基于径向基函数网络的非线性通用模型控制

为了克服通用模型控制器要求过程一阶微分模型应该有显式解的局限性,提出了一种基于神经网络的通用模型控制方法,将非线性过程模型应用逆系统的方法在控制算法中直接嵌入过程模型,从而保证通用模型控制策略的可实现性。其参考轨迹是一条典型的二阶曲线,由于径向基函数网络具有许多优点,该控制策略中的神经网络为径向基函数网络。该控制器参数具有明显的物理意义,参数整定方便。仿真实验验证了该控制策略的有效性。     

电弧炉电极系统双模控制策略研究及应用

针对交流电弧炉电极控制系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,采用基于最近邻聚类方法的径向基函数(RBF)神经网络快速学习算法,通过实时在线辨识,建立电弧炉电极系统的精确逆模型并用于控制,实现了将具有强耦合特性的多变量输入/输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与比例微分(P/D)控制相结合的双模控制策略。应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性。     

基于粒子群RBF神经网络的双关节机械臂系统控制

针对RBF神经网络算法用于控制时难以求解网络隐含层参数中心向量c和标准化常数b的问题,提出基于粒子群参数优化的RBF神经网络(PSO-RBF神经网络)控制方法。建立旅客列车自动上水装置双关节机械臂动力学模型,将粒子群算法与RBF神经网络控制机械臂动力学特性结合,在连续空间快速搜索网络隐含层参数最优解,得到PSO-RBF神经网络控制方法;建立针对双关节机械臂的PSO-RBF神经网络控制系统并进行仿真,与基于遗传算法调节隐含层参数的RBF神经网络控制方法进行对比和分析。研究表明,采用PSO-RBF神经网络控制方法可以有效避免机械臂控制失效,能够使肩关节和肘关节响应时间缩短52%和47%,最大稳态误差减小49%和58%,平均稳态误差减小54%和55%。     

电动助力转向系统的智能控制研究

针对电动助力转向系统(electric power steering,EPS)的电机助力控制提出了一种智能控制方法,该方法包含利用助力电机特性曲线方式来计算助力电机目标电流的上层助力控制策略和利用径向基函数(radial basis function,RBF)神经网络与BP学习算法(back propagation)对电流设计的闭环控制器的下层电机控制两个部分。最后利用实验台架数据进行了仿真研究,与实验台架中采用的传统PID控制进行对比分析,结果表明:所提智能控制方法有较高的控制精度和平稳性,提高了助力转向系统的鲁棒性和自适应能力。     

基于RBF神经网络的可重构机械臂控制研究

采用RBF神经网络控制算法来解决MIMO不确定非线性系统的自适应输出反馈控制问题,以系列模块化机械臂为研究对象,设计RBF神经网络控制器不断逼近可重构机械臂动力学模型,采用MATLAB软件基于RBF神经网络逼近设计的控制器对RR构型机械臂进行控制仿真.结果表明该控制器能有效地逼近机械臂动力学模型,并能较好地适应机械臂不同构型.     

采用神经网络滑模控制的齿隙摩擦补偿

基于滞环齿隙模型和集合摩擦模型,建立了齿轮传动系统动力学变结构模型。采用径向基函数(RBF)神经网络和滑模控制构成复合控制器,对系统齿隙、摩擦非线性因素进行了补偿。利用RBF神经网络调节滑模控制器的切换项增益,降低了滑模控制的抖振,提高了补偿效果,仿真结果验证了该方法的可行性。     

悬挂式协作机器人设计与分析

针对老年人独处晾晒衣物困难的问题,基于人机协作的特点及要求,研究设计一种悬挂式协作机器人,其主要由机械臂和末端手爪等部件组成,机械臂由两关节构成,采用Matlab软件求解协作机器人的运动空间云图;基于指数积公式,求解悬挂协作机器人的运动学方程;依据机器人的工作流程,采用UG软件对其进行运动仿真分析,求解其位移和加速度随时间的变化规律;最后,采用PLC对其进行控制研究,获取机器人的控制信号,为协作机器人的设计研究提供一种理论基础。     

基于径向基神经网络的股价预测

借助径向基函数（Radial Basis Function)神经网络对非线性函数的逼近能力，对深能源A股价这个时间列作了连续若干天的一步预测，并与其他预测方法进行了比较。结果表明，用径向基神经网络预测股价是可行的和有效的。     

