异向介质的研究现状及潜在应用

介绍了异向介质这种新型的材料的研究现状和潜在应用。针对异向介质材料奇异的电磁特性,总结了近来对异向介质材料的研究现状,其中包括对异向介质的理论的研究,新型结构的设计方法和改进的措施等,最后列举了异向介质在天线和隐身技术方向的应用。     

基于左手特性的异向介质可调谐天线设计

设计了一款新型的基于异向介质的可调谐天线.通过在传统环氧板(FR4)介质基底上加载分裂谐振环阵列的方法,使介质在5.2～7.7GHz频段呈现左手特性.该设计改善了传统贴片天线体积大、工作频带窄、增益较低等缺点,并能通过改变分裂谐振环阶数调节天线的中心频率.利用高频仿真软件HFSS对所设计的天线进行了仿真,研究了天线参数与阵列间隙尺寸及阵列阶数的关系,并对天线进行了优化设计.仿真结果表明,该设计可以有效减小天线尺寸,降低回波损耗和增加工作带宽,并实现了天线的可调谐设计.     

异向介质应用研究

随着电梯在城市发展的普及,电梯困人故障成为一个绕不开的话题。有些电梯偶发性故障,让维修保养人员无从入手,更让不少市民忧心不已。如何最大程度减少对电梯的信号干扰,降低电梯故障率,常规检验检测项目和维修保养项目对于偶发性故障很难排检、可以从增强电梯电子元件抗干扰性入手。作为近年来电磁学方面的研究热点,异向介质研究得到了国内外学者的广泛关注,并开始应用于谐振器、吸波材料、隐形材料以及调制器等各种领域。本文对异向介质的概念、理论研究、目前的实验情况以及它的应用前景做总体概述。     

异向介质电磁问题的混合模型分析

建立准确的色散介质本构模型是计算色散介质中波的散射和传播的基础,目前处理色散介质电磁问题通常采用的方法是基于某一种常见的经典模型来进行分析.而实际的色散介质往往是极其复杂的,近似为某一种常见模型对其进行分析计算是不够精确的.结合常见的3种色散介质模型(Debye、Lorentz和Drude模型),在简单混合模型的基础上提出分段线性混合模型,并通过对异向介质参数进行拟合验证,检验了新型模型的准确性与可行性.     

二维异向介质的传输模式

针对异向介质一般表现为各向异性的特点,分析了异向介质的传输模式及传输条件。通过将k矢量坐标轴与物理空间坐标轴相重合,并引入传输角度参量,建立了异向介质的色散方程。以传输角度为条件将异向介质分为4种类型:①kz-cutoff类型；②kx-cutoff类型;③Never-cutoff类型;④Always cutoff类型,这使得异向介质的电磁波传输模式更具直观效果。利用k曲线对各类型异向介质的折射与反射特性进行描述,并采用色散时域有限差分法进行仿真验证,数值结果与理论分析取得良好一致。     

基于RBF神经网络的水深遥感研究

为提高水深遥感反演的精度,以Landsat TM1~4波段为数据源,利用已知的水深数据作为训练样本,建立RBF神经网络模型对岱海水深进行反演试验。利用实测的水深数据检验RBF神经网络模型的反演精度,并与传统反演模型和BP神经网络模型进行对比。结果表明,RBF神经网络模型反演的水深与实测水深的决定系数为0.90,平均绝对误差为1.09 m,均方根误差为1.45 m,反演效果和精度明显好于传统反演模型;与BP神经网络模型相比精度也有提高,而且RBF神经网络模型的参数大多通过训练学习得到,应用更为便捷,在干旱内陆的咸水型湖泊水深遥感反演中有一定的应用价值。     

基于RBF神经网络的Web分类挖掘研究

根据Web文档分类与人工神经网络理论，设计了一个Web分类挖掘系统。针对BP网络分类器的不足，提出了用径向基函数神经网络对Web页面中的文本信息进行分类的方法。实验初步证明，用径向基函数进行分类比BP算法构造的神经网络更具准确性，有效地提高了分类的正确率。     

基于RBF神经网络的旋风器阻力系数预测模型

旋风器阻力系数是随旋风器结构参数变化的复杂函数，根据阻力系数与结构因素之间的映射关系建立了基于径向基函数(RBF)神经网络预测模型，并将其用于切流反转式旋风器阻力系数的预测并与常用的BP神经网络模型比较。结果表明，该模型收敛速度快。预测误差小，预测结果与实测结果较为符合。     

一种基于零参数异向介质的新型高指向性微带天线

本文介绍了一种基于平面零参数异向介质的新型高指向性微带贴片天线(microstrip patch antenna,MPA)。异向介质单元的引入使得该天线的有效介电常数在8.75GHz频率附近趋于0,并产生负折射效应。仿真和实验结果都表明:由于异向介质的负折射特性使得天线的指向性得到加强。     

基于RBF神经网络的语音情感识别

介绍了径向基函数神经网络的原理、训练算法,并建立了RBF神经网络的语音情感识别的模型。在实验中比较了BP神经网络与RBF神经网络分别用于语音情感识别识别率,RBF神经网络的平均识别率高于BP神经网络3%。结果表明,基于RBF神经网络的语音情感识别方法的有效性。     

