期刊文献+
共找到1,101篇文章
< 1 2 56 >
每页显示 20 50 100
单级齿轮系统混沌运动及其径向基函数神经网络控制
1
作者 王瑞邦 田亚平 +3 位作者 张峰 卢杭 王建勤 杨江辉 《噪声与振动控制》 北大核心 2025年第4期32-38,共7页
为实现3自由度单级直齿轮系统的混沌运动有效控制,用集中质量法建立系统的动力学模型,并用4~5阶Runge-Kutta法求解得到参数区间内的周期运动向混沌运动转迁的规律。针对特定参数区域的混沌运动,以控制参数的扰动量为输出,Poincaré... 为实现3自由度单级直齿轮系统的混沌运动有效控制,用集中质量法建立系统的动力学模型,并用4~5阶Runge-Kutta法求解得到参数区间内的周期运动向混沌运动转迁的规律。针对特定参数区域的混沌运动,以控制参数的扰动量为输出,Poincaré截面上点的欧式距离为输入,构建径向基函数神经网络控制器,使用改进局部搜索能力和寻优速度的引力搜索算法优化径向基函数神经网络控制器的参数,实现系统混沌运动向周期运动的有效控制。结果表明径向基函数神经网络控制方法不受系统的Jacobian矩阵和流形的限制更具有工程普适性。 展开更多
关键词 振动与波 单级齿轮传动系统 混沌控制 径向函数神经网络 万有引力搜索算法
在线阅读 下载PDF
自动驾驶电动车辆基于参数预测的径向基函数神经网络自适应控制 被引量:4
2
作者 陈志勇 李攀 +1 位作者 叶明旭 林歆悠 《中国机械工程》 EI CAS CSCD 北大核心 2024年第6期982-992,共11页
针对具有不确定性的自动驾驶电动车辆的运动控制问题,提出了一种基于参数预测的径向基函数(RBF)神经网络自适应协调控制方案。首先,考虑系统参数的不确定性及外部干扰的影响,利用预瞄方法建立可表征车辆循迹跟车行为的动力学模型;其次,... 针对具有不确定性的自动驾驶电动车辆的运动控制问题,提出了一种基于参数预测的径向基函数(RBF)神经网络自适应协调控制方案。首先,考虑系统参数的不确定性及外部干扰的影响,利用预瞄方法建立可表征车辆循迹跟车行为的动力学模型;其次,采用RBF神经网络补偿器对系统不确定性进行自适应补偿,设计车辆横纵向运动的广义协调控制律;之后,考虑前车车速及道路曲率影响,以车辆在循迹跟车控制过程中的能耗及平均冲击度最小为优化目标,利用粒子群优化(PSO)算法对协调控制律中的增益参数K进行滚动优化,并最终得到一系列优化后的样本数据;在此基础上,设计、训练一个反向传播(BP)神经网络,实现对广义协调控制律中增益参数K的实时预测,以保证车辆的经济性及乘坐舒适性。仿真结果证实了所提控制方案的有效性。 展开更多
关键词 自动驾驶电动车辆 不确定性 径向函数神经网络 粒子群优化算法 参数预测
在线阅读 下载PDF
基于径向基函数神经网络算法的高频转阀阀芯稳定性
3
作者 薛召 陈泽吉 +1 位作者 贾文昂 白继平 《液压与气动》 北大核心 2024年第9期98-107,共10页
针对伺服电机驱动高频转阀时受液动力矩变化影响造成高频输出精度下降的问题,以液压马达作为动力源,提出一种基于径向基函数神经网络算法的转阀阀芯转速控制策略。首先,搭建高频转阀阀芯转速控制系统的数学模型;其次根据数学模型在MATLA... 针对伺服电机驱动高频转阀时受液动力矩变化影响造成高频输出精度下降的问题,以液压马达作为动力源,提出一种基于径向基函数神经网络算法的转阀阀芯转速控制策略。首先,搭建高频转阀阀芯转速控制系统的数学模型;其次根据数学模型在MATLAB/Simulink平台搭建仿真模型,对不同算法作用下阀芯转速控制特性进行仿真分析;最后建立高频转阀转速控制系统实验台,对不同算法作用下阀芯转速控制特性进行实验研究和理论验证。结果表明:与常规PID控制方法相比,基于径向基函数神经网络的高频转阀转速控制策略转速控制系统阶跃响应所需调整时间最少为0.16 s,超调量小;三角波与正弦波转速跟踪误差均值下降最大值分别为46.51%、53.69%;6 MPa、10 MPa下,转速稳态误差均值分别下降34.92%、38.26%。径向基函数神经网络算法有效提高了高频转阀阀芯转速控制精度。 展开更多
