摘要：为了在产品设计阶段获得准确的成本评估信息,根据目前参数成本评估对成本形成原因不能识别和反馈控制、对产品生产耗用资源的市场价格变动考虑不够充分的缺陷,依据作业成本法“产品消耗作业、作业消耗资源”的思想,建立了从产品属性确认开始,经过作业动因、资源动因再到作业成本、产品成本的成本评估模型。运用径向基函数神经网络构建了作业评估关系,并进行了案例分析。

摘要：对简支梁进行了损伤分析,研究了不同损伤工况下的频率变化率和模态振型曲率变化,并采用径向基神经网络对结构进行了损伤识别研究,研究中采用了三种方案:仅利用频率变化率;仅用第1阶模态曲率变化;综合使用前3阶频率变化率和模态曲率变化。结果表明,基于动力参数和径向基神经网络的结构损伤识别方法能够准确地识别结构的损伤程度;神经网络的输入参数选择对结果有较大影响,综合使用频率变化率和模态曲率变化的第3种方案识别效果最好。

摘要：以熔丝制造(FFF)技术加工了碳纤维增强尼龙零件,采用田口试验设计研究了填充图案类型、填充密度、层高和打印方向对零件拉伸强度的影响,利用径向基网络(RBF)预测了不同工艺条件下零件拉伸强度。基于信噪比分析发现,在研究的4个试验因素中,填充密度对零件拉伸强度的影响最显著,其他因素的影响有如下顺序:打印方向>层高>填充图案类型。熔丝制造最优参数水平组合为:填充密度100%,打印方向0°,层高0.1 mm,填充图案类型六边形,在最优参数组合下,零件拉伸强度试验值为114.09 MPa,高于方差分析的回归方程预测值(108.18 MPa)。当径向基网络中隐含层神经元个数为56时,预测零件拉伸强度的均方误差(MSE)最低,为0.003 2,预测最优参数组合下零件拉伸强度为113.24 MPa。径向基网络预测值与试验值的MSE为0.46,回归方程预测值与试验值的MSE则达到20.01,表明径向基网络预测熔丝制造技术加工的零件拉伸强度更准确。

摘要：为了解决现有金属氧化物避雷器阀片伏安特性拟合中存在的过冲、收敛慢、误差大的问题，用神经网络方法，通过对金属氧化物避雷器（MOA）的原始伏安数据进行分析，确定了神经元个数，并设计了输入、输出隶属函数对数据进行预处理.用一个径向基神经网络系统对MOA阀片的伏安特性曲线进行了拟合，拟合结果与分段线性、多指数、线性与非线性拟合法相比，较大幅度地提高了拟合精度和收敛速度，完全适用于MOA阀片的伏安特性拟合．

摘要：为了解决径向基网络(RBFNN)结构设计的随机性,进一步优化RBF网络性能,提出一种基于支持向量机(SVM)的径向基网络结构优化方法。通过训练得到的SVM确定径向基网络的隐层节点个数、隐层权值和阈值;同时利用SVM对输入向量进行特征变换,进一步对输入向量进行维数约简。通过齿轮箱的故障诊断实验表明,优化后的RBF网络具有更精简、稳定的网络结构,能得到更准确的诊断结果。

摘要：以全桥安全性评价为总体目标,在以往桥梁安全性评价方法的基础上,引入人工神经网络理论,并结合层次分析法,提出了基于径向基网络的钢管混凝土拱桥安全性评价方法。从影响钢管混凝土拱桥安全性的承载能力、承重构件损伤以及外观损伤等3个主要方面进行考虑,分别建立RBF神经网络安全性评价模型,采用现场实测数据评价结果作为神经网络训练和检验样本,对神经网络进行学习训练,获取专家的经验知识和直觉思维,建立高度非线性的输入与输出的映射关系。通过仿真得到桥梁承载能力、承重构件损伤、外观损伤以及成桥状态下最终的安全性信息。以武汉市晴川桥为例进行工程实例分析,分析结果表明,该方法较好地反映了钢管混凝土拱桥结构的安全性状况。

摘要：详细地介绍了径向基(RBF)神经网络的结构和基本原理。基于RBF神经网络能够逼近任意非线性函数的特点,提出了一种基于RBF神经网络建立结构分析模型的方法。与BP网络的仿真结果对比表明,所建立RBF神经网络模型收敛速度快,拟合精度高,适用于复杂结构的建模问题。

摘要：针对径向基网络构造的关键,径向基函数中心位置的合理选取,利用改进的模糊聚类法给出了径向基网络中心的选择算法,并在此基础上结合非线性最小二乘法,提出了一种新的网络递推学习算法。这种学习算法充分利用径向基网络的二次信息,迭代地确定径向基函数的中心位置和网络的权系数。通过运用于泵站特性曲面的拟合,证明了该算法是行之有效的.

摘要：通常对径向基(radial basis function,RBF)神经网络的改进大多是注重隐藏节点选取、大规模数据学习速率和函数组织形式,忽视了初始输入样本自身间的结构信息。研究发现,输入样本的不同属性对分类能力影响的程度也不同,即每个属性应该有自己的分类权重。在对样本归一化预处理后,研究了不同属性在分类时的贡献因子,提出了新的算法模型CFRBF(contribution factors RBF),用贡献因子来描述样本各个属性的重要性。选用了蛋白质二级预测问题来验证模型,传统的二级预测是将样本直接输入网络,仅仅依靠海明距离来分类,丢失大量信息。针对设计的新模型,使用了一种新的组织形式来解决预测问题。实验证明,采用新的组织形式后网络性能明显提高,而用CFRBF算法后其精度再次提高。同时通过贡献因子可以揭示看似无规律的蛋白质序列之间氨基酸构态影响关系,而且还能给出样本不同属性的分类重要性。

摘要：对简支梁进行损伤分析,研究不同损伤工况下的频率变化率和模态振型曲率变化,并采用径向基神经网络对结构进行损伤识别研究。研究中分别采用频率变化率、第1阶模态曲率变化、综合使用前3阶频率变化率和模态曲率变化3种方案。结果表明,基于动力参数和径向基网络的结构损伤识别方法能够准确识别结构的损伤程度;神经网络的输入参数选择对结果有较大影响,综合使用频率变化率和模态曲率变化方案的识别效果最好。