共搜索到755条信息，每页显示10条信息，共76页。用时：0小时0分0秒369毫秒
基于RBF神经网络的镍基TiN纳米复合镀层显微硬度预测刘新功,吴蒙华,王元刚,王邦国大连大学机械工程学院摘 要:针对神经网络在预测复合镀层性能方面的应用情况,以及传统的BP神经网络存在缺陷;通过对RBF神经网络的基本原理和特点的研究,建立了利用RBF神经网络对Ni-TiN纳米复合镀层显微硬度进行预测的模型.通过实验数据验证了所建立的RBF神经网络模型具有很高的精确度,其最小相对误差可达0.62%,而且所建立的预测模型具有优化工艺参数的功能,对复合镀层的其它性能进行预测具有指导意义.关键词:RBF神经网络;预测模型;显微硬度;......
基于RBF神经网络的露天矿爆破效果预测研究柳小波,袁鹏喆,张兴帆东北大学智慧矿山研究中心摘 要:露天矿爆破是一个受诸多因素共同影响的系统工程,是露天开采的重要环节之一,其爆破效果的优劣直接影响后续工序的完成.提高爆破技术水平和爆破质量,对矿山安全和生产具有重要的意义.本文通过随机森林选择影响爆破效果的主要参数,结合模糊评价确定爆破综合效果,建立了RBF神经网络爆破效果预测模型.将该模型应用于矿山爆破效果预测中,并将爆破现场实测的11组数据作为模型训练样本,另外5组现场数据作为预测样本进行测试,通过与BP神经网络比较,发现RBF神经网络的预测性能更为优越,可广泛应用于现场实践中.关键词:RBF神经网络;爆破效果;随机森林算法;模糊评价;......
基于RBF神经网络的轧辊偏心补偿控制 杨荃1,钟恬1,郭立伟1,边海涛1 (1.北京科技大学高效轧制国家工程研究中心,北京,100083) 摘要:轧辊偏心是影响轧制过程中带材厚度精度的重要因素,因此轧辊的偏心补偿控制一直是冷轧板厚度控制系统AGC的重要组成部分.为了减少轧辊偏心对带材厚度精度的影响,提出了一种基于径向基(RBF)神经网络的轧辊偏心补偿控制方式,并应用于河北中钢五机架冷连轧的生产现场,提高了整个系统的厚度控制精度. 关键词:轧辊; 偏心补偿; RBF网络; [全文内容正在添加中] ......
基于RBF神经网络的瓦斯含量预测研究 郭相坤1,吴观茂1,李刚1,黄明1 (1.中国矿业大学(北京) 摘要:以淮南矿区潘一矿13-1煤层为研究对象,确定了煤层埋深,煤层厚度,顶板岩性和构造是影响煤层瓦斯含量的主要因素;在分析勘探钻孔资料的基础上,利用RBF神经网络方法建立了瓦斯含量预测模型,结合实际数据,对预测模型进行训练和检验,预测结果表明,该模型比使用线性回归和BP神经网络模型预测能获得更高的精度,说明预测模型可靠. 关键词:瓦斯含量; RBF神经网络; 预测模型; [全文内容正在添加中] ......
一种RBF神经网络高精度算法研究及应用郑夕健1,张国忠1,谢正义21. 东北大学机械工程与自动化学院2. 沈阳建筑大学交通与机械工程学院摘 要:剖析了RBF神经网络基本算法的原理以及激励函数参量与隐层单元数量按经验选取所带来的问题.基于RBF神经网络结构,以网络的权阈值为设计变量,网络误差为目标函数,通过合理的动态变量排序,构建了一种RBF神经网络的新的高精度算法,并编制计算程序.与RBF网络基本算法相比,这种算法是以权阈值为未知变量的真实优化过程,实现了RBF神经网络的高精度计算.从方程论理论出发,给出了网络隐层结构的合理确定方法.通过实例的程序分析,表明了该优化算法具有较高的样本拟合与插值精度,为进一步理论研究与工程应用提供基础.关键词:神经网络;径向基函数(RBF);高精度算法;网......
