散布常数对径向基函数神经网络设计的影响

简要介绍径向基函数(RBF)神经网路的原理和结构。通过MATLAB语言仿真,进一步研究在设计RBF网络时,散布常数的选择对网络的影响。实验结果表明,在设计RBF网络时,必须选取适当的散布常数,否则会对结果造成较大误差。     

径向基函数神经网络在多维力传感器标定中的应用

维间耦合是制约多维力传感器测量精度的主要因素,为了克服传统线性标定方法的局限性,利用径向基函数（RBF）神经网络强非线性逼近能力进行了多维腕力传感器的静态标定,并将其与最小二乘法和BP神经网络标定法作了比较。以研制的六维腕力传感器为对象进行了实验,结果表明,采用RBF神经网络对多维腕力传感器标定比用最小二乘线性标定有更高的标定精度,网络训练速度则大大快于BP神经网络。这种新方法具有一定的实用价值。     

基于径向基函数神经网络的轮轨力检测

用测力轮对检测列车轮轨作用力时,由于轮轨作用力与轮辐贴片点处应变是非线性映射关系,同时作用的垂向力和横向力还会产生相互耦合,导致测量电路复杂,测量精度不高.本文在轮对有限元计算基础上,采用径向基函数神经网络拟合轮轨力与贴片点处应变的非线性关系,通过学习消除横向力与垂向力之间相互影响,简化了测量电路,提高了测量精度,达到很好效果.     

基于RBF径向基神经网络的摩擦学模型

建立了润滑油摩擦学特性影响规律的径向基神经网络模型,可以较准确地计算和预测润滑油摩擦系数与负荷及相对滑动速度之间的关系.试验结果表明这种网络具有很好的准确度和预测性,为摩擦学设计和程序化计算和分析提供了一种方便且有效的工具.     

时域径向基函数网络诊断方法在往复泵故障诊断中的应用

往复机械是工程中广泛应用的一种机械设备 ,由于其动力学和运动学形态比旋转机械复杂 ,对其进行故障诊断存在较大难度 ,有效提取往复机械运动中非平稳时变信号中的故障特征和将故障特征准确分类是解决往复机械故障诊断问题的两个关键。本文利用时域数字特征分析方法完成故障特征信息提取 ;通过径向基神经网络对特征信息分类识别 ,实现故障的自动诊断。利用以上原理建立的油田往复塞泵故障监测与诊断系统 ,通过在大庆油田的实际应用表明 ,系统能够比较准确的识别往复柱塞泵多种常见故障 ,且具有较高的运算速度。     

径向基函数人工神经网络在白城市年降雨量预测中的应用

根据白城市1960年-2010年的年降雨量数据，应用自相关分析方法来确定降雨量预测模型的输入输出变量，然后应用径向基函数人工神经网络方法来识别前期降雨量和后期降雨量的关系，并对白城市未来的年降雨量进行预测。结果表明：模型精度较高，所建立的神经网络预测模型可以用来对白城市的年降雨量进行预测。预测结果将对农业管理和灾害防治起到重要的作用。     

径向基函数预测网络拓扑确定新方法

预测能力相对薄弱,已经成为制约PHM(Prognostics and Health Management)技术发展和应用的瓶颈.随着传感器和BIT(Built-in Test)设计技术的日益进步,采用序列分析的方法对复杂系统装备进行故障预测已经成为可能.在基于序列分析的预测方法研究中,径向基函数预测网络具有结构简单、学习速度快、具备非线性建模能力等诸多优点.为了改进其预测性能,在深入分析网络拓扑对模型性能及建模时间影响的基础上,综合考察了序列最佳线性自相关长度、建模精度和模型复杂度等多种因素,提出了基于偏自相关函数统计检测的输入层节点数目确定算法和基于BIC(Bayesian Information Criteria)准则的隐层节点数目确定算法,用以构建径向基函数预测网络;并对算法的有效性进行了分析.仿真结果表明,同传统建模算法相比较,由新算法构建的径向基函数预测网络具有最佳的预测性能,且建模时间不足传统算法的3%.     

