基于季节性RBF神经网络的月度市场需求预测研究

本文提出一种季节性神经网络预测模型,对具有季节性变化的产品月度市场需求进行预测.在Matlab语言环境下,用傅立叶周期分析法得到时间序列的周期长度;借鉴嵌入理论,提出了确定季节性神经网络输入维数的策略;利用计算机程序搜索,确定最优参数;通过合理插值,重构样本集.仿真实验表明,该模型的预测精度明显高于其他几个常用的季节预测模型.     

基于RBF神经网络的一类非线性时滞系统自适应控制器设计

针对一类带有未知非线性函数的严格反馈非线性时滞系统,设计了一种自适应神经网络控制器.选择径向基函数神经网络逼近未知的非线性函数.所提出的控制方案能保证闭环系统的所有信号是全局一致最终有界的.证明了跟踪误差信号将收敛于一个小紧集内.仿真实例验证了所提出方法的有效性.     

基于模糊RBF神经网络的单位廉政风险评价研究

廉政风险防控是反腐败工作的新举措,对风险的评价是风险管理中一个不可缺少的流程.首先运用文献研究方法,提出廉政风险评价的初步指标,再运用帕累托理论得到经过约减的指标体系.建立基于模糊RBF神经网络的廉政风险水平评价模型.并在某军区对20个单位的廉政风险水平进行评价,与传统的评价模型相比,模型能够克服评估过程中的随机性和不确定性,以及计算过程中容易陷入局部极小的问题.     

基于RBF神经网络模型的结构可靠度优化方法

在结构构件尺寸、材料属性以及外部载荷等不确定性因素影响下,基于可靠度的优化给出了兼顾结构的成本和安全性能的安全设计方案.由于传统的可靠度优化方法采用嵌套的双层优化列式求解,因此导致计算量过大.为了克服这个问题,学者们相继提出了解耦方法和单循环方法等方法.该文采用RBF神经网络模型用于可靠度优化问题的求解中,通过拉丁超立方方法构造代理模型,并用误差指标来验证代理模型的精确程度,同时自适应更新代理模型直至满足需求.通过与现有可靠度优化4种主流算法的比较,说明了该文提出算法的高效性和稳健性.     

合成指标评价的RBF神经网络法研究

合成指标往往没有真值,使其无法通过RBF神经网络法进行学习以获得分项指标在确定合成指标时的具体结构,导致该法不能对指标体系合成指标进行拟合与评价,从而限制了神经网络法在该领域的应用.如果合成指标具备整体递增的属性,则在不失人们对合成指标习惯性要求的前提下,可以通过最小二乘映射法获得合成指标的虚拟真值,以...     

一类RBF模糊神经网络的逼近性研究

本文将RBF神经网络的输入、权值以及径向基函数设为折线模糊数,构造了一类折线RBF模糊神经网络.以三角模糊数为例,讨论了折线RBF模糊神经网络的参数训练方法,通过实例验证了该网络对模糊值函数的逼近性能.     

基于RBF神经网络的鲁棒因子滑模变结构多自由度机械臂精确跟踪控制研究

针对具有时变干扰的不确定多自由度机械臂,文章设计了基于RBF神经网络的含有鲁棒因子的滑模变结构高精度跟踪控制方法.针对时变干扰,设计鲁棒因子,将其嵌入滑模变结构控制器,克服了时变干扰对系统跟踪性能的影响.将RBF神经网络控制算法结合鲁棒因子滑模变结构控制,估计多自由度机械手臂系统的不确定因素.采用Lyapunov函数方法,证明了系统的稳定性.对比分析了计算力矩法滑模变结构控制方法,仿真结果证明,基于RBF神经网络的鲁棒因子滑模控制,针对具有时变干扰的含有不确定因素的多自由度机械手臂系统,具有较为精确的跟踪性能.     

