基于径向基网络的金属氧化物避雷器阀片伏安特性拟合

为了解决现有金属氧化物避雷器阀片伏安特性拟合中存在的过冲、收敛慢、误差大的问题，用神经网络方法，通过对金属氧化物避雷器（MOA）的原始伏安数据进行分析，确定了神经元个数，并设计了输入、输出录属函数对数据进行预处理。用一个径向基神经网络系统对MOA阀片的伏安特性曲线进行了拟合，拟合结果与分段线性、多指数、线性与非线性拟合法相比，较大幅度地提高了拟合精度和收敛速度，完全适用于MOA阀片的伏安特性拟合。     

黏滞与金属阻尼器协同工作于加固工程的减震性能研究

文章基于现有黏滞阻尼器和金属阻尼器的研究,以安徽某住院门诊楼实际加固项目为研究对象,提出单独布置黏滞阻尼器、单独布置金属阻尼器、混合布置黏滞与金属阻尼器的3种加固方案;开展各方案在多遇和罕遇地震下的动力时程分析,综合减震前后层间位移、最大加速度等参数,研究黏滞阻尼器和金属阻尼器协同工作减震性能的优劣;基于协同工作方案进一步分析加固后的能量耗散情况以及阻尼器滞回曲线,研究其在实际工程中的具体减震效果。结果表明：2种阻尼器同时应用于加固工程时,合理的混合布置方案对结构的减震效果有显著提升,并且可以利用2种阻尼器的耗能特性实现分阶段耗能,耗能表现优异。     

附加黏滞阻尼器的框架结构地震响应分析

考虑到地震动具有随机性,利用平稳过滤白噪声地震动模型,首先建立黏滞阻尼结构的动力方程,运用虚拟激励法将平稳随机地震激励转化为简谐振动分析,求解黏滞阻尼结构在随机地震作用下的响应,然后通过选用相同数量的阻尼器在最大层间位移处集中布置、循环布置、权数布置三种布置方案,对比分析布置前后结构的地震反应,得出最优的黏滞阻尼器空间位置布置方案。由此可知黏滞阻尼器具有明显的减震效果,得到的黏滞阻尼器布置建议对抗震设计和加固具有参考意义,同时使用虚拟激励法能高效快捷的求出结构的随机响应。     

缸式黏滞阻尼器力学性能的理论与试验研究

简述缸式黏滞阻尼器的结构和力学分析模型;基于幂律流体理论对双出杆黏滞阻尼器的阻尼系数与设计参数的关系进行分析,推导出幂律流体模型的计算阻尼系数表达式;利用MTS对其进行力学性能试验研究,试验结果与计算结果吻合;提出黏滞阻尼器的力学性能试验分析设计与方法。     

基于黏滞阻尼器的单跨悬索桥地震位移响应控制

工程中,黏滞阻尼器常用于降低大跨度单跨悬索桥的顺桥向地震位移响应.为此,有必要深入研究其主要技术参数对桥梁结构地震位移响应的影响作用规律.以主跨1250 m单跨悬索公路桥为例,建立其三维有限元数值分析模型,选取七条实测地震记录,通过时程分析法进行计算,得到结构重点部位的地震位移响应.研究表明:随着阻尼系数的增大,大跨度...     

漂浮体系斜拉桥黏滞阻尼器参数的简化计算

根据漂浮体系斜拉桥的动力响应特点以及近断层速度脉冲型地震动特性,基于结构动力学基本理论,提出了考虑附加黏滞阻尼器的漂浮体系斜拉桥三质点简化动力模型.利用等效阻尼比概念以及能量消耗等效原理,推导得到了速度脉冲型地震动作用下漂浮体系斜拉桥线性及非线性黏滞阻尼器阻尼系数的简化计算公式.最后,通过一座漂浮体系斜拉桥实例,验证了相关公式的正确性.     

