基于RBF神经网络的空中目标识别技术

空中目标识别的正确与否对防空火力的部署、分配及有效打击有着重要的意义。利用径向基函数(RBF)神经网络逼近非线性的空中目标识别模型。在RBF神经网络空中目标识别模型中,输入向量是雷达探测到的空中飞行目标的6种目标属性,输出向量是空中飞行目标的类型。通过Matlab的数据仿真结果与传统的BP神经网络目标识别模型相比,该模型的误差更小,可以有效地提高空中目标的识别率。     

弹药自动装填机器人免疫遗传模糊神经滑模控制

提出了一种基于改进免疫遗传算法的弹药自动装填机器人自适应模糊神经滑模控制器(IIGAAFNSMC)。用径向基神经网络来近似等效滑模控制中的不确定参数,通过自适应免疫遗传算法在线调整径向基神经网络非线性隐含层的结构和参数。利用最小二乘法计算线性输出层的权值,自适应模糊系统调节滑模控制的增益,减小了网络逼近误差和外部干扰并消除了传统滑模控制中的抖振问题。仿真结果表明,该方法比传统的神经网络滑模控制器具有更高的逼近精度和速度。     

低快拍下模糊径向基神经网络波束形成算法

针对低快拍情况下自适应波束形成算法性能下降,以及权矢量解算过程中协方差矩阵求逆运算量大的问题,针对最小方差无失真响应(MVDR)算法,采用单位阵和采样协方差矩阵的凸线性组合对低快拍下的协方差矩阵进行修正,在此基础上,引入模糊径向基(RBF)神经网络逼近算法权矢量,通过模糊RBF神经网络实现从阵列协方差矩阵到最优权矢量的非线性映射,避免了矩阵求逆运算。仿真结果表明,当低快拍情况下最小方差无失真响应(MVDR)及最小能量无畸变响应(MPDR)算法出现性能下降时,基于模糊RBF神经网络的波束形成算法仍能快速逼近算法权矢量,波束赋形效果较好,同时可实现算法复杂度的降低及计算量的减少。     

基于RBF网络的导弹攻击区解算及对比分析

研究了神经网络在空空导弹攻击区处理中的运用,在提出多层前馈(MF)网络和径向基函数(RBF)网络设计方案的基础上,着重对MF网络的BP算法、改进BP算法以及RBF网络的应用进行了仿真,并从收敛速度、逼近精度和实时性三个方面,对计算结果进行了对比分析,结论表明RBF网络在导弹攻击区处理中具有更高的可行性,更适用于快速高精度的火控解算。     

神经网络模型预测函数控制方法

在建立基于神经网络模型的非线性预测函数控制系统结构和基于BP网络非线性预测模型的基础上,提出了基于神经网络模型的非线性预测函数控制方法,并对其优化法等进行了讨论。通过与PID方法的仿真比较表明,预测函数控制方法具有抑制干扰能力强、跟踪性能好的特点,能够满足一些非线性系统的控制要求。     

RBF神经网络在飞艇单发停车故障中的应用

针对飞艇单发停车故障,提出了一种基于径向基神经网络的模型跟随非线性重构控制策略,并使用遗传算法对RBF网络进行了优化.该方法通过响应误差构造神经网络的学习规则,神经网络的输出驱动系统向着消除误差的方向运动.理论分析和仿真验证表明,该控制策略具有良好的重构性能和鲁棒性.     

基于自适应小波正交基神经网络的参数辨识

提出了一种基于小波正交基神经网络的非线性在线辨识方法.小波变换具有良好的收敛速度和逼近精度,神经网络具有强大的非线性映射能力、自学习、自适应等优势,采用正交基小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数和神经网络的优点;制导航弹数字仿真结果表明, 该方法对含噪声数据进行处理效果好,能很好地满足非线性在线辨识的需求.     

六维力传感器静态解耦方法

在系统分析六维力传感器线性解耦基本原理的基础上,依据各向同性指标比较分析了基于克拉默法则和最小二来法线性解耦算法的优劣,建立了RBF神经网络非线性解耦模型.研究结果表明:与克拉默法则相比,最小二乘法得到的标定矩阵具有更优的各向同性;以径向基神经网络逼近广义力向量和输出电压之间的函数关系可大大减小六维力传感器的线性误差和维间耦合,其总体误差低于1％FS.     

RBF神经网络在异步电机故障诊断中的应用

将径向基(RBF)神经网络应用到电机的故障诊断中,建立了异步电机的RBF神经网络诊断模型。为了克服RBF神经网络学习算法的不足,引入了差分进化(DE)算法,并且利用了差分进化(DE)算法的全局搜索能力来优化RBF神经网络基函数的中心、宽度以及网络的连接权值,以获得最优的网络模型。仿真结果表明优化后的RBF神经网络的泛化能力和诊断精度都得到了大幅度提高。     

一种基于模糊神经网络的非线性系统故障诊断方法研究

提出了一种基于模糊神经网络的非线性系统故障诊断方法.利用模糊C 均值聚类法对测量空间进行分割,再利用模糊规则对分割后的子空间分别采用BP网络进行逼近,从而获得不同子空间故障输出与测量输入的非线性动力学特性.计算机仿真表明该网络具有良好的泛化性能,方案可行.     

