共查询到19条相似文献,搜索用时 187 毫秒
1.
针对堆石坝系统的地震响应分析问题,提出了一种递归神经网络建模方法。该神经网络模型包含内部状态神经元的反馈并具有状态空间形式。借助于该网络模型的逼近能力和动态信息存储能力,从观测的结构动态系统输入输出数据中重构原系统的输入输出特性,并对新的输入信号做出相应的预测和响应。分别对理想的有限元响应数据和实测的响应数据进行了仿真。结果表明,所提出的神经网络方法较好地学习了这两组结构系统的动态特性,并显示出较好的预测效果。 相似文献
2.
以RBF神经网络为基础,提出了一种吴有白评判自学习能力的短期电力负荷预报方案,该方案包含预报器、评估器、探测器:和学习机四个组成部分.预报器用来预测未来时段的电力负荷,评估器用来对预报结果进行评估,探测器用来确定预报的有效步长,学习机用于预报器的自我学习.预报器根据评估结果通过学习机制能够自动适应电力负荷的变化,从而保持一种良好的预报状态.仿真实验表明该方法在电力负荷规律不明确的环境下预报精度比传统方法高。 相似文献
3.
基于免疫算法的自组织神经网络在效能评估中的应用 总被引:1,自引:0,他引:1
针对自组织神经网络自身的局限,将免疫克隆选择算法的克隆和变异机制引入SOM的学习算法中,提出一种免疫自组织神经网络模型,并建立了模型的学习算法。该学习算法用免疫克隆选择算法的克隆算子和变异算子改进自组织神经网络中的邻域大小和权值调整规则,使每个神经元的权值学习率和邻域大小随神经元的亲和力发生变化,从而克服了自组织神经网络分类效果受样本输入次序影响的弱点,且在很大概率上保证网络收敛到全局最优解。性能仿真结果说明该学习算法比自组织神经网络学习算法具有更好的分类准确性和泛化性能。将该模型应用雷达电子战装备的作战效能评估中,结果表明免疫自组织神经网络模型比自组织神经网络模型分类更合理。 相似文献
4.
对时序数据建模与辨识技术进行了分析,提出了使用鲁棒LS-SVM算法建立ARMA时序预测模型。该模型是在LS-SVM的约束条件中加入鲁棒特性和时序模型参数,使之在求解的过程中对孤立点与噪声不敏感,并且能准确地辨识时序模型参数。考虑到高炉的热状态的输入输出数据集间存在着复杂非线性时序上的关系,通过用基于鲁棒LS-SVM的ARMA模型预报铁水中硅的含量,从而达到了预测高炉热状态的目的。说明了该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性,为稳定钢铁质量和生产工艺创造了良好条件。 相似文献
5.
6.
7.
采用PSO混合编码,提出了一种基于混合MPSO-BP的RBF自构建学习算法。该算法中,每个粒子由整数与实数两部分构成,分别对RBF的基函数个数及相关参数(中心、宽度和输出层权值)进行编码。同时设计了一个特殊的适应度函数,在保证精度的前提下,使网络的结构相对简单,以增强网络的自适应与泛化能力,减少主观因素设计对网络性能的影响。仿真实验表明,相对于RBF其他学习算法,所提算法隐节点少、精度高、泛化能力强。 相似文献
8.
以飞机飞行参数记录系统中发动机参数为基础,研究了RBF神经网络在航空发动机故障诊断中的应用。介绍了RBF网络的工作原理及实现算法,及根据测试样本确定阈值,建立了航空发动机故障诊断的数学模型,并通过该模型对某型发动机定检稳态的飞行参数据进行了辨识。结果表明该方法能有效地判断出某型发动机在定检稳态时的健康状况。 相似文献
9.
10.
基于神经网络的数控超声加工效果建模与仿真 总被引:2,自引:0,他引:2
为精确地预测数控超声加工效果,应用神经网络理论建立了数控超声加工切削率BP、RBF两种神经网络模型。根据实际情况,进行了网络结构设计,比较了不同特征参数时网络模型的性能,并对所建模型进行了仿真验证。验证结果表明,预测数据与实测数据有较好的一致性,RBF网络数据比BP网络数据稳定,性能更优,当RBF网络中分布密度spread取2时,性能最优。说明可以使用神经网络模型对数控超声加工切削率进行预测。 相似文献
11.
基于RBF神经网络的蜂窝无线定位算法 总被引:1,自引:0,他引:1
为了解决最小二乘法需要测量数据的先验信息来构造协方差矩阵的问题,提出了基于RBF神经网络的蜂窝无线定位算法.它融合了移动基站提供的AOA,TOA和TDOA测量值来实现移动台的定位,利用神经网络较快的学习特性和逼近任意非线性映射的能力,使其适用于复杂的多径环境.对基于RBF神经网络的定位系统性能进行了仿真,结果表明,基于REF网络的蜂窝无线定位算法消除了定位模糊和基站非理想分布对定位精度的影响,在小区半径小于2 km的情况下,系统的定位精度在125 m时准确率可达67%,在300 m时准确率可达95%. 相似文献
12.
13.
14.
15.
一种新型的灰色RBF神经网络建模方法及其应用 总被引:1,自引:1,他引:1
针对神经网络建模预测时,其建模精度往往受到数据随机性的影响,以及灰色累加生成操作(AGO)具有减小数据随机性,使数据变得有规则的特点,提出了一种新型的建模预测模型———灰色径向基(RBF)神经网络模型。此模型能够减小数据中的随机性,加快网络的建模收敛速度,使神经网络的建模精度得以提高。将此灰色RBF神经网络应用到动调陀螺仪漂移数据建模中,并将其建模验证结果和单纯使用RBF网络的建模结果进行比较,结果证明此方法是可行而有效的。 相似文献
16.
本文研究了利用径向基神经网络辨识某伺服机构的问题,本文采用了具有自适应步长的K-均值聚类算法对网络中心进行调整,学习算法中的局部卡尔曼滤波器考虑了径向基网络的空间和参数局部特性,有效地提高了算法的收敛性与学习速度;仿真结果表明了RBP网络对伺服机构建模的有效性。 相似文献
17.
煤气消耗预测是钢铁企业中能源管理重要组成部分之一,以炼钢过程煤气消耗为研究对象,将灰色理论与径向基函数(RBF)神经网络进行组合,建立了基于灰色RBF神经网络的炼钢煤气消耗预测模型,利用灰色理论累加求和特性对样本数据进行预处理,减小了数据的随机性,增强了数据变化的规律;利用RBF神经网络逼近这种数据变化的规律,通过预测误差,动态调整RBF神经网络的结构,使得预测误差在允许的范围内。通过仿真表明,提出的模型预测精度较BP神经网络预测精度高,均方差为2.02%, 相似文献
18.
19.
基于一种改进的RBF神经网络的直接甲醇燃料电池建模 总被引:1,自引:2,他引:1
针对直接甲醇燃料电池(DMFC)系统过于复杂,难以数学建模。应用一种改进的RBF神经网络对DMFC系统进行辨识建模。模型以甲醇的浓度和流速为神经网络辨识模型的输入量,电池电压/电流密度为输出量,利用1000组实验数据作为训练和测试样本,建立了不同甲醇浓度和流速下电池电压/电流密度动态响应模型。应用仿真对建模的有效性和精度进行了检验,并与BP神经网络辨识的效果进行了对比。仿真结果证明RBF神经网络比BP神经网络收敛得快,建模精度高,从而为设计DMFC实时控制系统奠定了基础。 相似文献