基于自适应遗传算法的RBF神经网络优化算法

针对传统遗传算法收敛速度慢的缺点,本文将改进后的遗传算法应用于RBF神经网络,对隐层中心和宽度值进行同步优化,并在复杂非线性函数的逼近实验中证明了本文算法相比传统遗传算法在搜索全局最小点的速度上得到了很大提高.     

基于遗传算法的RBF神经网络设计

采用了遗传算法自动构造ＲＢＦ网络,把网络结构的形式作为一个子集选择问题来解决,并提出了新的遗传操作算子来改进遗传算法,加快了收敛速度,提出了算法的实用性,文中介绍了遗传算法的结构与优化原理,并给出了ＲＢＦ网络结构的生成方法,用仿真结果证明了本算法的可行性。     

基于遗传算法的模糊RBF神经网络设计及应用

提出了一种基于遗传算法的模糊RBF神经网络学习算法.采用遗传算法对模糊RBF神经网络需要调整的参数进行优化,再将遗传算法优化的各参数结果作为模糊RBF神经网络各个参数的初始值,并结合梯度下降法对网络的各参数进行动态调整.在对非线性函数逼近的仿真中,仿真结果验证了优化后的模糊RBF神经网络具有更高的精度及强鲁棒性.     

基于遗传算法的RBF神经网络非线性时间序列预测

提出一种基于遗传算法和RBF神经网络相结合的时间序列预测模型,克服了单个神经网络在非线性时间序列预测中容易陷入局部极小值及网络训练速度缓慢的问题.以居民消费价格指数数据进行训练和测试,与传统的BP神经网络预测模型相比较,该模型的预测精度是令人满意的,数值模拟证明了该方法的有效性和可行性.     

基于联邦滤波的无人机组合导航系统设计

以高空长航时无人机为研究背景,提出了基于联邦滤波的捷联惯导/卫星导航/天文导航的组合导航系统方案,给出了组合导航系统的状态模型和量测模型,设计了联邦滤波器并开发了组合导航方案的仿真系统,对于两个子系统的导航性能和总体方案的导航性能分别进行了仿真分析,证明了方案的合理性和可行性,为进一步研究导航系统中故障诊断和容错控制提供了依据。     

基于仿生智能优化RBF神经网络的故障诊断

从锅炉水循环系统当前工艺参数中辨别和判断故障,可以使控制人员更全面地判断当前生产状态和预测未来情况,从而及时采取有效应对措施.该文提出一种基于仿生智能优化的RBF神经网络用于水循环系统故障的诊断.即针对构造RBF神经网络时隐相关参数难以确定的问题,该文提出采用混合蛙跳聚类算法确定隐层节点数,采用混合粒子群算法确定c和σ,使用最小二乘法(L M S)计算ω.通过实例验证,采用该文方法可以准确的诊断锅炉水循环系统的故障.     

基于量子遗传算法优化的灰色神经网络预测模型

将量子遗传算法用来对灰色神经网络参数做出优化,提出了一种通过量子遗传算法优化灰色神经网络进行预测的建模方法.应用实例表明,文章建立的模型拥有良好的预测效果,可以作为传统方法的一种补充.     

MIMU/偏振光互补滤波组合导航算法研究

针对偏振光导航中存在的输出角度模糊性和三维状态下航向角计算问题,提出利用互补滤波对MEMS惯性测量单元(MIMU)和偏振光传感器进行信息融合的姿态更新算法。该算法利用偏振光传感器测量模型构造太阳位置的估计矢量和实测矢量,通过PI(proportional-integral)补偿策略实现3轴陀螺仪偏差的最优估计和补偿。通过对比纯惯导系统INS、单偏振光导航系统、MIMU/地磁和MIMU/偏振光4种导航系统的输出姿态角,表明该算法能够有效滤除惯导系统的低频噪声和偏振光传感器测量值中的高频噪声,并且能够获取无人机360°范围内的航向角估计量,为偏振光组合导航提供了一种行之有效的解决方法。     

基于免疫算法的RBF神经网络盲均衡算法

本文采用免疫算法来优化RBF神经网络,得到一种更加优化、更加合理的混合算法,即免疫神经网络,并将此算法用于盲均衡器的优化设计,MATLAB仿真实验结果表明,经此算法优化后的盲均衡器,其均衡效果显著提高.     

基于遗传算法的神经网络算法研究

针对神经网络存在许多局部最小点，在某些初值的条件下，算法的结果会陷入局部最小等问题．文章将遗传算法和神经网络相结合，用遗传算法替代BP算法学习网络权值，并将其应用于聚类分析．计算结果表明，遗传算法和神经网络的结合将具有良好的全局搜索能力。     

基于遗传算法的改进粒子滤波算法

针对粒子数量和质量对粒子滤波(Particle Filter,PF)的退化问题具有重要影响,从大量采样粒子中采用遗传算法(Genetic Algorithm,GA)获得采样重要性重采样粒子滤波（Sampling Importance Resampling Particle Filter,SIRPF）的初始粒子,改善初始粒子质量,并保证其随机性和统计性.在车辆定位仿真中,采用定位精度、滤波发散次数和计算时间为指标对改进的遗传 粒子滤波算法GA SIRPF和传统SIRPF进行比较.结果表明,GA改进了初始粒子质量,减少了粒子退化可能性,提高了系统定位精度.     

