方法来完成双目相机标定.使用融合多格算法的Traj kovic算子进行角点检测,利用点对点空间映射和网格运动统计相结合的方法完成同名角点匹配,在此基础上,提取同名角点的像素值并计算其实际的三维坐标值.对遗传算...     

基于RBF神经网络的湿度传感器建模方法

针对高分子湿度传感器的测量精度易受温度影响的问题，提出了湿度硬件测量电路，建立了高分子湿度传感器的数学模型。此硬件测量电路的湿度传感器选用IH3605，温度传感器选用AD590。此数学模型采用RBF神经网络，利用在线测量的温湿度信号值，应用带遗忘因子的梯度下降算法进行网络参数的调整，同时给出了建模步骤。实际结果表明，该模型的误差小于0．5％RH，具有较高的精度。     

基于RBF神经网络的热连轧轧前计算

轧前计算是热连轧的一个重要环节,由于热连轧中影响因素多、变化范围较大,普通的数学模型不能准确地反映热连轧的生产过程.RBF神经网络在预报精度和网络冗余方面占有较大优势,将它引入轧前计算中可以提高计算效率,该方法也为研究多变量复杂工程系提出了一条新思路.