基于RBFNN和HDP方法的蔗糖生产澄清工段中和pH值优化控制器的研究

澄清工段是亚硫酸法生产蔗糖的关键过程之一,而pH值又是该过程最关键的工艺指标,能否将其pH值稳定地控制在要求范围将影响整个糖厂产量和白糖质量．由于该过程是一个复杂的物理、化学过程,具有多输入、大滞后、强非线性、时变参数等特点,因此该过程pH值的稳定控制和优化问题一直没有得到很好的解决．采用径向基函数神经网络（RadialBasisFunctionNeuralNetwork,RBFNN）来建立该过程的神经网络模型．然后利用RBFNN来设计基于启发式动态规划（HeuristicDynamicProgramming,HDP）方法的优化控制器．仿真结果表明该方法可以取得满意的控制效果,为解决复杂非线性动态系统的优化控制问题提供了一种新途径．     

基于径向基神经网络的非线性系统辨识

提出了基于径向基函数神经网络模型的系统辨识方法，由于径向基函数的神经网络比多层前馈人工神经网络模型相比，在逼近非线性函数时，具有结构简单，收敛快、且无局部极小的优点，通过计算机仿真证实了该方法具有良好的辨识效果。     

基于径向基函数神经网络的插值及其应用

针对径向基函数 (RBF)神经网络的特点 ,对插值问题 ,采用RBF神经网络进行求解。并通过增加神经元的输入和输出来拓展应用范围 ,文中讨论了在对一个实际问题建立数学模型中的应用 ,从应用的结果看 ,比传统插值方法更方便 ,具有较好的使用价值 ,并且可以很容易地推广到求解高维数据插值问题之中。     

基于混合学习算法的径向基函数神经网络设计

隐藏层中心点参数的选择和权值向量的快速计算是径向基函数神经网络设计的关键问题.基于"半月"数据集,论文提出了一种上下半月单独计算聚类中心的K-均值聚类、递归最小二乘算法计算权值向量的混合学习算法.基于三层RBF神经网络结构,以支持向量机作为分类器,开展了K-均值+最小均方算法及K-均值+递归最小二乘算法2种混合模式的对比实验.实验结果表明,"K-均值+RLS"算法相比"K-均值+LMS"算法具有更快的收敛性,在应对线性不可分的情况,上下半月单独作用的K-均值聚类算法表现更优越,综合考虑收敛速度及分类精度两个指标,论文提出的上下半月单独计算中心点的K-均值聚类+RLS的混合学习算法获得较优的性能.     

一种冠心病心电信号的识别方法

将径向基函数网络(RBFN)用于冠心病心电信号的识别.首先给出了RBF网络的结构,然后讨论了网络的训练方法.并构造了RBFN对冠心病心电信号和正常信号进行了识别.临床和仿真结果表明了该方法的有效性.     

基于水平集方法的连续体结构拓扑优化方法研究

采用水平集方法描述结构的拓扑及其变化,使用紧支径向基函数对计算区域的水平集进行插值以得到参数化的水平集方法。针对给定体积约束下结构最小柔度的拓扑优化问题,推导了目标函数对插值系数的灵敏度及拓扑优化的迭代格式,数值计算表明,使用该方法进行结构拓扑优化得到的结果边界形状光滑连续且计算稳定性较好。     

基于RBF神经网络的时延预测模型与仿真

网络控制系统中时延普遍存在,时延的有效预测对控制系统非常重要。为准确对时延进行预测,文章建立一个基于RBF神经网络的时延预测模型,运用Matlab软件对该模型进行仿真,采用归一化的方法对用于测试的数据集进行预处理,利用这些处理过的数据集对该仿真模型进行训练和测试,结果证明RBF神经网络能很好的预测网络时延。     

径向基函数网络在电液伺服系统故障诊断中的应用研究

针对电液伺服系统的故障诊断,提出融合系统状态信息作为系统特征向量,引入径向基函数网络作为模式识别分类算法的智能诊断方法,并论述采用径向基函数网络作为分类算法的可行性及其优势。最后以电液位置伺服系统为例,建立相关的径向基函数网络,验证以上的陈述。     

基于神经网络预报的动态矩阵预测控制

提出了一种基于径向基神经网络预报的动态矩阵预测控制新算法，在该算法中，先用RBF神经网络辨识对象模型，同时预测对象的未来输出，然后用动态矩阵控制算法进行滚动优化和反馈校正。该方法解决了非线性、时变对象难以建模的问题，仿真结果验证了这一新型算法的可行性。     

柔性机构非线性运动的神经网络辨识模型

研究目的是建立柔性机构非线性运动辨识模型.柔性机构的运动形态为高度非线性,利用径向基函数(RBF)神经网络,将机构驱动力矩和机构非线性运动参数分别作为RBF神经网络的输入和输出,利用达到训练精度要求的RBF神经网络进行柔性机构的非线性运动参数的辨识.计算速度快,精度高,为复杂系统的辨识提供了一种理想的建模方法.     