RBF神经网络与遗传算法的离心泵优化设计

针对学习速度较慢且收敛性差的优化算法,提出用学习速度快且逼近能力强的径向基神经网络与遗传算法相结合的设计方法提高离心泵叶轮的效率.通过拉丁超立方试验设计方法对叶片出口安放角、出口宽度及包角进行设计.选取效率及扬程最优为优化目标,建立影响因素与优化目标之间的代理模型,运用遗传算法对模型进行寻优,得到最优的叶片参数.取优化后的叶片参数进行CFX数值模拟计算,优化后的叶轮在相同工况下效率与扬程分别提高了3.87%和4.25%,且优化后叶轮内部流场更均匀,水利损失较小,可对泵性能的提高提供有效参考.     

基于参数优化的RBF神经网络结构设计算法

针对径向基函数(RBF)神经网络的结构优化问题,提出了一种基于参数优化的RBF神经网络优化算法.首先,改进K-means++算法,使得聚类算法更精确,为RBF神经网络的隐含层节点找到一个合适的初始中心;然后,考虑数据分布和缩放因子选择的影响,采用方差度量法计算隐含层神经元基函数的宽度;最后,修正网络参数,提高网络的非线性逼近能力.实验结果表明,本文提出的基于参数优化的RBF神经网络具有良好的逼近效果和泛化能力.     

基于RBF神经网络与遗传算法的Agent初始位置优化

以陆地作战训练模型为背景，研究了多Agent系统中Agent初始属性的优化问题，提出了一种径向基函数(RBF：Radial Basis Function)神经网络与遗传算法(GA：Genetic Alorithm)相结合的、对作战训练模型中Agent的初始位置进行优化的方法。与已有的优化方法相比，该方法不仅优化效果得到明显的提高，而且执行效率可以提高20余倍，更适于处理对执行效率要求较高的优化问题。     

一种基于RBF神经网络的智能故障诊断方法

根据神经网络独特的容错、联想、推测、自适应、自学习等优点,针对BP网络在故障诊断应用中收敛速度慢等不足,研究了基于RBF神经网络的智能故障诊断方法.该诊断方法只需要足够的具有代表性的故障样本用以训练神经网络,然后将归一化的故障信息输入给训练好的神经网络,根据其输出结果就可以判断发生的故障类型.利用该诊断方法,对发动机转子系统故障诊断进行了仿真,仿真结果表明,基于RBF神经网络的智能故障诊断方法效果良好.     

基于RBF神经网络的全向智能轮椅自适应控制

在外界扰动为有界不可测条件下,利用径向基函数(radial basis function,RBF)神经网络在线逼近全向智能轮椅的非线性逆运动学模型,提出对轮椅轨迹跟踪的直接自适应控制方法.首先,在分析全向智能轮椅平台动力学模型的基础上,设计了基于径向基函数神经网络的全向智能轮椅自适应控制器;并进一步利用李雅普诺夫稳定性理论,证明了在外界扰动及神经网络权值误差逼近有界的条件下,该控制器在全向智能轮椅轨迹控制中跟踪误差的一致稳定且有界;最后,通过全向智能轮椅轨迹跟踪仿真实验,验证了所提出控制方法的有效性和稳定性.     

基于RBF神经网络的混合气体智能检测系统研究

基于传感器阵列和神经网络构造智能系统用于检测混合气体的低质量分数.传感器阵列获取质量分数为1×10-6～5×10-6范围的H2,C2H4,C2H2混合气体响应和质量分数为5×10-5～3×10-4范围的CO响应.通过RBF神经网络学习改善低质量分数混合气体检测的灵敏度.把传感器响应作为神经网络输入,神经网络输出为H2,C2H4,C2H2和CO的质量分数.实例分析表明,系统能较好地克服低质量分数混合气体检测过程中普遍存在的交叉灵敏度,得到满意的检测结果.     

深空天文测角测速组合导航滤波算法研究

针对天文光谱测速导航量测中存在的常值量测误差、慢时变量测误差、光谱畸变量测误差,提出了扩维自适应容积卡尔曼滤波算法.本文通过状态扩维将常值测速量测误差及慢时变测速量测误差作为状态量之一,在导航滤波中进行同步估计并在量测中进行补偿.针对天体表面活动导致的光谱畸变量测误差,通过Sage-Husa噪声估计器对滤波算法中的量测噪声协方差阵进行自适应估计以降低含该误差量测的影响.同时,为了进一步提高导航的精度,将天文光谱测速信息与天体方向矢量信息结合,并通过联邦滤波器进行信息融合.以火星接近段为背景的仿真结果表明,该算法能够有效抑制上述量测误差对导航精度的影响,实现高精度天文自主导航.     

基于遗传算法的神经网络学习算法研究

为了克服神经网络结构和参数设计的随机性及依赖于人的经验的缺点,提出了一种改进的基于遗传算法的BP神经网络学习算法。该算法结合了神经网络的快速并行性和遗传算法的全局搜索性,首先利用遗传算法对神经网络结构、初始连接权和阈值以及学习率和动量因子进行全面进化设计,在解空间中定位出较好的搜索空间,然后在进化神经网络中用训练样本再次寻优。通过利用该算法对XOR问题求解,证明了该算法的有效性,其收敛速度和精度均优于基本BP算法和附加动量项的BP算法。