利用Gaussian型RBF网络进行函数逼近的构造性估计

前馈人工神经网络有着极其广泛的应用,如何估计隐层神经元数及相应的逼近误差,一直是确定前馈网络结构的难点和关键。RBF网络是一种最重要的前馈网络,本文给出了利用Gaussian型RBF网络逼近连续函数或Lebesgue-可积函数时的构造性隐层单元数显式估算式及相应的显式逼近误差估算式。文中的结论也易于推广到离散样本的情形。这些结论对于提高Guassian型RBF在实际应用时的计算精度和减少计算量具有一定的指导意义。     

基于图像特征分类和RBF网络的两轴车辆动态称重技术

汽车在行驶过程中的总重信号通常由各轴重信号确定,各轴重信号的测试精度取决于对车辆运动参数和振动信号等的精确分析。本文采用径向基函数(Radial basis function,RBF)网络处理轴重信号,针对该网络的泛化能力与拟合精度的矛盾,将车辆按照重量分为大、中、小3种类型,并进行整车建模和网络训练;实际测试过程中,利用汽车俯视图像提取类型特征,然后根据汽车的类型将测试参数输入不同的神经网络进行处理,以静态测量结果为相对真值。仿真结果表明,分类建模比单一混合建模具有更高的测试精度。     

改进Kmp算法在模糊查找中的应用

在改进KMP算法的数据结构和算法的基础之上，本文提出了一个模糊匹配的函数mhcheck。根据该算法实现分级别模糊。最后实现了一个实用的模块模糊查找模块。并应用于学生工作管理辅助系统（ASSAM）。     

钢筋混凝土结构锈蚀损伤定位

对钢筋混凝土结构锈蚀损伤定位进行了研究,以频率变化平方比作为锈蚀损伤参数,从理论上证明该参数是锈蚀损伤位置的函数。锈蚀钢筋混凝土结构试验结果表明预测的损伤位置和实际的损伤位置较一致,模态参数用于检测混凝土结构构件中的损伤,为大型结构的鉴定和评估提供了新的途径。     

改进蚁群算法在移动机器人避障中的应用

在移动机器人路径规划中,由于基本蚁群算法具有进化缓慢、易陷入局部最优等问题,提出一种改进的蚁群算法。建立了静态环境下的路径规划栅格模型,通过对信息素启发因子及期望启发因子实时调节,自适应改变挥发因素,在初始时刻扩大蚁群的搜索范围,以免陷入局部最优。针对凹型障碍物,当机器人陷入凹型障碍并且在复杂环境搜索效率低的情况下算法也能较好的收敛。与其他算法的仿真结果表明,此算法在栅格地图模型中,能快速地避开障碍找到最优解。     

Lamb波双面激励方法及其在近邻损伤监测中的应用

针对Lamb波的多模式和频散特性,从理论和实验两方面研究了Lamb波双面激励方法,并针对近邻损伤进行了监测研究。研究结果表明:与传统的单面激励方法相比,该激励方法能够抑制Lamb波的多模式特性,在频率较低的情况下可实现基本对称或反对称模式的产生,提高了Lamb波的激励效果,便于监测信号的分析。另外,相对于通过调节激励频率产生特定Lamb波模式的方法,该激励方法具有一定的频率可调性,能有效改善Lamb波波包的空间分辨率,增强Lamb波对多个近邻损伤的监测能力。     

隐马尔可夫模型在对象定位中的应用与实现

以医学图像中脊柱的定位为应用背景,对经典Viterbi算法进行改进,根据全局最优搜索算法提出了可控的最优搜索算法,把隐马尔可夫模型(Hidden Markov model,HMM)应用于二维图像中线性结构对象的定位。以真实的人体脊柱X光照片为实验样本进行的定位实验,结果表明:HMM模型不需要对图像施加较多的限制,就可获得较成功的定位结果,同时引入了可控的最优搜索算法后,定位效果有了进一步的提高。还通过实验分析了可控制的最优搜索的两个控制参数对定位性能的影响,并提出了定位性能具有区间性的结论。     

基于特征响应谱的防隔热构件脱粘损伤定位

飞行器防隔热构件多采用胶粘形式与冷结构连接,在严酷的飞行振动环境中易发生脱粘损伤,有必要利用地面环境试验考核其环境适应性,并在试验后及时判断结构健康状态.本文提出一种基于结构特征级扫描响应谱均方根偏差(Root Mean Square Deviation,RMSD)的损伤定位方法,可得到结构全部区域的损伤概率分布云图,...     

RBFE人工神经网络在四组分络合滴定中的应用

本文用非线性的方法来解决多组分金属离子体系同时测定的问题。在此我们用MATLABv5 .3编写了BP网络和RBFE网络并比较了它们在校正时的情况 ,发现在此体系中RBFE网络优于BP网络。络合滴定是在不加缓冲液的情况下直接滴加入EGTA ,并讨论了滴定体积V与溶液的pH值和溶液中金属离子的初始浓度C0M之间的关系 .最后 ,我们将RBFE网络应用于四组分金属离子CuZnPbCd的同时测定     

基于小生境遗传自适应RBFN的歼击机故障认定方法

在模式识别领域中,如何实现更高精度的分类一直是个核心问题。本文提出了将自适应RBF神经网络与小生境遗传算法相结合的方法,其中自适应RBF神经网络通过对样本判断,自动实现对RBF网络添加新的隐层节点或者将样本归于已存在的隐层节点所属的类;小生境遗传算法用于寻找最优的网络宽度值。两者相结合最后确定一个隐层节点数与类别数相同的俭省的网络。用歼击机故障数据进行仿真,比较结果表明此方法能实现更高精度的故障认定。     

基于径向基函数的机翼和翼梢小翼外形优化

对机翼和翼梢小翼外形参数的优化方法进行了研究.利用径向基函数(RBF)来构建机翼和翼梢小翼的优化模型.在有、无翼根弯矩约束的两种情况下,分别结合序列二次规划法和拟牛顿法优化方法,针对优化目标:机翼诱导阻力最小,优化得到机翼和翼梢小翼的最佳外形参数.实验证明本文优化方法能够取得满意的优化效果,对翼梢小翼的优化设计问题具有一定的参考价值.     