基于改进RBF神经网络的巷道变形预测模型崔一1,杨勇辉21. 平顶山工业职业技术学院成人教育学院2. 平顶山工业职业技术学院职业教育研究所摘 要:由于经典RBF神经网络中的隐含层节点数,连接权值等结构参数基本由经验获取,因此经典RBF神经网络模型的性能取决于建立模型专家的主观性,存在一定的盲目性和随机性,难以对巷道变形进行准确预测.为此,采用贝叶斯阴阳和谐学习算法对经典RBF神经网络模型的隐含层节点个数,连接权值等结构参数进行了优化,提出了一种基于改进RBF神经网络的巷道变形预测模型,即对角型广义RBF神经网络模型.采用潞安和兖州矿区的综放回采巷道的现场长期监测数据分别对经典RBF神经网络模型以及对角型广义RBF神经网络模型进行了试验分析,结果显示:1对巷道顶底板变形进行预测时,对角型广义RBF神经网......
基于RBF神经网络的Ni-TiN纳米镀层腐蚀速率预测研究夏法锋,贾婉春,赵丹,马春阳,田济语东北石油大学机械科学与工程学院摘 要:采用电沉积法在T8钢试样表面制备Ni-TiN纳米镀层,在正交试验基础上,通过RBF神经网络对Ni-TiN纳米镀层的腐蚀速率进行预测研究.利用原子力显微镜,扫描电镜和X射线衍射仪对镀层腐蚀前后的表面形貌及镀层物相组成进行分析.结果表明:当TiN粒子质量浓度为9 g/L,镀液温度为40℃,电流密度为0.6 A/dm2时,RBF神经网络预测的腐蚀速率为3.152 mg/m2·h,而实测值为3.163 mg/m2·h,相对误差仅为0.35%;镀层表面较平整,颗粒较细小.腐蚀实验后,镀层的腐蚀坑较小且无明显腐蚀产物,耐腐蚀性能良好.关键词:RBF神经网络;Ni-TiN纳......
RBF神经网络结合PID控制系统优化方案及应用实现尹亚南,韩浩郑州电力高等专科学校摘 要:针对传统控制系统中存在的非线性控制效果差,无法满足实际工程需要问题,开展对RBF神经网络结合PID控制系统优化方案及应用实现研究.通过基于RBF神经网络的PID控制系统参数优化,PID控制系统结构优化和变尺度混沌策略优化,使得在实际应用中的PID控制系统具备了良好的控制效果.关键词:RBF神经网络;PID控制系统;优化方案;应用实现;......
RBF神经网络参数估计的两种混合优化算法甘敏1,彭晓燕2,彭辉11. 中南大学信息科学与工程学院2. 湖南大学机械与汽车工程学院摘 要:基于全局搜索的进化算法和一种局部搜索算法--结构化的非线性参数优化方法(SNPOM),提出两种混合的优化算法来估计RBF神经网络中的参数:1)初始化一定数目的种群作为SNPOM的初始值得到其适应值,通过选择,交叉和替换策略来更新种群;2)采用进化算法运行一定的代数,从最终群体中选取一些个体进一步用SNPOM来优化.这两种混合优化算法的本质是用进化算法为SNPOM搜寻最优初始值,以得到全局最优解.仿真实验结果表明,该混合算法比单独使用进化算法或SNPOM更优,且优于其他一些算法.关键词:RBF神经网络;参数估计;混合优化方法;......
基于RBF神经网络的改进多变量预测控制杨鹏,刘品杰,张燕,李永富摘 要:针对一类多输入多输出非线性被控对象,提出一种基于单神经网络的预测控制算法,应用RBF神经网络对非线性系统进行辨识,并计算被控系统多步预测输出值.该方法通过对传统预测目标函数加以改进,给出一种带微分项的多步预测目标函数,通过迭代寻优实时给出优化控制量.该方法实时性好,简化了传统预测控制算法,加快了滚动寻优的速度,有效地抑制了系统惯性和输入时滞所带来的超调,减小了模型误差,干扰及不确定性对控制器的影响.仿真及应用结果表明了该方法的有效性.关键词:RBF网络;预测控制;多变量系统;非线性系统;......