基于免疫克隆和径向基函数神经网络的铝热连轧张力控制研究

针对河南某公司"1+4"铝热连轧机组机升级改造过程中产生张力波动问题,分析了影响张力波动因素,模拟张力建立过程,构建出连轧张力控制系统框图。对于使用常规PID控制难以满足精度要求,提出了利用免疫克隆算法对PID控制器初始参数进行优化,然后与径向基函数神经网络复合进行在线控制,解决了控制过程中难以根据张力的波动在线调整控制器参数的问题。仿真结果表明,复合控制器的使用大幅度地减小系统超调量、过渡时间,降低了机架间张力耦合程度。     

利用径向基函数网络修正机枪有限元模型

在对机枪进行结构设计时,建立有限元模型并在此基础上进行动力学仿真,对了解其结构动态特性如何影响整个武器射击精度十分重要.提出了一种利用径向基函数网络进行机枪有限元模型修正的方法,将模型修正转化为正问题进行研究.根据实测模态数据对所建立的有限元模型进行修正,以径向基函数网络反映机枪结构参数与其动态特性之间的非线性映射关系,利用神经网络的泛化特性求解设计参数的目标值,不需迭代求解,并且避开了反问题面临的非线性优化计算.反演仿真数据代入的有限元模型计算结果与实测结果较为吻合,证明了该方法的有效性.     

椭圆特征值问题的局部径向基函数差分法（英）

本文介绍椭圆特征值问题的局部径向基函数差分法．这种方法的主要思想是人为选取各插值节点所对应的影响区域,只考虑影响区域内插值点对该插值节点的影响,忽略影响区域外插值点的影响．这种局部化方法在损失一定计算精度的同时离散得到稀疏矩阵,从而使算法能应用于计算大规模插值节点科学计算．通过数值实验,研究了节点分部,插值点数以及形状参数对该特征值问题计算结果的影响,并选用三种径向基函数进行计算比较．数值结果和解析解非常吻合．     

基于径向基神经网络模型预测CuO-ZnO/(乙二醇-水)混合纳米流体导热系数

采用两步法制备CuO-ZnO质量分数为0~3 wt%的CuO-ZnO/(乙二醇(EG)-水)混合纳米流体。其中,纳米颗粒CuO和ZnO质量比为50∶50不变,基液混合比(EG与去离子水的质量比)变化范围为20∶80~80∶20,分析其导热系数随温度(25~60℃)及基液比的变化规律。然后,以质量分数、温度及基液混合比为自变量,导热系数为因变量,采用径向基神经网络(RBFNN)模型预测导热系数,并与反向传播神经网络(BPNN)模型和多元线性回归(MLR)模型的预测值对比。结果表明,CuO-ZnO/(EG-水)纳米流体导热系数随温度的升高呈非线性增大,当CuO-ZnO质量分数为3 wt%及基液混合比为20∶80时,其导热系数与纯基液相比增大了14.03%~23.47%;但随着基液中的EG含量增大,导热系数非线性下降。总之,CuO-ZnO/(EG-水)纳米流体的导热系数受粒子随机运动和温度变化呈非线性变化。采用RBFNN模型预测CuO-ZnO/(EG-水)纳米流体的导热系数,其结果与BPNN模型和MLR模型对比,RBFNN模型性能评价指标均方根误差(RMSE)、平均相对百分比误差(MRPE)及误差平方和(SSE)更接近于0,多元统计系数R2更接近于1,说明RBFNN模型预测导热系数的精度更高,能够较好地表征不同参数对导热系数的影响,为CuO-ZnO/(EG-水)纳米流体的热物理性能参数的预测提供了一种有效的数据驱动建模方法。      

基于径向基函数的自适应网格方法

本文给出了一种基于径向基函数的自适应网格方法．该方法利用网格依赖方法的解与径向基函数插值解的信息来细化或粗化网格,充分利用了径向基函数计算格式简单、节点配置灵活的优点与网格依赖方法的稳健性．提出的算法很容易编程实现．数值算例表明该算法可以在解变化剧烈的区域加密网格,在解变化平缓的地方粗化网格,从而在保证相同数值求解精度的情况下,能够极大地节省计算量．     

径向基函数应用于流固耦合分析初探

该文在径向基函数(radial basis function, RBF)及其插值函数研究基础上,构建了基于RBF插值的流固耦合信息传递模型,进一步通过程序编制,在同济大学空间结构自动分析与设计软件—AADS系统中实现了对任一时间步上的流固交互作用分析,并得到与ADINA软件非常吻合的计算结果。算例分析表明：径向基函数可作为一种有效的界面信息传递方法应用于对三维流固耦合问题的研究。     

径向基函数网络在硅压阻气压传感器温度补偿中的应用

针对新型探空仪上选用的美国Honeywell公司24PCCFD6A型硅压阻气压传感器,采用径向基函数网络算法建立传感器温度误差的校准模型,提出了一种简单有效的软件温度补偿方法.     