基于改进RBF神经网络的PID整定

针对非线性系统,采用了基于径向基函数（RBF）神经网络的PID整定。RBF神经网络参数的初始值直接影响收敛速度,本文通过聚类法优化初始值。仿真结果表明,基于聚类法优化的RBF神经网络收敛速度快,整定效果优于未使用该方法的整定结果。     

基于RBF神经网络的热力系统煤种辨识方法

为了保证热力系统稳定运行,提高锅炉安全寿命,控制污染物,该文利用多模型思想,对煤种低位发热值进行初步辨识和精确辨识。初步辨识中,采用改进的K均值聚类算法,快速辨识出煤种类型;精确辨识中,利用初步辨识的结果优化发热量辨识模型,减少模型搜索范围,采用自动调节隐节点和参数的径向基函数(RBF)神经网络算法。仿真结果表明,该辨识方法的辨识误差在1.5%以内,具有良好的辨识精度,在速度上也优于单独的RBF辨识算法,可以应用于热力系统煤种发热量在线辨识。     

A Deep Web Query Interfaces Classification Method Based on RBF Neural Network

This paper proposes a new approach for classification for query interfaces of Deep Web, which extracts features from the form＇s text data on the query interfaces, assisted with the synonym library, and uses radial basic function neural network （RBFNN） algorithm to classify the query interfaces. The applied RBFNN is a kind of effective feed-forward artificial neural network, which has a simple networking structure but features with strength of excellent nonlinear approximation, fast convergence and global convergence. A TEL_8 query interfaces＇ data set from UIUC on-line database is used in our experiments, which consists of 477 query interfaces in 8 typical domains. Experimental results proved that the proposed approach can efficiently classify the query interfaces with an accuracy of 95.67%.     

基于RBF神经网络的自动泊车路径规划

文章通过逆向路径规划分析平行泊车过程的可能碰撞点和计算泊车所需的最小泊车空间,用泊车初始区域代替传统路径规划的初始点,实车试验采集泊车过程的数据,采用不同的数据样本用于粒子群优化的RBF神经网络,避免对安全距离等多种约束关系的分析,使规划的泊车路径能较好适用于实际泊车过程。仿真结果和实车试验均表明按照上述方法生成的路径泊车成功率较高。     

RBF网络在交通流模型辨识中的应用

利用径向基函数 (RBF)人工神经网络来逼近已知的交通流非线性解析模型 ,讨论了高速公路交通流模型的辨识问题。提出了一种带反馈的 RBF网络模型 ,讨论了其训练算法。算法分两步实现 ,第一步利用一种改进的聚类分析方法确定隐层节点核函数的中心点 ,第二步用最小二乘法确定从隐层到输出层的连接权。最后将训练好的网络模型和给定的解析模型同时进行仿真计算 ,得出了当某路段出现突发性交通事故时交通流密度和平均速度的变化曲线。仿真结果说明 RBF神经网络模型的训练速度快和辨识精度还是令人满意的     

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...     

径向基函数网络在形状识别中的应用

径向基函数神经网络是一种应用相当广泛的神经网络。文章对径向基函数网络的基本原理、网络结构和学习算法进行了介绍,根据径向基函数网络的特点将其应用到形状识别领域,并通过MATLAB平台编程实现其算法。实验结果证明网络初始中心和样本数目的选择对识别结果影响较大;在初始中心选择相同的情况下,实验样本数目越多,识别结果越好;在达到一定数目后,识别正确率趋于稳定。     

基于流形分析与AP算法RBF神经网络分类器

提出了一种基于流形分析与近邻传播（AP）算法的径向基函数（RBF）神经网络分类算法.通过流形分析算法对数据集进行初步处理,然后通过指数函数调整相似度矩阵,再重新进行AP聚类,在此基础上构造RBF神经网络分类器,通过拟合正确率来判断算法是否收敛,并对分类结果运用FMI指标进行评价.实验结果表明：改进算法中RBF网络隐节点数普遍得到增加,使得RBF神经网络拟合精度得以提高;从分类结果可以看出该算法对训练数据集都获得了很好的拟合正确率,对测试数据集也获得了较高的测试正确率.     

基于径向基神经网络的目标识别研究

本文讨论了传统的径向基(RBF)神经网络聚类算法的基本原理,针对其选取初始中心矢量的不足,提出了一种新的选择初始中心矢量的方法,给出了新的学习算法,并将其应用于目标识别.仿真结果表明,新算法比传统的RBF算法具有更强的聚类能力,使目标识别更加准确.     

利用自定阶RBF神经网络的分类优势 对气泵进行状态识别

神经网络理论的出现是机器处理向人的思维模式迈进的又一突破。本文在传统的BP和RBF神经网络理论的基础上采用了新算法,即自定阶径向基函数对ZYB03-60型滑片式真空压力复合气泵进行了识别。结果表明,该算法具有更快的训练学习速度和良好的数据自适应能力。