基于RBF神经网络的智能入侵检测系统

对当前入侵检测技术进行了分析并讨论了现有入侵检测系统的不足，论述了神经网络应用于入侵检测中的优势。由于RBF网络具有最佳逼近性质，给出了一种基于RBF神经网络的智能人侵检测系统模型。     

BP与RBF神经网络在航空发动机气路故障诊断中的应用

采用模拟样本与实际故障样本建立网络训练所需样本库,基于BP与RBF神经网络建立故障诊断模型,用PW4000航空发动机的故障样本进行训练,对训练好的网络进行测试仿真。仿真结果显示BP与RBF两种神经网络具有较高的诊断正确率,在航空发动机故障诊断中具有应用价值;与实际故障数据对比表明BP与RBF神经网络在航空发动机故障诊断中具有实用性。     

基于RBF神经网络的高校教师教学质量评价模型

文章基于RBF神经网络方法,建立了高校教师教学质量的评价模型.首先构建了神经网络评价模型的结构,然后运用MATLAB,用样本数据训练了神经网络评价模型.表明该模型克服了传统评价过程的复杂性和主观因素,对全面、公正、科学地综合评价高校教师教学质量是行之有效的.     

基于神经网络的风力机变频器故障诊断方法

探讨了自组织特征映射（SOM）人工神经网络在风力机变频器故障诊断中的应用,对风力机变频器故障信息提取、故障特征数据、故障征兆向量进行了分析,采用Matlab神经网络工具箱对风力机变频器故障类型判断和故障位置确定进行仿真实验,实验结果表明,利用该方法进行风力发电机电力电子装置故障诊断能取得较好的效果,具有一定的工程应用价值。     

基于粗糙集与RBF神经网络的农业总产值预测方法

提出了把粗糙集和R BF神经网络相结合应用于农业总产值预测的方法。首先用粗糙集对影响农业总产值的多个因素进行属性约简,选择主要影响因素,去除冗余信息;然后利用RBF神经网络建立预测模型。最后对该模型的预测结果与因子分析神经网络模型的预测结果进行了比较,表明了该模型的有效性和优越性。     

基于RBF神经网络的雷达干扰效能评估方法

BP神经网络在雷达干扰效能评估中存在收敛速度较慢的问题,对此,提出了一种基于RBF的神经网络算法。该方法依据干扰效果评定因素的隶属函数确定其隶属度,作为RBF神经网络的输入层数据。选定训练样本,将测试样本的神经网络性能进行检验,以此比较BP神经网络算法。理论推导和仿真实验结果表明：新方法具可行性与有效性,且比BP神经网络具有更快的收敛速度和更好的稳定性。     

基于神经网络的模拟电路故障诊断研究

对BP型ANN网络用于模拟电路故障诊断的特点进行了介绍,探讨了利用遗传算法确定BP型ANN网络参数的方法,并给出了遗传算法与BP型ANN相结合实现模拟电路故障诊断的应用.实践表明,该方法的诊断精度、诊断速度以及建立诊断模型的自动化程度都有了较大的提高．     

基于神经网络的开关磁阻电机建模

基于神经网络具有很好的非线性逼近能力,利用RBF网络,其函数取高斯函数,在分析测量数据和开关磁阻电机非线性磁特性的基础上,建立了开关磁阻电机的模型.通过与样机实测数据比较,验证了模型的有效性.同时更为突出的优点是使得系统的运行特性对参数的扰动有很强的鲁棒性,从而使系统获得更高的调速性能.     

RBF神经网络改进模型在医学生UPI中的仿真研究

采用概率竞争和RBF(Radial-based Function Method)相结合的神经网络模型,研究UPI(UniversityPersonality Inventory大学生心理健康清单)多变量非线性诊断指标和分类标准的内在联系。提出了一种UPI辅助诊断的概率竞争型RBF神经网络的解决方案,把UPI数据作为概率竞争和RBF神经网络改进模型的输入,构建2层改进的RBF神经网络仿真模型。实验结果显示,综合运用概率竞争和RBF神经网络的方法能使UPI分类达到较好的效果。构建的概率竞争神经网络模型用于UPI的辅助诊断是可行的。     

基于黄金分割法的RBF神经网络预测控制

针对非线性系统的控制问题,提出了一种基于黄金分割法的RBF神经网络预测控制算法。该算法以神经网络作为预测模型,用黄金分割法优化控制器,其中以控制变量的约束条件作为优化的初始区间。针对化工过程蒸馏塔控制系统,通过仿真计算验证了该方法的有效性。     

改进RBF神经网络对液压AGC系统的预测控制

针对传统预测控制基于线性预测模型的弊端,通过改进RBF神经网络结构构建预测模型,解决对象非线性及时变问题,并给出控制率的具体推导过程.以轧机液压厚度自控(AGC)系统为对象进行仿真实验,结果表明:改进RBF预测控制器性能更优.     