关键词 径向函数神经网络算法 高频转阀 液压马达 转速控制
在线阅读 下载PDF
基于多变量相空间重构和径向基函数神经网络的综合能源系统电冷热超短期负荷预测 被引量:14
4
作者 窦真兰 张春雁 +2 位作者 许一洲 高煜焜 刘皓明 《电网技术》 EI CSCD 北大核心 2024年第1期121-128,共8页
为解决能源危机问题,提高能源利用率,综合能源系统(integrated energy system,IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响,而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦... 为解决能源危机问题,提高能源利用率,综合能源系统(integrated energy system,IES)成为发展创新型能源系统的重要方向。准确的多元负荷预测对IES的经济调度和优化运行有着重要的影响,而借助混沌理论能够进一步挖掘IES多元负荷潜在的耦合特性。提出了一种基于多变量相空间重构(multivariate phase space reconstruction,MPSR)和径向基函数神经网络(radial basis function neural network,RBFNN)相结合的IES超短期电冷热负荷预测模型。首先,分析了IES中能源子系统之间的耦合关系,运用Pearson相关性分析定量描述多元负荷和气象特征的相关性。然后,采用C-C法对时间序列进行MPSR以进一步挖掘电冷热负荷和气象特征在时间上的耦合特性。最后,利用RBFNN模型对电冷热负荷间耦合关系进行学习并预测。实验结果表明,所提方法有效挖掘并学习电冷热负荷在时间上的耦合特性,且在不同样本容量下具有良好且稳定的预测效果。 展开更多
关键词 电冷热负荷预测 综合能源系统 多变量相空间重构 径向函数神经网络
在线阅读 下载PDF
基于神经网络的无线电能传输自抗扰控制 被引量:1
5
作者 宋贝多 程志江 +1 位作者 刘尊祝 杨涵棣 《现代电子技术》 北大核心 2025年第6期85-90,共6页
为了实现电压型无线电能传输系统(WPT)的精确和稳定输出,解决自抗扰控制器(ADRC)参数整定复杂的问题,提出一种基于径向基(RBF)神经网络优化的ADRC控制的WPT系统。首先,建立双边LCC型WPT系统模型,并采用Hammerstein模型简化系统分析和控... 为了实现电压型无线电能传输系统(WPT)的精确和稳定输出,解决自抗扰控制器(ADRC)参数整定复杂的问题,提出一种基于径向基(RBF)神经网络优化的ADRC控制的WPT系统。首先,建立双边LCC型WPT系统模型,并采用Hammerstein模型简化系统分析和控制器设计;其次,利用RBF神经网络的在线学习能力动态优化ADRC控制器中的可调参数,以实现对系统输出电压的精确控制;最后,搭建基于RBF-ADRC的无线电能传输装置,比较RBF-ADRC和ADRC控制器的控制效果。实验结果表明,与传统ADRC控制器相比,RBF-ADRC控制器不仅解决了参数调整困难的问题,还显著提升了系统的响应速度和控制性能,验证了RBF-ADRC控制器的有效性,实现了无超调的稳定输出,并且过渡时间更短。 展开更多