基于神经网络的一类非仿射非线性系统自适应控制

针对一类带有不确定性的非仿射非线性系统,利用Backstepping设计方法,设计了一种神经网络自适应控制器．该控制器可以实现跟踪特性．基于Lyapunov函数,得出稳定的权学习算法．并利用Lyapunov稳定性理论证明了闭环系统是一致最终有界的．仿真结果表明,这种控制器具有良好的鲁棒性和跟踪特性．     

$L^p(K)$中RBF神经网络的系统识别问题

L^p approximation problems in system identification with RBF neural networks are investigated. It is proved that by superpositions of some functions of one variable in L^ploc（R）, one can approximate continuous functionals defined on a compact subset of L^P（K） and continuous operators from a compact subset of L^p1 （K1） to a compact subset of L^p2 （K2）. These results show that if its activation function is in L^ploc（R） and is not an even polynomial, then this RBF neural networks can approximate the above systems with any accuracy.     

基于RN和GN的两种RBF神经网络的工程造价预测模型

建立了调用NEWRB函数的正规化网络RN和基于K-means聚类的广义网络GN的两种RBF‘神经网络的工程造价预测模型,以55个厦门市工程造价案例进行实证分析.结果表明:当调用NEWRB函数构建RBF模型时,其性能主要取决于分布宽度,而基于K-means聚类的RBF神经网络主要取决于重叠系数和隐含层节点数;基于广义网络GN的RBF神经网络模型的训练效果较差,但学习速度更快、预测精度更高.     

择优RBF神经网络下切削率的优化

本文通过择优RBF(径向基函数,Radial Basis Function)神经网络对影响切削加工过程的切削参数进行建模,对切除率进行拟合预测;提出松弛误差作为衡量网络精度的指标,使RBF选择最优的分布密度,从而有效提高RBF神经网络的拟合预测能力;并将择优RBF的拟合和预测结果与BP的相应结果进行了比较,结果显示择优RBF神经网络的拟合和预测精度大大优于BP神经网络.     

一类不确定非线性系统基于神经网络的自适应控制*

本文将非线性系统的几何方法与神经网络理论相结合,并利用变结构控制思想,研究了一类不确定系统的全局跟踪问题.     

基于BP神经网络的企业内部控制体系评价研究

对内部控制体系评价可以采用定性和定量两种评价标准。定性评价受评价人员的主观判断的影响，往往缺乏客观性，而定量评价则以其科学、精确、可比的特征受到审计机构的欢迎。本文构建了内部控制评价指标，把描述企业内部控制状况的特征信息作为神经网络的输入向量，而把代表相应综合评价结果的值作为神经网络的输出，并用足够的样本训练这个网络，使不同的输入向量得到不同的输出量值，从而对企业的内部控制状况进行了量化的评价。     

基于BP网络和RBF网络的模糊系统建模

Ｗｈｅｎａｐｐｌｙｉｎｇａｆｕｚｚｙｃｏｎｔｒｏｌｍｅｔｈｏｄｏｒａｎｉｎｔｅｌｌｉｇｅｎｃｅｃｏｎｔｒｏｌｍｅｔｈｏｄｔｏａｎｅｆｆｅｃｔｉｖｅｃｏｎｔｒｏｌｏｖｅｒａｃｏｍｐｌｅｘｓｙｓｔｅｍ,ｉｔｉｓｓｏｍｅｔｉｍｅｓｎｅｃｅｓｓａｒｙｔｏｉｄｅｎｔｉｆｙｓｙｓｔｅｍａｔｉｃｓｔｒｕｃｔｕｒｅａｎｄｐａｒａｍｅｔｅｒｓ．Ｍａｔｈｅｍａｔｉｃａｌｌｙ,ｉｔｉｓｊｕｓｔｔｈｅｐｒｏｂｌｅｍｓｏｆｕｎｉｖｅｒｓａｌｆｕｎｃｔｉｏｎａｌａｐｐｒｏｘｉｍａｔｉｏｎａｎｄｆｕｎｃｔｉｏｎａｐｐｒｏｘｉ…     

随机时滞神经网络系统的自适应控制稳定性

考查一类具有时滞延迟的随机非自治神经网络系统的两类稳定性问题,不同于常规使用的Lyapunov-Krasovskii函数方法和线性矩阵不等式技巧,通过构造新的比较原则,将神经网络(NNs)与随机神经网络(SNNs)两种模型进行比较,给出了随机神经网络(SNNs)自适应控制器能够使受控系统依概率稳定性和矩稳定性的新的代数判断依据.此外,通过数值算例对主要结果进行验证.     