基于模糊神经网络的热电联产故障诊断研究

为了在缺少设计参数的条件下,设计一个非线性模型的热电联产故障诊断系统,提出了一种基于模糊神经网络的设计方法。通过分析热电联产控制系统各工作模块的工作过程,建立废热回收蒸汽锅炉、蒸汽集箱、汽吸收式冷凝器等模块工作模型。并采用粒子群优化算法对提出的模糊神经网络进行优化,假设模型和测量误差正常分布且相互独立,对模型置信区间进行了计算。实验测试表明,本文设计的故障检测具有较高的可信度。     

改进粒子群优化神经网络的高压断路器故障诊断

在分析传统误差反向传播(BP)算法和标准粒子群优化(PSO)算法的特征及其问题基础上,提出一种改进粒子群优化(MPSO)算法和改进BP(MBP)算法,建立基于MPSO-MBP混合算法的高压断路器神经网络故障诊断模型.通过训练样本和测试样本的仿真对比分析,该方法能够实现高压断路器不同故障的有效诊断,提高高压断路器故障模式的识别能力,故障诊断准确率高、速度快.     

基于BP神经网络的航空发动机气路故障诊断研究

将BP神经网络应用在PW4000航空发动机气路故障诊断里面,建立相应的故障诊断系统,然后借助MATLAB对有关发动机气路故障数据进行训练,通过仿真得出诊断结果,以此验证该种诊断方法具备速度快、误差率低等优点。     

采用小波变换与RBF神经网络优化的电机故障模糊诊断系统

针对特征信号淹没于噪声信号的情况,采用Morlet小波分析实现了对原始电流特征信号的降噪.同时,采用基于RBF神经网络的最优化插值与具有频谱细化特性的CZT分析,提升了频谱分辨率,充分展现了发生故障时电流特征信号的频谱细节,为电机故障诊断系统提供了可靠的诊断依据.建立了基于改进型BP神经网络的电机故障模糊诊断系统,抽象出了偏心故障的诊断规则.实测结果表明,该系统能够可靠地诊断电机的偏心故障.     

基于改进BP的煤矿供电系统故障诊断研究

针对煤矿供电系统故障的特点,以开关、保护等信息为基础,将粗糙集理论与BP神经网络相结合建立煤矿供电系统故障诊断模型。首先通过遗传算法对供电系统故障中的决策表进行约简,去掉冗余信息,保留必要的要素,使神经网络输入神经元数目减少,结构得到优化;然后在训练过程中应用思维进化算法优化神经网络的权值和阈值,并对处理后的信息进行诊断。仿真结果证明,该故障诊断系统有效地提高了诊断效率,增强了故障诊断的容错能力。     

基于改进BP神经网络的网络入侵检测研究

随着互联网的快速发展,网络安全问题日益突出,入侵检测方法研究变得愈发重要.为提高网络入侵检测能力,首先对传统BP算法进行优化,然后对KDD99数据集进行了数据的预处理和特征选择,设计了优化的BP神经网络模型,最后进行了仿真实验.结果表明:相较于传统BP算法模型准确率提高了12.12%,达到96.64%,误检率降低至3.65%,模型的收敛性和稳定性都有所提高,达到了预期效果.     

RBF网络参数确定方法的研究

针对RBF网络结构参数确定问题,介绍了几种RBF网络结构参数确定方法,如基于遗传算法的训练方法和基于粒子群优化算法的训练方法等.实践表明,此RBF网络结构参数确定方法具有实用、高效等特点.     

基于RBF神经网络滤波的噪声消除

RBF神经网络噪声抵消系统不需要关于输入信号和噪声的先验知识,非线性映射能力强。采用自适应噪声抵消基本原理,构造RBF神经网络自适应滤波器,然后针对该系统,建立Simulink仿真模型。仿真结果表明,该方法具有良好的噪声抑制能力。     

基于BP神经网络的B737飞机电力启动系统故障诊断

介绍了BP神经网络的基本原理及其学习算法。在此基础上,结合B737飞机中电力启动系统某故障案例,阐述了基于BP神经网络的B737飞机电力启动系统的故障诊断方法及具体实现。