关键词 无线电能传输系统 自抗扰控制 RBF神经网络 双边LCC型拓扑结构 恒压输出 径向函数
在线阅读 下载PDF
基于GWO-RBF神经网络的城市机动车能耗预测
6
作者 李四洋 张瑞 +2 位作者 李雅男 陈贺鹏 陈艳艳 《科学技术与工程》 北大核心 2025年第8期3480-3486,共7页
在交通碳达峰和碳中和的背景下,高精度、细粒度、可实施性强的机动车能耗实时预测方法成为交通减碳关键组成之一。针对传统基于回归的车辆能耗模型普适性较差的问题,提出了一种基于径向基函数神经网络(radial basis function neural net... 在交通碳达峰和碳中和的背景下,高精度、细粒度、可实施性强的机动车能耗实时预测方法成为交通减碳关键组成之一。针对传统基于回归的车辆能耗模型普适性较差的问题,提出了一种基于径向基函数神经网络(radial basis function neural network,RBFNN)的车辆能耗预测模型。首先分析车辆能耗影响因素并基于Min-Max标准化方法对影响因素矩阵进行归一化处理,然后基于灰狼算法(grey wolf optimization,GWO)优化RBFNN算法隐藏层中心点、高斯函数的宽度和隐含层与输出层连接的权值的训练,最后从横向模型对比和实车实测数据进行模型预测准确度分析。测试结果表明:RBFNN算法预测准确度较传统回归模型提高约12%,整体准确度达到90%以上,能够很好地对城市机动车能耗进行预测。 展开更多
关键词 机动车 能耗 径向函数神经网络(RBFNN) 灰狼算法(GWO)
在线阅读 下载PDF
基于权重自适应更新径向基函数神经网络的水下游动机械臂镇定控制 被引量:2
7
作者 孙非 曹宇赫 +1 位作者 崔特 任超 《电子测量与仪器学报》 CSCD 北大核心 2024年第4期1-8,共8页
水下游动机械臂(underwater swimming manipulator,USM)是一种由水下蛇形机器人和矢量推进器组成的新型水下机器人。USM系统具有高度非线性、强耦合以及不确定性等特点,其动力学模型难以精确建立。因此,实现USM的高精度镇定控制存在挑... 水下游动机械臂(underwater swimming manipulator,USM)是一种由水下蛇形机器人和矢量推进器组成的新型水下机器人。USM系统具有高度非线性、强耦合以及不确定性等特点,其动力学模型难以精确建立。因此,实现USM的高精度镇定控制存在挑战。针对这一问题,本文基于反馈线性化和自适应径向基函数神经网络(radial basis function neural network,RBFNN),设计了一种动力学控制方案以实现USM的镇定控制。首先,介绍了USM平台结构,基于Lagrange方程给出了USM的动力学模型,并推导了USM的矢量推力系统模型。然后,设计了基于反馈线性化和RBFNN的动力学控制器,并通过反步法自适应更新RBFNN的权重。其中,权重自适应更新RBFNN用于实时估计系统未建模部分、参数误差以及外部扰动,从而对动力学控制器进行补偿。此外,为了将动力学控制器提供的广义力和力矩转换成各个执行器的控制输入,给出了推力分配策略。最后,进行了湖泊实验,分别对USM的I构型和C构型镇定控制,文章所提出的控制方案在两种构型下的稳态误差均小于0.08 m和10°,验证了所提出的USM六自由度镇定控制器的有效性。 展开更多
关键词 水下游动机械臂 动力学建模 反馈线性化 径向函数神经网络
在线阅读 下载PDF
基于混合双层自组织径向基函数神经网络的优化学习算法
8
作者 杨彦霞 王普 +2 位作者 高学金 高慧慧 齐泽洋 《北京工业大学学报》 CAS CSCD 北大核心 2024年第1期38-49,共12页
