PID神经网络在弹道导弹姿态控制系统中的应用

根据弹道导弹姿控系统设计的特点，结合PID神经网络理论对弹道导弹的姿控系统进行了设计，在得到三通道分离的姿控系统线性模型的基础上，以俯仰通道为例进行设计，并进行了仿真分析，所得结果优良，从而说明了该方法的有效性与可行性。     

改进型RBF网络在模拟电路故障隔离中的应用

提出了一种最陡下降增量映射学习算法,对RBF网络的训练方法进行改进,并将之运用于模拟电路故障隔离.该算法通过增量映射学习算法对RBF网络的采样基函数进行迭代优选,简化RBF网络结构;采用最陡下降法改进增量映射学习算法,对神经元激励函数的参数进行调节,控制网络规模,提高网络的逼近能力.故障隔离实例显示了其优越性.改进的算法与传统算法相比,具有更快的收敛速度和更高的隔离精度.本算法为RBF网络的训练提供了一种可行的方法,在故障诊断领域有良好的应用前景.     

基于RBF的人工神经网络在PCB钻孔工艺中的应用

本文简要介绍了PCB行业中钻孔工艺的偏移问题以及RBF网络的特点与原理,着重介绍了应用RBF网络进行钻孔偏移分析及改善的优化模型、网络训练过程等,仿真测试结果表明其能较好地提高钻孔精度。     

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。     

RBF网络在延迟测试中的应用

由于网络延迟的不确定性和非线性变化的特点,使用求平均值方法或者观察线性表方法都不能获得满意的结果,所以本文利用RBF网络的非线性识别、自适应性和自组织性等特性来测试网络控制系统中的网络延迟的测试,能更好的解决模型误差的问题。     

基于OLS算法的RBF神经网络在大坝安全监测中的应用

文章介绍了RBF网络的基本原理以及网络中心选取OLS算法（正交最小二乘法）,并将该方法应用于大坝渗流安全监测资料的分析预报上,应用结果表明：该神经网路可以很好地克服BP神经网络学习过程的收敛过分依赖于初值和可能出现局部收敛的缺陷,具有较快的运算速度、较强的非线性映射能力和较好的预报功能。     

基于H2/H∞优化的微纳卫星饱和姿态控制器设计

针对微纳卫星的鲁棒抗饱和姿态控制问题,提出了一种新的基于混合H2/H∞优化的PID饱和姿态控制器设计方法.该方法不仅考虑了空间环境干扰力矩和星体转动惯量不确定性对姿态控制系统的影响,而且考虑了由于物理结构的限制和能量消耗的限制带来的输入饱和问题以及由执行机构安装误差和输入干扰导致的输入不确定性问题,因而能够有效地提高姿...     

RBF模糊神经网络在刚性机械臂控制中的应用

为了提高刚性机械臂轨迹跟踪控制的精度,本文在分析RBF神经网络与模糊逻辑系统的函数等价性基础上,提出了一种基于T-S型模糊推理方法的RBF模糊神经网络,设计出基于RBF模糊神经网络的工业机器人控制器.研究发现,与普通的模糊神经网络相比,该网络结构简单,层数少,训练速度快,能自动寻优,通过在线调整网络隶属函数的中心值和宽度,优化了模糊规则,实现了对非线性系统的高精度轨迹跟踪控制,而且表现出有效性和鲁棒性.     

RBF神经网络在显示器色空间转换中的应用

目的研究RBF神经网络对显示器色彩空间转换预测准确性的方法。方法通过编程借助Measure Tool软件自动测量获取建模和测试数据,通过反复测试选择建模合适的函数和参数,最后用RBF神经网络模型进行仿真实验,以获取较好的RGB转换到Lab色空间的转换模型。结果 RBF神经网络模型测试得到的色块平均色差达到0.75,最大色差达到19.7。结论该方法建模简单方便,网络训练速度快,转换精度高,对显示器色彩空间转换具有较好的非线性拟合能力和更高的预测准确性。     

蒸发器过热度的RBF网络在线辨识与仿真

提出了一种确定RBF网络中心向量的动态递推算法,介绍了RBF网络线性层连接权值的递推最小二乘算法,利用这些算法对蒸发器过热度进行了在线辨识,同时对网络结构和算法的参数变化对辨识精度的影响进行了研究。仿真结果表明了算法的有效性。     

基于RBF神经网络的自动包装机温度控制算法研究

目的针对传统热封工艺中温度调节PID算法参数过度依赖人工经验的缺点,提出一种RBF神经网络与PID算法相结合的具有参数自适应的热封温度控制算法。方法使用控制系统的输出误差作为代价函数,采用最小均方误差(LMS)调整权值与偏置参数,并通过中心自组织算法实现径向基函数中心和中心宽度的动态调节,在Matlab软件中的Simulink子系统中建立仿真模型进行算法验证,并与传统PID控制算法进行比较。结果仿真结果表明,径向基神经网络与传统PID算法的结合使得系统输出响应在动态性能和静态性能方面均优于传统PID,在系统上升时间、调节时间等方面均优于增量式数字PID。结论将RBF神经网络PID算法应用于自动包装机,避免了传统热封工艺中PID控制算法参数不能适应于复杂变换控制环境的问题,神经网络PID算法的自适应性强,实现了热封温度变化下PID参数的自动调整,在一定程度上提升了生产效率和包装设备的智能化水平。     