基于观测器的非严格反馈时滞非线性系统的神经网络自适应控制

针对一类非严格反馈的时滞非线性系统,研究了一类基于观测器的自适应神经网络控制问题.针对系统中存在未知状态变量的问题,设计了一个状态观测器.利用反步法和径向基神经网络的逼近特性,提出了一种自适应神经网络输出反馈控制方法.所设计的控制器保证了闭环系统中所有信号的半全局一致有界性.最后,通过仿真验证了所提控制方法的有效性.     

双臂空间机器人姿态、关节协调运动基于RBF神经网络的自适应控制算法

讨论了载体位置无控、姿态受控情况下,双臂空间机器人姿态、关节协调运动的控制问题．由Lagrange第二类方法及系统动量守恒关系,建立了漂浮基双臂空间机器人的系统动力学方程．以此为基础,借助于RBF神经网络技术、GL矩阵及其乘积算子定义,对双臂空间机器人系统进行了神经网络系统建模;之后针对双臂空间机器人所有惯性参数均未知的情况,设计了双臂空间机器人载体姿态与机械臂各关节协调运动基于RBF神经网络的自适应控制算法．提出的控制算法不要求系统动力学方程具有惯常的关于惯性参数的线性性质,且无需预知系统惯性参数的任何信息,也无需对神经网络进行离线训练、学习,因此更适于实时应用．一个平面漂浮基双臂空间机器人系统的数值仿真,证实了该控制算法的有效性．     

基于终端滑模模糊神经网络的电力系统负荷频率控制研究

针对区域互联电力系统受到风电及负荷扰动后,系统频率会出现大幅度波动问题,提出一种基于终端滑模模糊神经网络的多区域互联电力系统负荷频率控制(LFC)方法。在分析单一区域电力系统有功输出特性的基础上,建立计及多区域有功输出的互联电力系统负荷频率控制模型。采用自适应逆控制,有效的解决系统响应和扰动抑制的矛盾。将终端滑模模糊神经网络引入自适应逆系统,构建模糊神经网络辨识器,利用终端滑模在有限时间内可实现无静差跟踪的特点,进一步提高神经网络的辨识能力。仿真结果表明所设计的基于终端滑模模糊神经网络的自适应逆系统,不仅可以得到好的动态响应,还可以使风电及负荷扰动减小到最小。     

基于增益调度解耦控制的飞行控制系统研究

针对一类非线性系统,设计了增益调度解耦控制律,且给出了定量的闭环特性分析.在控制系统分析中,建立了闭环系统阶跃响应和动态性能指标关于控制参数的数学表达式,从而克服了许多控制算法中参数试凑的盲目性和重复性.此外,在控制律实现中,为保证作为调度变量的系统输出缓慢变化,且为避免工作点处实际模型和线性模型之间的大偏差以及控制量的瞬时值过大或是振荡,提出进行参考信号变换,即阶跃跳变部分都用正弦信号去替代.为验证所设计控制律的可行性和有效性,将其应用于四旋翼飞行器的飞行控制中.根据四旋翼飞行器的结构特性和运动原理,设计了递阶形式的飞行控制结构,并采用所提出的增益调度解耦控制律分别设计外环的位置控制器和内环的姿态控制器.飞行仿真结果表明所设计的飞行控制系统结构和所提出的控制律具有可行性和有效性.     

带有摄动的随机非线性系统的自适应神经网络控制

针对一类带有摄动的随机严格反馈非线性系统,引入积分型Lyapunov函数,利用神经网络的逼近能力,后推设计方法以及Young's不等式,构造出一类简单有效的自适应神经网络状态反馈控制器,在一定条件下,通过Lyapunov方法,证明了闭环系统的所有信号在二阶或四阶矩意义下半全局一致终结有界.仿真结果验证了所提控制方案的有效性.