包含阀门非线性的闭环系统性能评价

当闭环系统采用PI或PID控制器时,控制阀黏滞的存在容易引起振荡.将控制性能评价(CPA)推广到这类控制系统中并非易事.然而,就像线性系统一样,最小方差(MV)反馈不变量的存在使得CPA在这类系统中成为可能.在此基础上,该文采用经验模态分解(EMD)方法将闭环系统发生振荡时的线性随机分量从输出数据中分离出来,利用改进的滤波和相关性分析(FCOR)算法估计出CPA的MV基准.数值仿真实验证明了该方法的有效性.     

基于神经网络的复杂过程系统模型辨识

针对复杂生产过程中的一阶和二阶液位系统,利用MATLAB软件的神经网络工具箱,分别应用BP和径向基两种神经网络模型进行系统辨识,得到系统模型．通过结果比较,得出两种神经网络的应用特点：对于一阶非线性液位过程,径向基神经网络创建的数学模型性能较好;对于二阶线性液位过程,BP神经网络的建模效果较好;尽管BP神经网络的模型训练过程有学习收敛慢、局部最小点、层数和单元数不易确定的缺点,但其函数逼近的精确度对二阶线性的辨识具有独特优势．     

多步预测误差方法在先控性能评估中的应用

本文在基于最优预报的基础上提出了一种新的MPC性能评估方法。通过将已有的基于k步预测误差的控制系统性能评估方法进行拓展,得到了一种新的基于多步最优预测误差的先进控制系统的性能评估方法。最后提出了一个新的基于多步预测误差的性能指标用来对先进控制系统的控制性能进行评估和分析。该方法不需要关于过程的任何先验信息,因此便于在实际工程中实施和应用。将所提出的方法应用在某石化企业的一套先进控制装置的性能评估当中,验证了该方法的有效性。     

具有两种不同阻尼模型的非黏滞阻尼系统的状态空间方法

考虑具有两种不同阻尼模型的三自由度线性非黏滞阻尼系统.通过使用一组内部变量变换,将传统的状态空间方法扩展到非黏滞阻尼系统,从而将系统转换为时间域上的一阶线性系统.这种拓展的状态空间公式可以应用于具有两种不同阻尼模型的多自由度线性非黏滞阻尼系统,使系统更加简单,便于分析.最后以指数阻尼系统为例子,证明了这种状态空间方法的有效性.     

基于RBF网络的制冷压缩机热力性能计算

在对制冷压缩机的热力性能进行建模和仿真计算时,运用多层感知器网络虽然可以收到较传统热力计算模型更好的效果,但也存在着诸多缺点,通过引径向基函数（RBF）网络替代多层感知器网络,较好地克服了这些缺点,仿真结果表明了该方法的有效性和相对于多层感知器建模方法的优越性。     

RBF网络自整定PID控制在网络化控制系统中的应用

文章针对网络化控制系统普遍存在的时延问题,介绍了一种基于径向基函数神经网络自整定PID的控制策略.在Matlab/Simulink环境下搭建了基于TrueTime工具箱的网络控制系统的仿真平台.仿真结果表明:与常规PID控制相比,神经网络自整定PID控制算法可有效地提高系统的鲁棒性和自适应性,且此方法易于实现,便于工程...     

基于改进型径向基函数网络的船舶非线性航向自适应逆控制

针对非线性船舶控制中传统自适应控制方法存在的实时参数调整复杂、鲁棒性差等缺陷,提出了一种基于改进型径向基函数(RBF)网络的自适应逆控制(AIC)方案,RBF网络相比通常的非线性自适应模型,结构更为简单且不存在局部极小问题.对“The R.O.V Zeefakkel”散装船非线性模型的仿真结果表明,AIC在显著改善对象动态响应性能的同时,具有良好的鲁棒性和扰动消除能力,适用于对机动性要求较高的中小型船舶控制.     

Performance prediction for Grid workflow activities based on features-ranked RBF network

Accurate performance prediction of Grid workflow activities can help Grid schedulers map activities to appropriate Grid sites.This paper describes an approach based on features-ranked RBF neural network to predict the performance of Grid workflow activities.Experimental results for two kinds of real world Grid workflow activities are presented to show effectiveness of our approach.     