基于分区的 RBF 神经网络颜色空间转换模型的研究

根据 CMYK 颜色空间的特点,对其进行了分区处理,利用 RBF 神经网络最佳逼近性能、全局最优特性和高度非线性转换的优势,构建了基于 RBF 神经网络每个颜色空间分区转换的正向和反向模型。 通过训练样本建模和测试仿真实验,并对最后的实验数据分析处理,最终获得了一个较好的神经网络模型,并且模型的精度非常高。     

基于RBF神经网络的隧洞围岩变形预测方法

传统回归方法对于围岩变形时程曲线存在反弯点，这种情况的模拟具有难度。提出的基于RBF神经网络的隧道围岩变形预测方法，不仅能很好地描述复杂的围岩变形时程曲线     

基于RBF神经网络的灌装机控制系统设计

目的 针对传统液体灌装机灌装定量控制方法存在控制稳定性不高、控制精度较差等问题,引入RBF神经网络对液体灌装机高精度灌装定量控制.方法 构建液体灌装机伺服驱动计量缸传递函数,结合空间扰动性融合方法实现液体灌装机高精度灌装扰动特征解析;采用参数自适应辨识方法进行液体灌装机高精度灌装的定量分析;通过B样条曲线拟合方法对液体灌装机灌装拟合控制;通过自适应参数调节,构建RBF神经网络模型,实现液体灌装机高精度灌装定量控制的优化设计.结果 仿真结果表明,所提方法的液体灌装定量控制稳定性较好,灌装机灌装定量控制效果较好.结论 文中方法提高了液体灌装机高精度灌装的定量控制能力.     

基于RBF神经网络的飞参数据预处理

由于存在干扰,飞参系统记录的发动机参数中,经常会有不少间断点和奇异值.为了利用数据对发动机性能趋势进行预测,必须对数据进行预处理.发动机作为一个系统,其各主要输入和输出参数之间必然存在着一定的函数关系.本文研究了利用RBF神经网络和参数之间的关系对数据进行预处理,得到了较为正常的数据,结果表明该方法是有效的.     

记忆径向基神经网络在冷轧液压自动位置系统的优化控制

针对冷轧液压自动位置控制系统多变量、强耦合、高阶次和时变性等特点,提出一种引入记忆因子的径向基函数神经网络在线自适应调节PID参数的系统。为提高网络精度,利用改进的混洗蛙跳算法离线全优化记忆径向基神经网络,在获得网络结构的同时得到初始参数,避免网络模型训练的繁琐,并利用测试函数证明优化后的网络具有良好的逼近能力。然后利用优化后记忆径向基神经网络的自校正功能在线细调PID参数,仿真结果表明,该控制系统跟踪快、超调小、适应性强,控制品质优于传统PID和普通径向基神经网络PID控制方法。     

多模智能 PID 控制及其在液压电梯速度控制系统中的应用

本文基于普通ＰＩＤ控制器和人工智能的理论，针对液压电梯速度控制系统非线性和建模困难等特点。采用了一种多模式智能ＰＩＤ控制算法，它结合了普通ＰＩＤ控制器的优点。应用实例显示了这种控制方法的有效性。     

基于RBF神经网络的精细化营销研究

精细化营销分为5步骤:对数据进行标准化处理;利用因子分析确定客户细分变量;将聚类分为两层,利用最近邻聚类法初步确定中心,再利用均值聚类对中心进一步调整,确定RBF网络中心,并构建客户细分模型;在此基础上完成客户行为特征的描述和精细化营销策略的设计.通过实证研究,设计出某移动通信公司的精细化营销策略.     

Fault Diagnosis in Multivariate Control Charts Using Artificial Neural Networks

Most multivariate quality control procedures evaluate the in‐control or out‐of‐control condition based upon an overall statistic, like Hotelling's T². Although T² is optimal for finding a general shift in mean vectors, it is not optimal for shifts that occur for some subset of variables. This introduces a persistent problem in multivariate control charts, namely the interpretation of a signal that often discourages practitioners in applying them. In this paper, we propose an artificial neural network based model to diagnose faults in out‐of‐control conditions and to help identify aberrant variables when Shewhart‐type multivariate control charts based on Hotelling's T² are used. The results of the model implementation on two numerical examples and one case of real world data are encouraging. Copyright © 2005 John Wiley & Sons, Ltd.     

混合神经网络及其在非线性系统控制中的应用

针对一类非线性动态系统模型的特点,提出一种非线笥和线性神经网络的并联神经网络－－混合神经网络,克服了以非线性函数逼近线性函数引起的复杂性和不精确性问题,实现了对模型的线性和非线性部分的分别逼近。仿真例子说明了混合神经网络用于这类非线性动态系统控制的可行性。