-
题名基于RBF神经网络的射频功放行为模型研究
被引量：3
- 1
-
-
作者
南敬昌
赵景梅
袁杰
-
机构
辽宁工程技术大学电子与信息工程学院
中国人民解放军
-
出处
《计算机工程与应用》
CSCD
北大核心
2011年第8期125-127,134,共4页
-
基金
国家自然科学基金(No.60971048)
辽宁省博士科研启动基金(No.20091033)~~
-
文摘
为了设计和优化高线性功率放大器和通信子系统,在系统级仿真中,构建功率放大器精确的行为模型是极为重要的。应用实际功率放大器晶体管测试板,通过ADS(Advanced Design System)仿真得到大量功放输入输出数据,建立了一个基于RBF(Radial Basis Function)神经网络的行为模型,给出了RBF神经网络的结构设计及K-均值聚类算法和共轭梯度优化算法,并进行了模型检验。结果表明,基于RBF神经网络的功放行为模型具有较高的精度,相对于BP神经网络模型具有更高的逼近能力和速度。
-
关键词
径向基函数(rbf)神经网络
功率放大器
行为模型
-
Keywords
radial basis function（rbf） neural network；power amplifier；behavioral model
-
分类号
TN911.6
[电子电信—通信与信息系统]
-
-
题名基于蚁狮算法优化的BP-RBF功放行为模型研究
被引量：7
- 2
-
-
作者
南敬昌
杜晶晶
高明明
-
机构
辽宁工程技术大学电子与信息工程学院
大连海事大学信息科学技术学院
-
出处
《微波学报》
CSCD
北大核心
2020年第6期32-37,共6页
-
基金
国家自然科学基金(61971210)
国家自然科学基金青年科学基金(6170121)
辽宁省特聘教授项目(60671057)。
-
文摘
为了准确描述射频功率放大器特性,在仿真过程中,建立一个良好的功放行为模型就变得极其关键。文中提出了一种基于蚁狮算法(Ant Lion Optimizer,ALO)优化的BP-RBF级联神经网络射频功放行为模型,首先,采用飞思卡尔半导体芯片设计射频功放电路,对从设计的电路中提取出的电压数据进行处理,然后利用蚁狮种群中的多个个体并行寻优的能力,优化BP-RBF神经网络的权值和阈值,对改进优化后的ALOBP-RBF神经网络模型进行MATLAB仿真,通过比较电压均方根误差验证模型精确性。仿真结果表明,相比于BP-RBF、GABP-RBF模型,该模型具有更高的精度、更快的收敛速度,可以精确地模拟功率放大器的特性,对射频电路的建模具有重要意义。
-
关键词
神经网络建模
功率放大器
蚁狮算法
MATLAB仿真
误差反向传播神经网络-径向基函数神经网络组合
-
Keywords
neural network modeling
power amplifier
ant lion optimizer
MATLAB simulation
back propagation-radical basis function(BP-rbf)
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TN722.75
[电子电信—电路与系统]
-
-
题名改进并行粒子群算法优化RBF神经网络建模
被引量：4
- 3
-
-
作者
陆亚男
南敬昌
高明明
-
机构
辽宁工程技术大学电子与信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第14期45-50,共6页
-
基金
国家自然科学基金(No.61372058)
辽宁省高校优秀科技人才支持计划(No.LR2013012)
+1 种基金
辽宁省教育厅科学研究一般项目(No.L2015209)
横向基金(No.14-2097-1)
-
文摘
针对已有神经网络功放建模的建模精度不高,易陷入局部极值等问题,提出一种新的改进并行粒子群算法(Improved Parallel Particle Swarm Optimization,IPPSO)。该算法在并行粒子群算法的基础上引入自适应变异操作,防止陷入局部最优;在微粒的速度项中加入整体微粒群的全局最优位置,动态调节学习因子与线性递减惯性权重,加快微粒收敛。将该改进算法用于优化RBF神经网络参数,并用优化的网络对非线性功放进行建模仿真。结果表明,该算法能有效减小建模误差,且均方根误差提高19.08%,进一步提高了神经网络功放建模精度。
-
关键词
并行粒子群算法
自适应变异操作
径向基函数(rbf)神经网络
平均适应度
功放建模
-
Keywords
parallel particle swarm optimization
adaptive mutation operation
radial basis function(rbf)neural network
average fitness
power amplifier modeling
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名基于ACFOA优化RBF的短期风电功率预测
被引量：8
- 4
-
-
作者
崔闪
彭道刚
钱玉良
-
机构
上海电力学院自动化工程学院
-
出处
《可再生能源》
CAS
北大核心
2017年第1期80-85,共6页
-
基金
上海市"科技创新行动计划"社会发展领域项目(16DZ1202500)
-
文摘
为了提高短期风电输出功率预测的准确度,在分析研究基本预测方法的基础上,提出采用一种自适应混沌果蝇算法(ACFOA)优化RBF神经网络的预测方法。该方法中引入自适应混沌对果蝇算法的进化机制进行优化,并利用ACFOA算法改善RBF神经网络结构参数以提高网络的泛化能力,同时对某风电场的历史数据进行验证分析。仿真结果表明,相比于PSO-RBF预测方法,采用提出的预测模型能有效减少较大误差出现的频率,大幅度提高风电输出功率预测的准确度。
-
关键词
风电功率
预测模型
rbf神经网络
ACFOA算法
参数优化
-
Keywords
wind power
prediction model
