基于径向基函数网络的非线性系统内模控制

针对非线性系统的内模控制，从理论上分析了神经网络控制器的可实现问题，并且用径向基函数(RBF)神经网络实现内部模型及逆模控制器，同时改进了径向基函数中心的学习算法。仿真结果表明，基于RBF网络的非线性系统内模控制的动态性能较好，对于对象参数扰动具有一定的抗扰性。     

用径向基函数解偏微分方程

讨论了用正定径向基函数解偏微分方程,通过一个数值算例,说明这个方法是可行的.针对数值算例,比较了在相同步长时,不同的正定径向基函数对微分方程数值解的精确程度,并比较不同的正定径向基函数在相同的形状参数时绝对误差的差异,说明微分方程数值解的精确程度与径向基函数形状参数的取值密切相关.同时也论证了在插值过程中所得到的矩阵方...     

不稳定井流计算的径向基函数法

本文分别用常规法和奇点析出法对井点进行处理，得到了用径向基函数配点法求解不稳定井流问题的2种算法．前一种算法在井点附近破坏了该配点法的无网格特性，而后一种算法是真正的无网格法．模型计算显示，后者计算精度远比前者高．     

醇基液体燃料发热量检测方法研究

本文采用湖南三德公司的自动量热仪对两种挥发性强度不同的醇基液体燃料发热量进行测定。采用了6种不同的密封方法,分别为聚乙烯安瓿瓶、明胶胶囊、乙酰丁酸脂胶囊、石蜡膜、生料带和乙酸纤维素胶片对两种样品称质量过程进行密封,探索不同燃料适合的最佳密封方法。通过测定两种醇基液体燃料元素和水分含量,利用门捷列夫理论发热量计算两种醇基燃料的理论低位热值与实际测定值对比,从而排除仪器误差。     

基于径向基函数神经网络的无人直升机吊装系统滑模减摆控制

针对存在非线性、强耦合、外部未知有界干扰和建模不确定性的平面运动下无人直升机吊装系统,研究了一种基于径向基函数神经网络(radial basis function neural networks,RBFNNs)和干扰观测器的无人直升机吊装系统滑模减摆控制方法。首先将系统模型转换成仿射非线性形式,利用RBFNNs逼近系统不确定性,设计干扰观测器估计神经网络逼近误差与外界未知有界干扰的复合值。然后基于RBFNNs和干扰观测器设计了滑模减摆控制器,并用Lyapunov方法证明闭环系统稳定性;最后通过仿真验证了所设计控制器的有效性。     

基于小波包负荷特征提取和径向基网络的短期负荷预测新方法

准确的负荷预测是电力系统做出合理调度的重要依据.提出基于小波包能量和神经网络理论的短期负荷预测新方法,将负荷序列进行小波包分解,提取小波包能量作为径向基神经网络负荷序列的输入特征量.大量的预测实例分析表明,所提出的预测方法具有稳定性和准确性.     

基于小波分析的径向基神经网络年径流预测

对年径流的预测采用基于小波分析的径向基神经网络模型,从时频分析角度出发,把水文年径流序列分解成不同的频率成分,用径向基神经网络对小波分解的周期和趋势频率成分分别进行预测,然后通过小波重构得到水文时间序列,从而可以对未来的径流变化情况进行描述.     

径向点插值无网格法在热传导问题中的应用

径向点插值是一种新型的无网格法.由于插值函数采用径向基和多项式基的线性组合,从而有效地解决了点插值中系数矩阵奇异性问题,而且由于插值具有δ函数性质,从而很容易处理本质边界条件.通过分析径向点插值法计算原理,给出其在热传导问题中的应用,最后用算例初步验证了该方法的有效性与合理性.     