针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,H... 针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,Hb-SRBFNN-OL)算法。首先,将训练过程和测试过程集成到一个统一的框架中,规避过拟合或欠拟合问题。其次,基于进化学习机制,提出上下2层的交互式优化学习算法,上层基于网络复杂度和测试误差自组织调整网络结构,下层采用列文伯格-马夸尔特(Levenberg Marquardt,LM)算法作为优化器对自组织径向基函数神经网络(self-organizing radial basis function neural network,SO-RBFNN)的连接权值进行优化。最后,利用来自多个子网络的综合信息生成模型的最终输出,加速网络全局收敛。为验证所提方法的可行性,分别在多个分类和预测任务中进行了测试实验。结果表明,在与传统神经网络结构相似甚至更好的测试和分类精度下,该方法不仅能实现更快的训练收敛,而且能进化成更精简紧凑的径向基函数神经网络(radial basis function neural network,RBFNN)模型。尤其在污水处理过程中总磷的质量浓度预测实验中,测试集中均方根误差(root mean squared error,RMSE)最高可降低48.90%,实际场景实验结果验证了所提算法的精确性更佳且泛化能力更强。 展开更多
关键词 径向函数神经网络(radial basis function neural network RBFNN) 自组织 列文伯格-马夸尔特(Levenberg Marquardt LM)算法 混合双层 优化学习 泛化性能
在线阅读 下载PDF
基于RBF神经网络的高速列车速度跟踪控制
9
作者 秦世玉 徐传芳 李云浩 《北京交通大学学报》 北大核心 2025年第3期111-119,共9页
针对考虑未知模型参数、不确定附加阻力、未知车间力和外界干扰等影响的高速列车速度跟踪控制问题,提出基于径向基函数(Radialbasisfunction,RBF)神经网络的自适应非奇异快速终端滑模控制器.首先,考虑高速列车的非线性阻力和相邻车厢间... 针对考虑未知模型参数、不确定附加阻力、未知车间力和外界干扰等影响的高速列车速度跟踪控制问题,提出基于径向基函数(Radialbasisfunction,RBF)神经网络的自适应非奇异快速终端滑模控制器.首先,考虑高速列车的非线性阻力和相邻车厢间的车间耦合作用力影响,建立高速列车多质点模型.其次,设计一种基于新型饱和函数的高速列车有限时间速度跟踪控制策略,引入非奇异快速终端滑模控制方法实现高速列车系统状态的有限时间收敛,改善高速列车速度跟踪的稳态精度和暂态性能.再次,设计基于RBF神经网络的自适应非奇异终端滑模跟踪控制策略,利用自适应技术实现对列车模型参数以及附加阻力、车间力等不确定性项上限的在线估计,并针对不连续切换控制项造成的抖振现象,引入RBF神经网络重映射非奇异快速终端滑模控制策略的切换控制项,同时设计权重系数的自适应更新律,实现连续切换,有效消除抖振现象所带来的影响.最后,基于Lyapunov稳定性理论证明高速列车速度跟踪控制系统的稳定性,以及系统状态的有限时间收敛性,并以CRH380B型动车组作为控制对象进行仿真验证.仿真结果表明:高速列车可以在有限时间内收敛并跟踪理想轨线,跟踪误差下降了49%,跟踪精度提高,能够为高速列车跟踪控制领域提供借鉴和参考. 展开更多
关键词 高速列车 径向函数神经网络 多质点模型 速度跟踪 自适应滑模控制
在线阅读 下载PDF