基于RBF神经网络的MEMS惯性传感器误差补偿方法

传统的微机电系统(MEMS)惯性传感器误差补偿技术通常采用多元线性回归误差模型,未考虑传感器误差的非线性特性,不能实现精确的误差补偿。针对以上问题,提出了一种基于径向基函数神经网络的微惯性测量单元误差补偿模型,将MEMS惯性传感器三轴测量值和真实值作为样本,对网络进行训练,利用训练好的网络对MEMS加速度计和陀螺仪进行误差补偿。实验结果表明:与多元线性回归误差模型相比,神经网络对惯性传感器具有更好的降噪滤波效果;且基于径向基函数神经网络的惯性传感器误差补偿精度较另外2种模型提升了1～2个数量级。所提方案能够有效地补偿MEMS惯性传感器误差。     

基于RBF神经网络的短期电力负荷预测

研究了天气和特殊事件对电力负荷的影响,建立了结合径向基函数神经网络来进行短期负荷预测的模型。将温度、降雨量运用于径向基函数神经网络中,提高了训练的可信度和可靠性。利用该模型编排的实用化软件投入到了实际应用中。结果表明:该方法具有较高的预测精度和较强的实用性。     

基于投影寻踪回归的Philip-Dunne入渗参数求算模型

基于室外45个试验点的Philip-Dunne人渗实验数据,分析了实验前后土壤含水率变化△θ对土壤饱和导水率Ks和湿润锋吸力ψ的影响,利用逐步回归、BP神经网络、径向基函数网络和投影寻踪回归基于入渗时间tl预测了Ks和ψ,分析比较了不同数学模型的预测精度.研究结果表明:△θ变动对Ks和ψ值影响较小;投影寻踪回归相比于逐步回归、BP神经网络和径向基函数网络预测Ks和ψ精度要高.     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数网络中的基函数 ,得到小波神经网络。通过小波的去噪和神经网络的自学习功能 ,获取系统输入输出的非线性动力学特性 ,进而实时计算出残差并进行逻辑判决 ,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真 ,结果表明了该方法的有效性     

HHGA-RBFNN在DGS设计中的应用

将递阶遗传算法和最小二乘法相结合, 构成一种混合递阶遗传算法,用于优化径向基函数神经网络的结构和参数,通过MATLAB仿真实现该算法,并将该神经网络运用于微带缺陷接地结构的神经网络建模之中,实现对微带缺陷接地结构传输系数的仿真.实验结果表明,应用混合递阶遗传算法优化的径向基函数神经网络,具有很高的拟合精度和很好的泛化能力,可以与时域有限差分分析方法结合,辅助微带缺陷接地结构的设计.     

一种新型服务机器人的设计与分析

随着老龄化社会的到来和机器人技术的发展，服务机器人成为了机器人领域的研究热点之一。以提高服务的舒适性为切入点，设了一款新型服务机器人并对其机械臂轨迹规划进行了研究。首先，结合轮式与足式的优点，设计了一种新型轮足式的服务机器人底盘，并且采用麦克纳姆轮进一步提高服务机器人的运动性能；其次，以人臂为参考对象，确定了服务机器人机械臂的自由度，并建立了服务机器人整体三维模型；最后，在MATLAB中建立机械臂模型，分析了其直线插补运动与曲线插补运动。仿真实验表明，机械臂运动时各关节的角位移、角速度和角加速度都是光滑、无跳变现象，即所设计的机械臂无论是做直线运动还是曲线运动都能够平稳的工作。     

基于RBF神经网络优化的无人驾驶车辆增量线性模型预测轨迹跟踪控制研究

研究了无人驾驶车辆的轨迹跟踪问题,基于RBF(径向基函数)神经网络的自适应补偿和鲁棒控制分别设计了2种优化后的ILTV-MPC(增量线性时变模型预测控制)轨迹跟踪控制系统。建立了ILTV-MPC轨迹跟踪控制器,利用RBF神经网络的局部逼近特性,设计了RBF自适应补偿控制器逼近模型的不精确部分;进而将逼近过程产生的误差作为外部干扰,设计了RBF鲁棒优化控制器,从而对逼近误差予以抑制。应用Lyapunov稳定性分析推导出隐含层网络权值训练规则,证明了控制系统的稳定性。当行驶在良好路面时,与传统ILTV-MPC相比,RBF补偿-ILTV-MPC最大误差减小约38.73%; RBF鲁棒-ILTV-MPC最大误差减小约68.42%。结果表明:RBF鲁棒控制较RBF补偿控制可进一步提高ILTV-MPC控制器的跟踪精度,减轻车辆侧滑程度,提高车辆行驶稳定性。     