改进的RBF网络在宁德市综合需水预测中的应用

需水预测涉及多种因素,需对多因素进行综合评估．根据RBF神经网络算法,建立人工神经网络需水预测模型,选取影响研究需水量的主要因子,以此作为输入样本,将神经网络模型应用到宁德市需水预测的实例研究中,并运用Matlab神经网络工具箱进行模拟计算,预测精度较高．实例表明RBF神经网络模型用于城市需水量预测是可行的．     

径向分布函数D（r）的概念及讨论

分析讨论了径向分布函数D(r )的三种概念，定位D(r)为径向分布函数（或波函数的径向分布函数）。     

基于RBF神经网络的总产值预测模型研究

介绍了径向基函数（RBF）神经网络的工作原理和训练算法．根据生产总值与投资分配之间存在的映射关系，应用RBF神经网络建立了投资预测模型，并进行了仿真试验．与BP模型相比，该模型在预测精度和收敛速度方面具有显著的优点．结果表明，用RBF神经网络进行投资预测得到了十分满意的结果．     

几种函数逼近方式的逼近能力比较与综合

介绍了Fourier变换、小波变换、神经网络、小波神经网络、多小波和多小波神经网络几种不同的函数逼近方式，对这几种函数逼近方式中的基函数性能作了详细比较，发现基函数的性能越好，其函数逼近效果一般来说也越好，并对这几种函数逼近方式的表达式进行了比较和综合。     

模糊反向传播神经网络的函数逼近能力研究

研究了模糊反向传播神经网络的函数逼近能力.研究结果给出了单调连续函数的FBP按序单调特性、连续映射定理以及非函数一致逼近定理,并且说明了FBP虽然能保持连续性映射,但不如原神经网络具有函数逼近能力.     

小波神经网络逼近非线性函数算法

介绍用于函数近似的一种新型神经网络——小波神经网络,该小波神经网络采用的函数是sigmoid函数的组合.文中从理论上阐明了小波神经网络对某些时频有限的非线性函数的逼近能力,并实际建立了一个前馈小波神经网络,同时讨论了如何选择小波母函数及如何减少该神经网络规模的算法.实验结果表明这种小波神经网络可以在较小规模的基础上实现对这类非线性函数的逼近.     

基于RBF神经网络重构模糊PID控制器的研究

尽管模糊PID控制器具有良好的控制品质,但存在计算复杂和实时性差的问题,为了解决这个问题.利用1LBF神经网络逼近能力重构模糊PID控制器,由于重构的RBF神经网络的并行计算能力,这简化了计算复杂性并提高实时性.通过选择不同的给定信号,比较模糊PID控制器和重构的RBF神经网络的控制性能.得到两者的控制效果是相当的.说明重构的RBF神经网络可以取代模糊PID控制器,从而减少了计算复杂性.避免维度灾难并改善控制实时性.     

基于人工神经网络的L9(34)正交实验预测特点研究

用五组L⁹(3⁴)正交实验结果作为训练学习样本集,通过人工神经网络对其预测特点进行了探讨.结果表明:完备的正交实验样本集是基本训练学习单元,不可分割,其预测结果与实测结果吻合很好.同一类型同一实验条件下,完备的信息量大的正交实验样本集通过人工神经网络能很好地预测其他完备的信息量小的正交实验样本集,这为正交设计提供了有意义的参考思路.     

BP神经网络预测技术在脱硫系统pH值中的应用

在热电厂脱硫过程中,pH值的稳定性对脱硫效率影响重大,在实际生产中因受到各种环境因素及主观因素的影响,pH测量仪器在现场操作中易受到破坏或腐蚀,给生产造成很大损失,为了降低这种损失,提出了基于BP神经网络的预测技术。运用此预测算法对系统参数进行数学建模,设计了三层网络预测模型,同时用Matlab工具箱对pH数据进行仿真,使系统实现在线控制和实时控制。结果表明,BP神经网络对脱硫系统中pH值的预测精度很高,产生误差也很小,取得了满意的预测效果。因此,用BP神经网络预测技术对烟气脱硫系统中的pH值进行预测,能提前预知脱硫过程中pH值的变化情况,有助于改善脱硫装置的效率。     

应用人工网络对化学传感器CaxPb1-xTiO3薄膜的晶格畸变进行评估

利用人工神经网络对化学传感器的晶格畸变进行了深入研究.实验结果表明:传感原件钙掺杂钛酸铅薄膜材料随合成参数的变化而呈现不同的晶格畸变度,该参数通过X射线粉末衍射精细结构确定,并作为人工神经网络的输出变量;合成参数作为输入变量,以MatlabTM作为操作平台,利用三层识别方法对传感元件的纳米结构进行评估与预测.实验结果与...