基于神经网络的船测稀疏海域地形反演改进算法
10
作者 欧阳明达 翟振和 +3 位作者 牛向华 管斌 张鹏飞 付永健 《中国惯性技术学报》 北大核心 2025年第1期64-69,共6页
针对重力地质法在船测稀疏海域反演海底地形时的精度下降问题,提出径向基函数神经网络改进算法,即将船测已知点上重力异常、低分辨率海底地形、垂直重力梯度等与海底地形存在关联要素作为输入数据,将长波重力异常作为输出数据进行训练,... 针对重力地质法在船测稀疏海域反演海底地形时的精度下降问题,提出径向基函数神经网络改进算法,即将船测已知点上重力异常、低分辨率海底地形、垂直重力梯度等与海底地形存在关联要素作为输入数据,将长波重力异常作为输出数据进行训练,所建立神经网络模型用于长波重力异常格网构建,达到提高地形反演精度的目的。为验证改进算法有效性,设计7种不同组合模式,将南中国海某海域作为研究对象,对比形成最优方案,结果表明,在船测稀疏海域,改进方案相比重力地质法反演精度提高40%以上。 展开更多
关键词 重力地质法 径向函数神经网络算法 重力异常 海底地形
在线阅读 下载PDF
船用起重机自适应神经网络滑模防摆控制
11
作者 陈志梅 王艳芳 +2 位作者 朱东科 邵雪卷 张井岗 《上海海事大学学报》 北大核心 2025年第2期137-143,共7页
针对欠驱动船用臂架起重机存在持续不确定上界干扰问题,提出一种自适应径向基函数神经网络(adaptive radial basis function neural network,ARBFNN)分层滑模控制(hierarchical sliding mode control,HSMC)方法(称为ARBFNN-HSMC方法)。... 针对欠驱动船用臂架起重机存在持续不确定上界干扰问题,提出一种自适应径向基函数神经网络(adaptive radial basis function neural network,ARBFNN)分层滑模控制(hierarchical sliding mode control,HSMC)方法(称为ARBFNN-HSMC方法)。采用拉格朗日方法建立受海浪持续影响的船舶-起重机-负载复杂系统的动力学模型,并将其转换为欠驱动系统的标准形式;采用HSMC方法设计控制律,以补偿系统参数的摄动;通过ARBFNN逼近并补偿由外部非线性干扰引起的不确定上界扰动,并利用李雅普诺夫函数证明了系统的渐近稳定性。仿真结果表明,该方法在持续未知干扰下具有很强的鲁棒性,能够有效实现负载定位和消除摆动的双重目标。 展开更多
关键词 船用起重机 防摆控制 欠驱动系统 分层滑模控制(HSMC) 自适应径向函数神经网络(ARBFNN)
在线阅读 下载PDF
基于GRA-RBF神经网络模型的煤矿安全风险预控管理安全风险评价研究 被引量:3
12
作者 夏永亮 《中国矿业》 北大核心 2024年第9期51-57,共7页
煤矿安全风险预控管理因素复杂,在实际评价过程中,层级混乱导致安全风险评价输出的MAPE数值较小,使得煤矿安全风险评价结果缺乏准确性。针对煤矿安全风险预控管理问题,提出了一种基于灰色关联分析(GRA)与径向基函数(RBF)神经网络模型的... 煤矿安全风险预控管理因素复杂,在实际评价过程中,层级混乱导致安全风险评价输出的MAPE数值较小,使得煤矿安全风险评价结果缺乏准确性。针对煤矿安全风险预控管理问题,提出了一种基于灰色关联分析(GRA)与径向基函数(RBF)神经网络模型的安全风险评价方法。首先,融合大量煤矿环境数据,构建多层级安全风险评价体系,全面考量各层次及要素对安全风险的影响。其次,通过GRA算法,依据安全风险紧急程度确定关键预控管理指标,确保评价的精准性与针对性。