基于径向基函数网络的刀具磨损识别

提出了一种基于灰色关联度优化网络神经元数目和径向基函数网络用于刀具磨损量预测的方法.以选取合理的涵盖影响刀具磨损的有关因素,采用不同切削条件下铣削加工过程刀具后刀面磨损的多组实验数据对网络模型进行训练以及对刀具磨损量进行估计和预测,预测结果与实际基本吻合.结果表明,该方法克服了用一个多元线性公式描述由切削条件和切削带来的后刀面磨损量的变化的刀具磨损高度非线性模型方法的缺陷,对于与刀具磨损量相关因素的非线性本质较易准确表达,所建立的刀具磨损网络模型可以较满意地计算出不同切削条件下刀具后刀面的磨损量.     

基于径向基函数的冷却塔风场重构

采用径向基函数法根据风洞试验结果对冷却塔的塔筒外表面进行风场重构,比较了重构前后喉部高度处迎风点和背风点的时程风压系数的相对误差,得出当体型常数C=0.5 C_max时（C_max为C值的最大取值）,在整个采样时间内绝大多数时程风压系数的相对误差在5%以内;将若干子午线上和环线上的重构结果与刚性模型测压风洞试验结果进行对比,证明了重构前后风压系数分布一致;分析了径向基函数中3种不同的C值对重构风场的影响,得出在这3种C值重构的结果中,取C=0.5 C_max时重构的效果最好;最后比较了两种不同点集密度重构风场的风场特性,得出加密前后风场特性不变的结果,为优化后续的结构瞬态动力响应分析提供了依据。该文研究表明,基于径向基函数法进行冷却塔风场重构是一种简单、有效的方法。     

基于径向基函数网络的煤粉质量流量测量

为了提高工业生产中煤粉质量流量检测的测量精度,在双弯管法测量固相质量流量原理的基础上,利用人工神经网络优良的非线性映射能力,将固相质量流量难以确定的影响因素反映到网络的连接权值中,建立基于径向基函数网络的软测量模型;在气力输送煤粉实验平台上进行实验,获取实验数据,以实验数据为样本对模型进行训练与仿真。结果表明,模型测量误差不超过3%,是煤粉固相质量流量测量的一种简单、有效的方法。     

基于径向基神经网络的谐波叠加法

风荷载的数值模拟在结构设计中起着非常重要的作用。在土木工程脉动风速时程的各种数值模拟方法中,谐波叠加法最为常用。而且,通过引入FFT和不同插值技术可以在不显著地影响模拟精度的情况下,大大地缩短模拟计算所花费的时间。本文提出使用径向基神经网络(RBF neural network)插值技术来改进传统的谐波叠加法。使用基于径向基神经网络和传统的谐波叠加法(未引入插值技术)来模拟一幢100米高高层建筑上10个点的脉动风速时程,通过均方根误差( Root Mean Square Error, )和相对误差系数( Error factor, )两项指标来评价改进的与传统的谐波叠加法相比较的模拟计算精度,并且记录各自所耗费的时间。结果表明：基于径向基神经网络谐波叠加法的精度令人相当满意,模拟计算效率大大提高。     

基于径向基函数量子蚁群的机械臂路径规划

目前,机械臂在工业生产中得到了日益普遍的使用,但是其运动轨迹的规划仍未得到较好的解决。该文重点研究了一种以径向基功能和量子蚂蚁为基础的机器人手臂的轨迹优化方法,它引入了径向基功能神经网络,并将蚁群算法与径向基功能网络相融合,利用蚂蚁算法对网络的权重和门限进行了训练,从而使蚂蚁神经网络既具备神经网络的宽泛的映射功能,又具备蚂蚁算法的快速、全局收敛以及启发式的优点,从而在一定意义上克服了仅利用神经网络的缺点。该文将该方法应用到机器人的运动轨迹优化中,取得了较好成果。该方法不仅具备大规模的神经网络映射,还具备蚂蚁优化和分布式计算的优点。     

基于椭球约束的径向基函数隐式曲面重建

对三维点云进行隐式曲面重建是解决虚拟现实等方面所存在问题的关键.本文提出了一种基于椭球约束的径向基函数隐式曲面建模的算法,该方法在仅有点云信息的前提下仍能够非常精确地拟合点云数据.当点云稀疏时拟合后的模型可以非常好地保证模型的主要特征,但对于拟合大规模数据点集时,模型会出现冗余现象,保特征效果不理想且效率低下.需将点云进行适当分割,然后并行拟合被分割点云并将它们进行光滑拼接处理.实验效果表明该算法保特征效果非常好且效率明显提高.