radial basis function（rbf） neural network
adaptive chaos fruit fly optimization algorithm（ACFOA）
parameter optimization
-
分类号
TK83
[动力工程及工程热物理—流体机械及工程]
TM614
[电气工程—电力系统及自动化]
-
-
题名基于个性化行为模型的驾驶疲劳识别方法
被引量：7
- 5
-
-
作者
楚文慧
吴超仲
张晖
杨曼
李思瑶
-
机构
武汉理工大学智能交通系统研究中心
武汉科技大学汽车与交通工程学院
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2018年第6期43-48,共6页
-
基金
国家重点研发计划项目(2017YFC0804802)
国家自然科学基金资助(51775396,61603282)
国家自然科学基金—联合基金资助(u1624262)
-
文摘
为提高疲劳驾驶状态的识别精度,应考虑驾驶人之间的个体差异。以实车驾驶试验条件下车道保持行为中的车速和车道偏离值为输入,以方向盘转角为输出,基于径向基（RBF）神经网络针对每个驾驶人构建正常驾驶状态下的车道保持行为模型,并根据残差对模型的拟合及预测效果进行评价;将疲劳驾驶状态下的车速和车道偏离值输入到上述驾驶行为模型中,可得到模型预测的方向盘转角值,通过分析预测值与实际方向盘转角之间的差异,研究疲劳对驾驶人行为的影响;将预测残差作为输入,建立基于支持向量机（SVM）的疲劳驾驶状态辨识模型。结果表明：所建立的RBF神经网络-SVM识别模型对不同驾驶人疲劳驾驶状态的平均识别率达85%。
-
关键词
个性化驾驶
径向基(rbf)神经网络
驾驶行为建模
疲劳驾驶
支持向量机(SVM)
实车试验
-
Keywords
personalized driving
radial basis function （rbf） neural network
driver behavior modeling
fatigued driving
support vector machine （SVM）
field test
-
分类号
X910
[环境科学与工程—安全科学]
-
-
题名考虑相关性的广义负荷联合概率建模及应用
被引量：7
- 6
-
-
作者
褚壮壮
梁军
贠志皓
张旭
徐兵
刘文学
-
机构
电网智能化调度与控制教育部重点实验室(山东大学)
国网济南供电公司
国网临沂供电公司
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2016年第2期36-42,共7页
-
基金
国家自然科学基金资助项目(51177091)~~
-
文摘
大规模风电并网带来广义负荷节点功率流向不确定性问题,对广义负荷建模提出新的要求。如何全面考虑随机变量所具有的波动性以及地域的相关性特点,准确进行广义负荷建模,成为亟待解决的问题。为此,提出一种带有概率标识的计及节点空间地域相关性的节点特性建模学习方法。首先,将与各风电场相连的根母线节点据其各自的功率流向,分为电源特性与负荷特性;其次,对各根母线节点分别依照有功功率进行区间细化,统计其概率信息。针对节点地域的相关性,采用空间相关性方法计算相邻节点功率区间内相关特征参数并纳入节点的特性学习中,采用径向基函数(RBF)神经网络学习训练并提取区间集的节点特性;以风险分析为例验证所提方法的有效性和实用性。仿真结果表明,通过将节点空间相关性纳入广义负荷建模范畴,建模因素更为全面并细化了整个系统空间形成风险场景集,风险分析结果指出系统高风险场景,为系统决策提供参考依据。
-
关键词
风力发电
空间相关性
广义负荷建模
径向基函数神经网络
概率风险分析
-
Keywords
wind power generation
spatial correlation
generalized load modeling
radial basis function（rbf）neural network
probability risk analysis
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名基于神经网络的数据驱动互联电力系统负荷频率控制
被引量：22
- 7
-
-
作者
陈宗遥
卜旭辉
郭金丽
-
机构
河南理工大学电气工程与自动化学院
河南省煤矿装备智能检测与控制重点实验室(河南理工大学)
-
出处
《电工技术学报》
EI
CSCD
北大核心
2022年第21期5451-5461,共11页
-
基金
国家自然科学基金(61573130,U1804147)
河南省高校科技创新团队(20IRTSTHN019)
+1 种基金
河南理工大学创新型科技团队项目(T2019-2,T2017-1)
河南省创新型科技团队项目(CXTD2016054)资助。
-
文摘
针对高度复杂的电力系统存在的建模误差和不确定性等问题,该文基于无模型自适应控制算法提出一种不依赖电力系统模型信息的负荷频率控制策略。首先将电力系统的动力学模型抽象为一般的非线性函数,在其I/O数据之间引入时变的伪偏导数,将非线性电力系统等效为动态线性数据模型;然后构建一个径向基神经网络在线估计系统的伪偏导数,并使用优化理论设计数据驱动的负荷频率控制方案,在理论上严格分析了闭环电力系统的稳定性和径向基神经网络估计方法的收敛性;最后在互联电力系统上验证该负荷频率控制方法在不利用模型信息的前提下,能够取得良好的跟踪性能。
-
关键词
互联电力系统
负荷频率控制
无模型自适应控制
径向基函数神经网络
数据驱动控制
-
Keywords
Interconnected power system
load frequency control
model-free adaptive control
radial basis function(rbf)neural network
data driven control
-
分类号
TM732
[电气工程—电力系统及自动化]
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