神经网络分数阶PID在网络控制系统中的应用

文章针对网络控制系统(NCS)存在的网络延时问题,设计了一种基于RBF神经网络的分数阶PID控制器,并将该控制器应用在网络控制系统中,减小网络延时对控制系统的影响。该控制器利用RBF神经网络具有任意精度逼近非线性函数及训练速度快的优点,在线整定分数阶PID控制器,并采用分数阶PID控制器直接控制被控对象;选取Ethernet控制的弹簧-阻尼控制系统作为实验对象。实验结果表明:该控制系统具有响应速度快、控制精度高、鲁棒性强的特点,有效地减少了网络延时对NCS的影响。     

一种RBF神经网络高精度算法研究及应用

剖析了RBF神经网络基本算法的原理以及激励函数参量与隐层单元数量按经验选取所带来的问题.基于RBF神经网络结构,以网络的权阈值为设计变量,网络误差为目标函数,通过合理的动态变量排序,构建了一种RBF神经网络的新的高精度算法,并编制计算程序.与RBF网络基本算法相比,这种算法是以权阈值为未知变量的真实优化过程,实现了RBF神经网络的高精度计算.从方程论理论出发,给出了网络隐层结构的合理确定方法.通过实例的程序分析,表明了该优化算法具有较高的样本拟合与插值精度,为进一步理论研究与工程应用提供基础.     

基于径向基函数和模糊逻辑的短期电力负荷预测

综合考虑温度、日期类型和天气等因素对短期电力负荷的影响,提出了将径向基(RBF)网络和模糊逻辑相结合的预测方法。利用具有非线性逼进能力的RBF神经网络预测出预测日的最大负荷值和最小负荷值,并用模糊逻辑预测出预测日的负荷系数,进而得到预测日的负荷值。实际算例表明:该方法同BP网络相比,具有较高的预测精度,证明了该方法的有效性。     

一种解决协同过滤数据稀疏性问题的方法

面对信息量过载的问题,为了使用户尽快的从大量的数据中找到自己需要的信息,即运用协同过滤算法解决数据稀疏性问题,本文提出了一种基于径向基函数(RBF)神经网络的解决方法.首先构建RBF神经网络并提出了一种新的确定隐层节点方法.然后利用构建的RBF神经网络预测用户评价矩阵中的空缺值,提高用户相似度计算的准确性.最后通过与经典协同过滤算法的对比实验证明所提算法的实用性,实验结果表明,基于RBF神经网络的协同过滤算法可以有效的解决用户评分数据的稀疏性问题,提高推荐的准确度.     

燃料电池空气供应系统自适应神经网络滑模控制

聚合物电解质膜燃料电池(polymer electrolyte membrane fuel cell, PEMFC)空气供应系统易受参数不确定性和外部干扰的负面影响,难以实现高精度数学建模和鲁棒控制.设计了一种自适应神经网络滑模控制器,用于将PEMFC空气供应系统过氧比调节至其最优参考值,以维持最大系统输出净功率并避免氧饥饿.利用径向基函数神经网络在线逼近系统的未建模动态,而无需对外部干扰与模型参数摄动的界的先验信息.由Lyapunov理论分别推导出神经网络权值和滑模增益的自适应律,以保证闭环系统稳定性.仿真结果表明,所设计的控制器不仅改善了过氧比控制的动态行为,还有效减弱了控制输入的大幅超调和抖振.     

基于参数自整定P ID的水下滑翔机航向控制方法

水下滑翔机航向控制的精度对海洋目标观探测具有重要意义。现有的水下滑翔机航向控制技术以比例积分微分（proportional-integral-derivative,PID）为主。为保证水下滑翔机按照预期轨迹运动,PID控制器参数需要反复设定和调整,很难达到快速准确的控制效果。针对该问题,提出了一种基于径向基函数（radial basis function,RBF）神经网络的参数自整定PID航向控制方法。首先建立水下滑翔机水平面内运动模型,然后构建了RBF神经网络结构,并通过梯度下降法给出了神经网络参数以及PID参数的迭代公式。仿真结果表明,该方法相较于常规PID控制方法能在较短的时间内收敛,控制系统精度较高,同时控制器参数能够快速自整定。为今后的水下滑翔机航向控制器提供了设计参考。