超机动飞行的鲁棒自适应神经网络动态面控制

针对超机动飞行过程中气动参数变化剧烈、控制精度高的特点,提出了一种基于神经网络的鲁棒自适应动态面控制方法。模型不确定性和外界干扰由RBF神经网络在线补偿,控制律由动态面控制方法得到,降低了反推控制器的复杂性,改进的神经网络权值调整自适应率改善了系统的过渡过程品质。利用Lyapunov稳定性定理证明了闭环系统所有信号有界,系统跟踪误差和神经网络权值估计误差指数收敛到有界紧集内。对所研究的飞行控制系统进行了herbst机动仿真,结果验证了该系统在过失速机动条件下具有良好的控制性能。     

基于RBF神经网络的多媒体教学课件综合评价模型

采用RBF神经网络的方法建立了多媒体教学课件的综合评价模型,构建了神经网络评价模型的结构,并在MATLAB上采用样本数据训练了神经网络评价模型,仿真结果表明：该模型克服了传统评价过程的复杂性和主观因素,能全面、公正、科学地综合评价多媒体教学课件.     

一种基于RBF神经网络的无线传感器网络定位模型

在无线传感器网络覆盖区域内的不同位置采集信号强度值,利用径向基函数(RBF)神经网络建立信号强度到节点坐标之间的映射模型,将采集到的信号强度值作为神经网络的输入矢量进行训练,利用训练好的神经网络实现未知节点的定位。实验结果表明,该模型具有较好的定位精度,其平均定位误差低于10%。     

基于RBF神经网络的专利发展趋势预测研究

利用RBF神经网络,对国内外近年来专利的发展趋势和专利申请增长趋势进行了预测,同时把预测结果与用时间序列ARMA模型预测的结果进行了比较。指出良好培训的RBF神经网络的输出数据能与实际专利申请数较好地吻合,而且比ARMA预测方法更为有效。     

基于RBF神经网络的采场回采工艺改进试验

某铁矿地下采场回采中存在生产效率低、炸药单耗大和大块率高的问题.为此,提出了水平炮孔前进式开采的改进方案,进行了以排距、孔距、周边孔距为因素的L9(33)的爆破正交试验,建立了以排距、孔距、周边孔距为输入层因子,炸药单耗和大块率为输出层因子的RBF神经网络模型;从安全和经济的角度提出了爆破综合期望指数公式,结合模型预测结果进行最终优选,优选结果为:排距1m,孔间距14m,周边孔距1m.经过现场验证,现生产能力为原来的4倍,增加了可充填的采场数目,顶板暴露时间缩短,生产效率提高约75%,炸药单耗减少62%,大块率降低74%.     

油气悬挂输出力特性RBF网络预测研究

通过对某装甲车的油气悬挂进行试验测试,得到不同温度下的位移响应、速度响应及输出力响应的时间序列.利用所得的试验数据,应用RBF网络建立该型油气悬挂的非参数化模型,然后通过该模型对油气悬挂的输出力特性进行预测,并与BP网络得到的数据比较.结果表明:RBF网络不但具有很好的泛化能力,而且具有更快的预测速度.在此基础上,开发了油气悬挂输出力特性的RBF网络预测平台,在输入响应振幅、频率和工作温度的情况下,就可便捷有效地预测悬挂整个周期的输出力特性.