最后,利用RBF神经网络的强大非线性映射能力,特别是其径向基函数对高权重安全风险指标的精细处理,并定义神经网络每层拓扑结构处理过程,实现评价结果的输出。为验证该方法的有效性,本文准备了多样化的安全风险数据集,并进行降维处理以生成不同数量的安全指标,匹配不同的聚类参数。在对比实验中,将新方法与两种已成熟应用的安全风险评价方法并行测试,以MAPE作为核心评价指标。研究结果显示,本文所设计的基于GRA-RBF神经网络模型的安全风险评价方法输出的MAPE数值显著提升,表明其能够更准确地预测高风险安全评价指标,对于煤矿安全风险预控管理工作提供了相应的风险评价标准,在一定程度上保证了煤矿安全工作的顺利开展,能够为煤矿安全风险预控管理提供强有力的技术支持和决策依据。 展开更多
关键词 GRA-RBF神经网络 煤矿安风险 预控管理 径向函数 等级 MAPE数值
在线阅读 下载PDF
基于径向基函数神经网络和模糊积分融合的电网分区故障诊断 被引量:53
13
作者 石东源 熊国江 +1 位作者 陈金富 李银红 《中国电机工程学报》 EI CSCD 北大核心 2014年第4期562-569,共8页
为有效解决分区故障诊断关于互连区域间联络线的诊断问题,提出了基于径向基函数神经网络和模糊积分融合的大电网故障诊断方法。该方法通过网络重叠分区将大电网划分为若干区域,故障发生后根据警报信息选择性触发警报信息所在区域对应的... 为有效解决分区故障诊断关于互连区域间联络线的诊断问题,提出了基于径向基函数神经网络和模糊积分融合的大电网故障诊断方法。该方法通过网络重叠分区将大电网划分为若干区域,故障发生后根据警报信息选择性触发警报信息所在区域对应的区域径向基函数神经网络诊断模块,然后利用模糊积分关联融合相连区域关于联络线的诊断输出,实现对联络线的故障诊断。该方法不仅可以诊断各区域内部发生的故障,而且能够有效地诊断区域间联络线发生的故障。算例仿真结果表明:该方法简单、有效,能弥补现有电网分区故障诊断方法在联络线故障诊断方面存在的不足,且能够处理各种复杂故障情况,具有良好的故障容错能力。 展开更多
关键词 大电网 电网分区 故障诊断 径向函数神经网络 模糊积分
在线阅读 下载PDF
基于广义生长-剪枝径向基函数神经网络的谐波源建模 被引量:24
14
作者 占勇 程浩忠 +1 位作者 葛乃成 黄广兵 《中国电机工程学报》 EI CSCD 北大核心 2005年第16期42-46,共5页
采用广义生长-剪枝RBF神经网络建立稳态频域的谐波源模型。在该模型中,各次谐波电流的幅值和相角与各次谐波电压的幅值和相角以及负荷特征参数的非线性映射关系通过一种新颖的广义生长?剪枝RBF网络进行建模。该网络的学习算法是串行的,... 采用广义生长-剪枝RBF神经网络建立稳态频域的谐波源模型。在该模型中,各次谐波电流的幅值和相角与各次谐波电压的幅值和相角以及负荷特征参数的非线性映射关系通过一种新颖的广义生长?剪枝RBF网络进行建模。该网络的学习算法是串行的,可以进行动态建模。算例计算表明,该模型具有训练时间少、精度高、可动态建模等优点。 展开更多
关键词 电力系统 谐波潮流 谐波源模型 径向函数 神经网络 串行学习 广义生长-剪枝径向函数
在线阅读 下载PDF
电动车电池SOC估计的径向基函数神经网络方法 被引量:58
15
作者 雷肖 陈清泉 +1 位作者 刘开培 马历 《电工技术学报》 EI CSCD 北大核心 2008年第5期81-87,共7页