体感交互式拟人手臂机器人

针对目前人体动作同步机器人造价高,使用过程繁琐,需要穿戴多种传感器设备等缺点,设计并研制了一种不需 要穿戴传感器的人体手臂动作同步机器人。介绍了机器人的结构和系统组成,给出了Kinect读取和共享数据以及转换 为机械臂可用数据的方法,设计PID结合PWM脉宽调速的控制驱动模块,完成了机械臂控制系统的软件。结果表明该 人体动作同步机器人在未经培训的操作者指挥下,能够从不同初始位置完成人类肢体动作发出的指令,并且精度较高。 这一研究可为无传感器肢体交互智能机器人研制提供参考     

多功能模块化居家整理机器人的结构设计

为了实现日常居住环境的智能化，课题组设计了一款基于语音识别和移动端APP控制的多功能模块化居家整理机器人。采用树莓派处理信息、下达指令，利用单片机控制的摄像头对物品进行识别，通过超声波和红外线2种测距模块实现机器人整体避障和循迹，由搭载的6轴机械臂及配套机械爪对物品进行抓取与整理。设计了该机器人的机械爪模块、升降转台、清洁模块、万向移动底盘和摩天轮置物台等结构。实物样机运行结果表明：该机器人能够有效抓取不同形状的物品，使用过程自动化程度高，环境适应性强，整理与搬运效率高。     

焊接机械臂结构设计及关键部件强度分析

以自主研发用于工业中常见的相贯线焊缝焊接的机器人为目标,根据所需机械臂性能及结构要求,确定机械臂 总体设计方案及各个机构形式。运用三维软件SolidWorks实现机械臂整体结构的实体建模。分析机器人在其运动范围 内的极限工况,运用有限元软件ANSYS Workbench完成对其关键部件（基座,大臂,小臂）的有限元静态分析,验证了所 设计机器人结构的可靠性,能够满足任务精度要求,为机械臂的样机制作提供了理论依据。     

基于径向基神经网络的螺杆泵转速设定方法

为了研究受多种因素影响的螺杆泵转速控制系统,提出一种基于径向基神经网络的螺杆泵转速设定方法.利用径向基函数(RBF)神经网络对螺杆泵转速进行分析及预测,通过对螺杆泵的历史数据分析处理,得到螺杆泵转速的时间序列.将时间序列视为一个从输入到输出的非线性映射,并引入RBF神经网络来进行非线性映射的逼近.通过对网络进行学习与训练仿真实验,并与BP神经网络预测结果对比,表明应用RBF神经网络对螺杆泵转速进行短期预测精度更高、效果更好.该神经网络结构简单,非线性逼近能力强,通过对非样本点数据的实验验证,证明了该系统的可行性,具有一定的实用价值.     

基于群体协同智能聚类的期刊分类大数据自动存储方法

求解期刊分类大数据自动存储问题时，传统方法在分解的过程中无法保证准确性与合理性，对解的合并策略选择不合理，导致寻优过程中出现一定的偏差，造成期刊分类存储效率大大降低。为此，需要提出一种新的基于群体协同智能聚类的期刊分类大数据自动存储方法。确定径向基神经网络的初始结构，通过样本分布计算径基宽度获取隐节点群，将其当成初始集合。将分类存储精度最高、F-measure最大、期刊特征相似性最高作为目标函数，将其加权和作为适应函数。在求解过程中，各子群内部通过模拟退火法将分布估计算法和遗传算法结合在一起，产生新个体，利用群体协同合作的方式实现智能聚类。通过进化获取最优个体，得到最终精英集合，将其看作最后得到的径向基神经网络结构，通过得到的径向基神经网络实现期刊分类大数据自动存储。实验结果表明，所提方法期刊分类大数据存储性能强。