坦克炮控系统神经网络自适应滑模控制方法

针对坦克炮控系统的时变性和非线性,设计一种神经网络自适应滑模控制方法。基于滑模控制强鲁棒性的优点,用RBF神经网络对系统摄动参数和未建模动态进行自适应逼近,可有效地降低切换增益,抑制系统的抖振。将滑模控制和神经网络逼近相结合,既保证了系统的鲁棒性又削弱了系统的抖振。仿真结果表明该设计能够有效地提高系统的动静态性能,优于经典的控制方法,为坦克炮控系统的设计提供了一种可行的设计方法。     

基于改进LMS算法的复合材料超声检测缺陷识别

在径向基函数（RBF）神经网络实现无人机复合材料超声检测脱粘缺陷识别时,针对最小均方（LMS）算法在确定网络输出权值时存在稳态失调误差和收敛速度相矛盾的问题,提出一种改进的自适应的变步长LMS算法．该算法根据反馈误差自适应确定步长,通过引进动量项加快收敛速度．将改进LMS算法应用到RBF网络缺陷识别中,结果表明该方法在稳态失调误差较小的情况下,能快速确定RBF网络的权值．改进的RBF网络能够较好地识别超声检测脱粘缺陷．     

自适应学习率的小波神经网络逼近算法

提出一种自适应学习率的小波神经网络算法,从根本上解决了小波神经网络学习率的取值和收敛速度慢的问题,并有效地克服了小波神经网络易陷入局部极小的缺点,仿真实验表明,提出的学习算法可靠,学习率能够随着网络的运行参数而自动变化,无需任何人为调整,克服了小波神经网络学习率靠人为试算选取所带来的问题.采用该种改进算法用于非线性函数逼近明显优于同等规模的固定学习率的小波神经网络.     

一类非线性系统的自适应模糊反推近似滑模控制

针对一类含有未知非线性函数项和外界干扰的不确定纯反馈非线性系统,提出了一种自适应模糊反推近似滑模变结构控制方法。采用中值定理和隐函数定理使未知非仿射输入函数拥有显式的控制输入,利用模糊系统逼近未知非线性函数,动态面控制技术解决了反推设计中出现的"微分爆炸"问题。所提出的自适应近似滑模控制方案削弱了传统滑模控制中的抖振现象。从理论上证明了所设计的控制器能够保证闭环系统所有信号半全局一致终结有界。仿真算例验证了算法的有效性。     

某扫雷犁电液伺服系统的模糊神经网络控制

针对某扫雷犁电液伺服系统这一典型的非线性系统,使用基于减法聚类的模糊神经网络(FNN)自学习算法设计了控制器,其中减法聚类用于确定模糊神经网络的初始结构。在网络的学习过程中,对结论参数采用最小二乘法进行辨识,对前提参数采用误差反传算法进行调整;并使用AMESim软件搭建了扫雷犁的液压系统模型,利用其接口技术实现了与Simulink的联合仿真。实验结果表明模糊神经网络控制器的控制效果要优于传统的PID控制器。     

基于PSO-RBF神经网络的雷达目标识别

为提高雷达系统目标识别能力,对粒子群算法及RBF神经网络进行了分析。针对离子群算法(PSO)易陷入局部极小的缺陷,提出了基于自适应时变权重和局部搜索算子的改进PSO算法,并将该算法应用到RBF神经网络核函数参数的优化学习中,进行了雷达目标识别仿真实验。仿真结果表明,相对于标准PSO-RBF神经网络,改进算法不仅收敛速度快,且误差精度高,特别在干扰较强时,目标的识别率有较大提高。     

一种新的模糊多层自组织神经网络图像目标检测方法

神经网络方法和模糊集理论用于图像处理和目标检测时各有优势,文中提出了一种将神经网络和模糊集理论集成的混合方法,即模糊多层自组织神经网络法。该方法将模糊测度作为神经网络的目标函数,网络包括多层结构,任一层中的一个神经元对应图像中的一个像素,该神经元只与前一层的对应元素及其邻域元素连接。针对遥感图像的实验处理过程证明该方法能够有效地进行目标检测和提取,并且具有良好的噪声免疫力。     

基于神经网络的四轮转向车辆辨识和控制

车辆的动力学受各种非线性因素(如轮胎特性和路面状况)的影响,因此,利用两自由度线性车辆模型很难描述车辆的动力学.本文提出了一个新的基于神经网络非线性建校和控制能力的4WS控制系统.首先将车辆动力学辩识为一个RBF冈给车辆模型,然后利用该RBF网络车辆模型设计RBF网络控制器.通过计算机仿真说明了所提方法的有效性.     

基于RBF神经网络的背景估计及红外小目标检测

利用RBF神经网络的函数逼近特性,得到了一种红外图像背景估计算法,进而提出了一种检测红外小目标的方法。利用有目标和没有目标的真实红外图像对此算法进行检测,背景估计效果理想,小目标检测效果理想,证明该算法是可行有效的。     

基于模糊神经网络的储运发箱吊装PID控制

针对火箭炮储运发箱自动吊装系统中存在的非线性因素,如电液伺服系统中存在的摩擦和间隙以及吊装过程中受到的扰动,传统PID控制难以实现高精度控制。对自动吊装系统中的各部件建模,提出一种通过模糊神经网络整定PID参数的控制方法。将偏差、偏差变化量和偏差累计量作为输入,利用RBF神经网络优化模糊规则,对PID的3个参数:K_p、K_i、K_d进行整定。根据仿真结果,采用RBF模糊神经网络调整后,能有效提高抗干扰能力和吊装的定位精度。