结合电池容量估计问题,将广义生长剪枝径向基函数神经网络方法用于判断电动车蓄电池的荷电状态。通过神经网络输入参数的选择,文章设计标准模型、递推模型和安时模型三种不同的估计模型。实验结果表明:估计模型经过训练后,可以通过,蓄... 结合电池容量估计问题,将广义生长剪枝径向基函数神经网络方法用于判断电动车蓄电池的荷电状态。通过神经网络输入参数的选择,文章设计标准模型、递推模型和安时模型三种不同的估计模型。实验结果表明:估计模型经过训练后,可以通过,蓄电池的工作电压、工作电流和表面温度参数估计蓄电池的荷电状态实时值,其中安时模型的训练时间、估计精度、网络的规模较其他两种模型更为出色。同时,本文引入解耦卡尔曼滤波器算法,有效提高了广义生长剪枝径向基神经网络的训练速度,在保证精度的前提下,将模型的训练时间缩短了1/2。 展开更多
关键词 电动车 荷电状态 神经网络 径向函数 广义生长剪枝
在线阅读 下载PDF
超临界锅炉烟气脱硝喷氨量混结构–径向基函数神经网络最优控制 被引量:63
16
作者 周洪煜 张振华 +2 位作者 张军 张伟 赵乾 《中国电机工程学报》 EI CSCD 北大核心 2011年第5期108-113,共6页
喷氨量大小不仅影响超临界锅炉选择性催化还原(selective catalytic reduction,SCR)烟气脱硝装置的效率,过量喷氨也会导致下游空预器受热面的积灰、腐蚀和造成资源浪费、二次污染,且在变负荷时,传统PID控制方式很难实现最佳控制。通过... 喷氨量大小不仅影响超临界锅炉选择性催化还原(selective catalytic reduction,SCR)烟气脱硝装置的效率,过量喷氨也会导致下游空预器受热面的积灰、腐蚀和造成资源浪费、二次污染,且在变负荷时,传统PID控制方式很难实现最佳控制。通过引入混结构隐含层,改善传统RBF神经网络变工况控制时的非线性和扰动适应能力,设计了基于混结构RBF神经网络(MS-RBFNN)的喷氨流量最优控制系统,用MS-RBFNN综合学习当前主要相关状态参数,以SCR脱硝装置出口NOx排放量最小作为学习训练信号,实时并行计算出最优喷氨控制流量。实验结果表明,此优化方案相对传统PID控制,具有更好的NOx排放控制效果和变工况适应能力,同时节约了喷氨量。 展开更多
关键词 选择性催化还原 径向函数神经网络 混结构 最优控制 烟气脱硝 超临界锅炉
在线阅读 下载PDF
基于自适应径向基函数神经网络的无刷直流电机直接电流控制 被引量:53
17
作者 夏长亮 王娟 +3 位作者 史婷娜 陈炜 徐绍辉 杨荣 《中国电机工程学报》 EI CSCD 北大核心 2003年第6期123-127,共5页
提出了基于自适应径向基函数(Radial Basis Function)神经网络的无刷直流电机直接电流控制新方法。该方法构造了一个隐层节点初始个数为零的RBF网络,通过在训练过程中不断地按照自适应算法添加和删除隐层单元, 形成 一个结构简单、紧凑... 提出了基于自适应径向基函数(Radial Basis Function)神经网络的无刷直流电机直接电流控制新方法。该方法构造了一个隐层节点初始个数为零的RBF网络,通过在训练过程中不断地按照自适应算法添加和删除隐层单元, 形成 一个结构简单、紧凑的RBF网络来实现电机电压、电流与功率开关导通信号之间的非线性映射,直接控制功率开关的通断,实现无位置传感器的直接电流控制。网络训练采用离线训练和在线训练相结合的方法。首先利用来自实验数据的训练样本按给出的自适应算法对网络进行离线训练,确定RBF网络隐层节点的个数及位置;再按递推最小二乘法(RLS)在线修正隐层与输出层之间的连接权;最后,用数字处理器(DSP)实现在线控制算法。实验结果表明,该控制方法具有较高的鲁棒性和控制精度。 展开更多
关键词 无刷直流电机 直接电流控制 自适应径向函数 神经网络 无位置传感器
在线阅读 下载PDF
基于径向基函数神经网络的在线分布式故障诊断系统 被引量:20
18
