一种基于T-S模糊模型的自适应建模方法及其应用

提出了一种改进的基于T-S模糊RBF神经网络模型的辨识算法和自适应方法,采用模糊C均值聚类(FCM)算法划分输入输出数据空间,最后将该算法应用于丙烯腈收率的预报,仿真结果表明了这种基于T-S模糊模型的自适应建模方法的有效性。     

一类间歇过程的优化及非线性预测控制

基于主产物浓度和反应温度的RBF神经网络模型,使用粒子群优化算法(PSO)求解该间歇反应主产物产率最大化问题,进而得到反应温度优化曲线。利用RBF神经网络建立了反应器冷却水控制温度阶段的预测模型,采用非线性预测控制,并引入了模型误差项,增强了控制方法的鲁棒性和间歇过程的抗干扰性能。利用 Lyapunov 原理对该预测控制算法做了稳定性分析,确定了系统稳定条件下的参数的取值范围。同时编制控制程序在多功能过程及控制实验装置(MPCE)装置上实现了算法的控制,并与以升温速率为基准的特殊PID调节器的控制结果比较,结果证明了基于RBF神经网络非线性预测控制方法的有效性。     

基于AAFDE-RBF算法的PID参数整定

针对工业过程中PID(proportional integral derivative,比例积分微分)参数整定难的问题，提出一种自适应调整因子的差分进化算法(adaptive adjustment factor differential evolution algorithm, AAFDE)的神经网络(radial basis function, RBF)方法整定PID控制器的参数。先在差分进化算法中引入自适应调整变异因子，通过定义个体优劣系数引入自适应调整交叉概率因子；再采用AAFDE算法优化RBF的初始参数，建立RBF模型，接着由RBF在线辨识得到梯度信息；最后根据梯度信息对PID的3个参数在线调整。直流电机系统的仿真实验表明，与RBF-PID和DE-RBF-PID相比，AAFDE-RBF-PID控制器动态性能更好、抗干扰性能更强，控制精度更高。     

基于RBF神经网络的场地重金属污染三维空间分布计算

分析污染场地重金属污染的三维空间分布，能够帮助准确掌握场地内重金属的污染范围及污染程度，对土壤修复治理方案的制定具有重要参考价值.以某停产的热镀锌厂原厂址为研究区，首先通过分析三种径向基函数神经网络的预测精度，确定了用于计算研究区重金属Zn含量三维空间分布的最优径向基函数，并构建了基于RBF神经网络的污染物三维空间分布计算模型；然后利用该模型对研究区内重金属Zn含量的三维空间分布进行了计算；最后利用ArcEngine二次开发的土壤重金属污染三维可视化系统对预测结果进行了三维可视化显示，并对Zn污染的土方量进行了计算.结果表明：以高斯函数作为径向基函数的RBF神经网络的预测精度最高；研究区地下[0,5)m的土层中Zn的平均质量分数为492.4 mg·kg^-1，约为背景值(89 mg·kg^-1)的5.5倍，被Zn污染的总土方量为33 601.30 m³，说明研究区土壤的Zn污染程度较严重；Zn污染区域主要集中在研究区中部及中部偏东区域，且地下[0,2)m土层受污染最严重；垂直方向上，随土层深度的增加，土壤中Zn含量逐渐减小.     

云边协同的轻量级网络结构人脸识别方法

为了解决人脸识别因采用复杂度较高的卷积神经网络导致在计算与存储资源受限的物联网(IoT)边缘设备中无法部署的问题，提出了可通过云边协同技术部署在物联网边缘设备上的轻量级Mobile MTCNN人脸检测与识别算法，以减少物联网边缘设备资源开销.在人脸检测算法中使用轻量级子网络获取人脸框位置和人脸关键点坐标，并在人脸识别算法中设计了基于Mobile-Inception与Mobile-Resent结构的IMobileNet网络模型.实验结果表明：人脸检测算法在较现有算法准确率平均下降1%的情况下，虽然漏检率平均增加1%,但运行时间平均减少20%以上；人脸识别算法在达到MobileNet V2网络相同准确率情况下，设计并选用的IMobileNet-Small网络平均识别时间减少12%以上.因此，轻量级人脸检测与识别算法可维持识别精确度，同时满足边缘设备部署要求.     

基于径向基神经网络的油藏反演方法

文章提出一种基于径向基(radial basis function, RBF)神经网络的油藏反演方法。该方法利用抽样生成的井底压力数据构造RBF神经网络模型，由RBF神经网络预测值与实际观测值的偏差定义目标函数，再利用粒子群算法(particle swarm optimization, PSO)对其进行优化，最终得到不确定参数的最优解和反演参数。与多项式拟合方法相比，RBF神经网络方法具有更好的拟合结果和更高的精度，甚至在多项式拟合方法失效时，该方法也能得到很好的模拟结果。油田实际算例表明，该方法具有良好的拟合效果，能大幅提高反演效率，具有很好的应用前景。     

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.