基于径向基神经网络的有限元模型修正研究

设计参数型有限元模型修正属于结构动力学反问题,其理论基础是将结构的特征量视为设计参数的函数。然后依据特征量对设计参数的一阶导数信息进行迭代求解。本文提出了一种基于径向基神经网络的有限元模型修正方法,把模型修正归结为正问题进行研究。首先将特征量视为自变量．设计参数视为因变量,以径向基神经网络逼近两者之间的非线性映射关系,然后利用神经网络的泛化特性直接求解设计参数的目标值。不但无需迭代求解,而且避开了反问题所面临的复杂的非线性优化计算。GARTEUR飞机模型仿真研究的结果表明．修正后设计参数误差在2％以内,模态频率误差在1％以内。     

归一化RBF网络的结构优化策略

针对归一化RBF网络,利用基于山峰函数的减法聚类算法构造归一化RBF网络的初始结构,采用奇异值分解(SVD)算法分析了网络隐含层节点与奇异值、累积贡献率以及索引向量的关系,并对归一化RBF网络的结构进行了优化。最后,对该优化策略的可行性和有效性进行了仿真验证和性能比较。     

直升机惯性传感器结构的模态优化

提出了一种基于迭代抽样和径向基插值的自适应代理模型方法。这种自适应方法以减少仿真计算数量和提高代理模型自适应能力为目的,使用多岛遗传算法选择新增样本点并使新增样本点位于设计空间的稀疏区域,使得所有的样本点均匀分布于设计空间。标准误差用来判断代理模型的精度大小以决定是否对代理模型进行更新。这种自适应代理模型结合多岛遗传算法对直升机的惯性传感器结构模态进行优化。用拉丁超立方抽样方法选择10个样本点构建初始的代理模型,自适应代理模型的计算结果表明2%的误差条件下需要额外增加7个样本点。优化结果表明不同的权重系数对最优模态特性的影响很大,惯性传感器结构的一至六阶模态值更加远离直升机的激励频率。     

基于人工神经网络的微重力流动冷凝换热预测

微重力条件下管内流动冷凝换热系数是空间热交换器设计的基础依据,但其实验数据稀缺,故有必要建立精确的预测模型。文中提出了一种基于人工神经网络的微重力下管内流动冷凝换热预测模型。选取误差反向传播（Back propagation, BP）和径向基函数（Radial basis function RBF）两种神经网络,以水力直径、饱和温度、质流密度、干度及与工质热物性有关的参数作为网络输入,冷凝换热系数作为网络输出。结果显示,BP神经网络预测的均方根误差为237、平均绝对百分误差为4.32%;RBF神经网络预测的均方根误差为165、平均绝对百分误差为2.35%。相对于BP神经网络,RBF神经网络精度更高。基于RBF神经网络的微重力下管内流动冷凝换热模型预测值与94%的实验值和数值模拟结果的相对误差在±10%以内。     

基于相空间重构的网络流量RBF神经网络预测

应用混沌理论,分析了网络流量,用单变量的网络流量时闯序列重构与网络动力系统等距同构的相空间,进而计算了实际网络的关维数和Lyapunov指数,并证实了网络流量存在混沌特性;据此建立了基于径向基函数（RBF）神经网络的模型,并对实际网络数据流进行了预测。仿真结果表明,相对于其他前馈神经网络预测,基于混沌理论的RBF神经网络预测方法学习速度快,预测精度高。     

特征值重分析的递推算法和若干技术比较

对于利用虚材料结构的模态试验数据提取（辨识）真实材料结构的试验模态参数（简称虚材料结构试验模态）的问题,作者曾建立过一种基于动柔度的广义伽略金法（GG）和基向量组合法（DF）。为了特征值重分析的“快速性”要求,作者又得到广义伽略金法的一种退化解（DS）,其“快速性”非常好,但精度比广义伽略金法差。为了全面了解,还对若干相关方法,如GG、DF、DS和CA（combinedapproximation）等,在满足修改结构特征方程的近似性方面作了探讨,同时还就它们的数值结果进行了比较。其探讨表明,GG法的精度最好,而其余方法的精度是相同或相当的、且基本满意。这些方法在修改结构之特征方程Ku=2Mu的右边惯性项中都不同程度引入了Kirsch的近似假设,故而会引入不同程度的误差。现在要问：右边惯性载荷项的误差对方程解之精度的影响倒底有多大？为此,首次提出了一种递推算法。该递推算法的第一级递推解恰好是广义伽略金法的退化解（DS法）。递推算法的概念适用于上述各种方法。为此,作者又首次建立了CA法的递推公式。最后,该递推算法从数值上得出一个重要结论：导致右边惯性载荷项误差的“Kirsch近似假设”对特征值重分析结果的影响不严重。同时,该递推算法还能逐级减小由Kirsch的近似假设给重分析结果带来的误差。