摘要：干体炉具有非线性、时变、纯滞后的特性,传统PID控制难以达到较高的控温效果。针对该特性提出一种rbf神经网络算法的控制系统设计方案,并搭建了干体炉硬件模块和接口模块,实现了一体化自动温度校准。实验表明,基于rbf神经网络的控制方法设计的干体炉具有结构简单、逼近速度快、控温效果好的特点。

摘要：提出了一种利用改进的kmeans聚类算法确定径向基函数的数目、基函数中心及宽度,输出层权值由线性方程组确定的rbf网络设计方法.通过对函数逼近的仿真实验,表明该rbf网络比Kmeans聚类算法设计的rbf网络更加稳定高效.

摘要：本文设计一种基于rbf辨识的单神经元PID调速器,基于有监督的Hebb学习规则的单神经元作为控制器,rbf网络作为辨识器,实现对被控对象的Jacobian信息辨识。仿真结果表明利用所提出的方案设计异步电动机矢量控制系统的速度调节器,当电机参数改变或者受到外部扰动时,系统没有超调,有更快的响应速度和更强的抗扰动能力,具有良好的动态特性。

摘要：rbf神经网络中心点的选择对rbf网络性能的好坏至关重要。提出了一种利用PAM聚类算法确定径向基函数的数目、基函数中心及宽度,输出层权值由线性方程组确定的rbf神经网络设计方法。通过对UCI数据集的分类仿真实验,结果表明利用该方法设计的rbf网络具有良好的分类效果,能有效减少网络的训练时间且对孤立点数据不敏感。

摘要：从工作实践出发设计了高校数字图书馆服务质量评价指标,采用学习速度较快、易于收敛的rbf神经网络技术对高校数字图书馆服务质量进行评价,阐述了rbf神经网络评价模型的设计思想和训练过程,通过对样本数据处理和分析验证了评价模型有效性。

摘要：本文提出了一种利用k均值聚类算法确定rbf神经网络径向基函数数目、函数中心及宽度,输出层权值由线性方程组确定,而网络参数的优化采用梯度下降法的网络设计方法。为了解决学习样本数据的有限性、rbf网络泛化能力较差和容易出现过拟合等问题,在网络训练中采用了基于交叉验证的归一化网络训练方法。通过仿真实验表明该方法训练所得的网络泛化能力及分类的准确率明显提高,并有效避免了过拟合问题。

摘要：介绍神经网络用于机器人控制系统的故障诊断技术，分析了机器人故障诊断的方法，并采用rbf神经网络实现机器人控制系统故障诊断的算法和程序设计。

摘要：针对建筑物地基沉降的机理以及rbf(Radial Basis Function,径向基函数)神经网络能够有效描述不确定性问题和解决复杂非线性问题等特点,通过反复试验,优化设计,建立了rbf神经网络,并用该网络优化灰线性回归预测模型,建立rbf灰线性组合预测模型。通过工程实例,比较分析了单一灰色模型、灰线性回归模型、rbf优化的灰线性回归模型的预测精度。结果表明,rbf优化后的灰线性回归预测模型精度优于灰色模型、灰线性回归模型,预测中误差达到0.0014 mm。径向基神经网络优化后的灰线性模型能更好地反映建筑物沉降的总体趋势及规律。

摘要：针对电动加载系统特有的多余力矩问题,设计并分析了基于rbf神经网络的直接逆模型控制策略,仿真结果表明,该控制策略能够有效地抑制多余力矩,提高了系统的加载精度及动态特性。同时,本文提出一种改进的RAN算法,离线构建,在线调整,充分利用已有先验知识的同时,实现了网络局部在线优化,有效的控制了运算量及网络规模,为控制算法的硬件实现提供了保证。

摘要：针对纸浆连续蒸煮常规仪表控制中所存在的缺点,提出了用rbf网络来建立连续蒸煮过程的控制模型。通过改变蒸煮压力来克服用碱量及其浓度的波动对纸浆硬度的影响,从而达到稳定纸浆硬度的目的。仿真结果和实际应用都表明,用这种方法设计的控制器有很高的精度,很好的鲁棒性。