基于径向基神经网络的我国外汇储备规模预测

基于MATLAB6．5平台编程，运用非线性径向基神经网络对我国外汇储备规模进行预测分析，以我国历年外汇储备数据为训练样本，进行网络训练与检验，结果表明，我国外汇储备存在超常规增长，径向基神经网络具有良好的预测性能。     

基于小波神经网络的定子电阻在线辨识的研究

电机定子电阻的变化影响了直接转矩控制系统的低速性能.定子电阻的变化具有非线性、时变性等特点,难以建立精确的数学模型,因此提出了基于小波神经网络的定子电阻线辨识的方案,该网络采用梯度下降算法训练,可用于对定子电阻进行在线的辨识.仿真实验测试结果表明该辨识器能够精确辨识定子电阻值,从而有效地改善了直接转矩控制系统的低速性能.     

基于RBF神经网络模型的在线旅游供应商客户分类研究

采用某在线旅游供应商提供的客户信息数据作为研究样本,使用SPSS软件建立RBF神经网络模型,针对1016名会员数据进行径向基函数建模训练。结果表明,得到的模型针对白金会员和钻石会员群体的预测效果良好。运用训练好的模型针对166名非会员客户进行分类预测,筛选出有潜力成为为钻石会员的客户子集共57名,为企业营销提供了指导。     

一种基于RBF神经网络的遥测数据中长期预测方法

遥测数据能够反映卫星在轨运行过程中的性能和状态,针对卫星遥测数据变化趋势不易判断这一问题,提出了基于RBF神经网络预测模型对遥测数据进行中长期趋势预测的思想。仿真实验结果分析表明,该方法预测精度高,符合卫星遥测数据中长期预测要求,能够对卫星遥测数据中长期趋势起到提前预报作用,为指挥人员与控制中心进行实时决策提供科学依据。     

基于改进的径向基函数神经网络水泥强度预测方法

通过将遗传算法应用于径向基函数神经网络参数设计中,提出一种基于遗传算法优化的径向基函数神经网络水泥强度值预测模型,实现径向基函数神经网络隐层节点函数的中心矢量、基宽向量和隐层与输出层之间权值的优化设计.以经归一化处理后的输入样本数据为模型输入,以水泥28 d强度值为模型输出,建立经遗传算法优化后的径向基函数神经网络预测模型.仿真结果表明,优化后的径向基函数神经网络能达到较高的预测精度,可用于水泥强度的预测.     

一种基于RBF神经网络的遥测数据中长糍预测方法

遥测数据能够反映卫星在轨运行过程中的性能和状态,针对卫星遥测数据变化趋势不易判断这一问题．提出了基于RBF神经网络预测模型对遥测数据进行中长期趋势预测的思想。仿真实验结果分析表明,该方法预测精度高,符合卫星,遥测数据中长期预测要求,能够对卫星遥测数据中长期趋势起到提前预报作用,为指挥J,-~i与控制中心进行实时决策提供科学依据。     

基于优化FGRBF神经网络的机器人跟踪控制

针对常规基于S型基函数的模糊神经网络存在随模糊控制规则数目增加导致中间层节点激增的问题,设计了一种改进型的模糊高斯径向基函数神经网络控制器,给出了优化的模糊神经网络结构模型和控制器设计优化改进方法,利用减少中间层节点的数量降低算法的复杂度,并提高跟踪控制的实时性.通过优化算法在移动机器人上的仿真应用,验证了所提改进算法在跟踪控制运行中的实时性、有效性和可行性.     

基于核主成分降维的RBF网络降水预测

针对径向基函数神经网络（RBF网络）的隐层节点数、中心和宽度难以确定的问题,为提高网络性能,首先采用模糊聚类分析法对样本数据进行初始聚类,以初始分类间的最小距离作为初始宽度;然后引入正交最小二乘法训练出新的数据中心、个数及权值,修改宽度为当前数据中心间的最小距离;最后采用梯度下降法训练并调整中心、宽度及权值;几种算法进行的组合优化改进,使网络泛化性能更优.由于降水影响因子众多,采用了核主成分分析法（KPCA）对样本数据进行特征提取降维预处理.对广西5月3区的日降水量使用上述模型进行预报实验,结果表明,该模型具有较好的泛化性能,预报准确率高于T213降水预报模式,具有一定的推广价值.     

“短程序”体和它的描写——径向分布函数

非晶态物学是近年来迅速发展的一门学科,是凝聚态物理的前沿领域,是材料科学的重要分支。和晶态物理相比非晶态物理学尚处于初级阶段,有大量的问题期待人们解决。 本文从有序,无序,短程序来区分物质结构,了解物理特性。对非晶态“短程序”体非晶硅太阴能电池,金属玻璃作极简要的介绍。从统计物理学的原理较为祥细的论述了描述非晶态“短程序”体的双体相关函数g(r)和径向分布函数(RDF)。介绍了关于g(r)和(RDF)的两种建设。 缺点,错误在所难免,但愿求见,请教于各行家,读者。