作者 毕天姝 严正 +3 位作者 文福拴 倪以信 吴复立 杨奇逊 《电网技术》 EI CSCD 北大核心 2001年第11期27-32,37,共7页
作者建议使用分布式智能系统解决大规模电力网络的实时故障诊断问题 ,并为此提出了一种新的基于最小度排序的图形分割方法 ,它能够将大规模电力网络有效地分割为给定数目的连通子网络 ,并且各子网络的故障诊断负担近似相等 ,同时每个子... 作者建议使用分布式智能系统解决大规模电力网络的实时故障诊断问题 ,并为此提出了一种新的基于最小度排序的图形分割方法 ,它能够将大规模电力网络有效地分割为给定数目的连通子网络 ,并且各子网络的故障诊断负担近似相等 ,同时每个子网络边界元件的数目最小。然后用径向基函数神经网络完成各子网络的故障诊断。所提出的分布式智能故障诊断系统已使用稀疏存储技术编程实现 ,并在 IEEE14母线、30母线和 118母线系统中进行了仿真研究。 展开更多
关键词 电力网 分布式故障诊断系统 径向函数 神经网络
在线阅读 下载PDF
基于径向基函数神经网络和模糊控制系统的电网故障诊断新方法 被引量:41
19
作者 毕天姝 倪以信 +1 位作者 吴复立 杨奇逊 《中国电机工程学报》 EI CSCD 北大核心 2005年第14期12-18,共7页
该文针对RBF神经网络的知识存储和诊断过程是一个黑箱,对运行人员不透明,且当电网拓扑结构发生变化或扩展时,神经网络只能重新训练等问题,推导并建立了RBF神经网络和模糊控制系统之间的等值关系,使得蕴含在RBF神经网络权重中的知识转变... 该文针对RBF神经网络的知识存储和诊断过程是一个黑箱,对运行人员不透明,且当电网拓扑结构发生变化或扩展时,神经网络只能重新训练等问题,推导并建立了RBF神经网络和模糊控制系统之间的等值关系,使得蕴含在RBF神经网络权重中的知识转变为等值模糊控制系统中用语言表述的规则。在此基础上,针对电网结构发生变化或扩展情况,提出了RBF神经网络的局部重新训练新算法。提出的基于RBF神经网络和等值模糊控制系统的故障诊断方法在IEEE118母线系统中进行了仿真试验,结果表明:基于RBF网络与等值模糊系统的故障诊断方法诊断知识易于理解,诊断过程透明,并能适应电网拓扑结构发生变化或扩展的情况,效果理想。 展开更多
关键词 电力系统 故障诊断 径向函数神经网络 模糊控制系统 重新训练算法
在线阅读 下载PDF
基于量子自适应粒子群优化径向基函数神经网络的网络流量预测 被引量:33
20
作者 郭通 兰巨龙 +1 位作者 李玉峰 江逸茗 《电子与信息学报》 EI CSCD 北大核心 2013年第9期2220-2226,共7页
该文提出一种量子自适应粒子群优化算法,该算法中,粒子位置的编码采用量子比特实现,利用粒子飞行轨迹信息动态更新量子比特的状态,并引入量子非门实现变异操作以避免陷入局部最优。用该算法训练神经网络,实现了径向基函数(RBF)神经网络... 该文提出一种量子自适应粒子群优化算法,该算法中,粒子位置的编码采用量子比特实现,利用粒子飞行轨迹信息动态更新量子比特的状态,并引入量子非门实现变异操作以避免陷入局部最优。用该算法训练神经网络,实现了径向基函数(RBF)神经网络参数优化,建立了基于量子自适应粒子群优化RBF神经网络算法的网络流量预测模型。对真实网络流量的预测结果表明,该方法的收敛速度和预测精度均要优于传统RBF神经网络法、粒子群-RBF神经网络法、混合粒子群-RBF神经网络法和自适应粒子群-RBF神经网络法,并且预测效果不易受时间尺度变化的影响。 展开更多
关键词 径向函数神经网络 自适应粒子群优化 量子比特 流量预测
在线阅读 下载PDF
上一页 1 2 56 下一页 到第
使用帮助 返回顶部