期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到202篇文章
< 1 2 … 11 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Design of Radial Basis Function Network Using Adaptive Particle Swarm Optimization and Orthogonal Least Squares 认领 引用 被引量：1
1
作者 Majid Moradi Zirkohi Mohammad Mehdi Fateh Ali Akbarzade 《Journal of Software Engineering and Applications》 2010年第7期704-708,共5页
This paper presents a two-level learning method for designing an optimal Radial Basis Function Network (RBFN) using Adaptive Velocity Update Relaxation Particle Swarm Optimization algorithm (AVURPSO) and Orthogonal Le... This paper presents a two-level learning method for designing an optimal Radial Basis Function Network (RBFN) using Adaptive Velocity Update Relaxation Particle Swarm Optimization algorithm (AVURPSO) and Orthogonal Least Squares algorithm (OLS) called as OLS-AVURPSO method. The novelty is to develop an AVURPSO algorithm to form the hybrid OLS-AVURPSO method for designing an optimal RBFN. The proposed method at the upper level finds the global optimum of the spread factor parameter using AVURPSO while at the lower level automatically constructs the RBFN using OLS algorithm. Simulation results confirm that the RBFN is superior to Multilayered Perceptron Network (MLPN) in terms of network size and computing time. To demonstrate the effectiveness of proposed OLS-AVURPSO in the design of RBFN, the Mackey-Glass Chaotic Time-Series as an example is modeled by both MLPN and RBFN. 展开更多
关键词 Radial Basis Function Network Orthogonal Least Squares Algorithm Particle Swarm Optimization Mackey-Glass Chaotic Time-Series
暂未订购 下载PDF
Prediction of Parkinson’s Disease Using Improved Radial Basis Function Neural Network 认领 引用 被引量：1
2
作者 Rajalakshmi Shenbaga Moorthy P.Pabitha 《Computers, Materials & Continua》 SCIE EI 2021年第9期3101-3119,共19页
Parkinson’s disease is a neurogenerative disorder and it is difficult to diagnose as no therapies may slow down its progression.This paper contributes a novel analytic system for Parkinson’s Disease Prediction mecha... Parkinson’s disease is a neurogenerative disorder and it is difficult to diagnose as no therapies may slow down its progression.This paper contributes a novel analytic system for Parkinson’s Disease Prediction mechanism using Improved Radial Basis Function Neural Network(IRBFNN).Particle swarm optimization(PSO)with K-means is used to find the hidden neuron’s centers to improve the accuracy of IRBFNN.The performance of RBFNN is seriously affected by the centers of hidden neurons.Conventionally K-means was used to find the centers of hidden neurons.The problem of sensitiveness to the random initial centroid in K-means degrades the performance of RBFNN.Thus,a metaheuristic algorithm called PSO integrated with K-means alleviates initial random centroid and computes optimal centers for hidden neurons in IRBFNN.The IRBFNN uses Particle swarm optimization K-means to find the centers of hidden neurons and the PSO K-means was designed to evaluate the fitness measures such as Intracluster distance and Intercluster distance.Experimentation have been performed on three Parkinson’s datasets obtained from the UCI repository.The proposed IRBFNN is compared with other variations of RBFNN,conventional machine learning algorithms and other Parkinson’s Disease prediction algorithms.The proposed IRBFNN achieves an accuracy of 98.73%,98.47%and 99.03%for three Parkinson’s datasets taken for experimentation.The experimental results show that IRBFNN maximizes the accuracy in predicting Parkinson’s disease with minimum root mean square error. 展开更多
关键词 Improved radial basis function neural network K-means particle swarm optimization
暂未订购 下载PDF
Analytic design of information granulation-based fuzzy radial basis function neural networks with the aid of multiobjective particle swarm optimization 认领 引用 被引量：3
3
作者 Byoung-Jun Park Jeoung-Nae Choi +1 位作者 Wook-Dong Kim Sung-Kwun Oh 《International Journal of Intelligent Computing and Cybernetics》 EI 2012年第1期4-35,共32页
Purpose–The purpose of this paper is to consider the concept of Fuzzy Radial Basis Function Neural Networks with Information Granulation(IG-FRBFNN)and their optimization realized by means of the Multiobjective Partic... Purpose–The purpose of this paper is to consider the concept of Fuzzy Radial Basis Function Neural Networks with Information Granulation(IG-FRBFNN)and their optimization realized by means of the Multiobjective Particle Swarm Optimization(MOPSO).Design/methodology/approach–In fuzzy modeling,complexity,interpretability(or simplicity)as well as accuracy of the obtained model are essential design criteria.Since the performance of the IG-RBFNN model is directly affected by some parameters,such as the fuzzification coefficient used in the FCM,the number of rules and the orders of the polynomials in the consequent parts of the rules,the authors carry out both structural as well as parametric optimization of the network.A multi-objective Particle Swarm Optimization using Crowding Distance(MOPSO-CD)as well as O/WLS learning-based optimization are exploited to carry out the structural and parametric optimization of the model,respectively,while the optimization is of multiobjective character as it is aimed at the simultaneous minimization of complexity and maximization of accuracy.Findings–The performance of the proposed model is illustrated with the aid of three examples.The proposed optimization method leads to an accurate and highly interpretable fuzzy model.Originality/value–A MOPSO-CD as well as O/WLS learning-based optimization are exploited,respectively,to carry out the structural and parametric optimization of the model.As a result,the proposed methodology is interesting for designing an accurate and highly interpretable fuzzy model. 展开更多
关键词 Modelling Optimization techniques Neural nets Design calculations Fuzzy c-means clustering Multi-objective particle swarm optimization Information granulation-based fuzzy radial basis function neural network Ordinary least squaresmethod Weighted least square method
基于耦合神经网络机械臂测量数据与空间位置预测方法研究 认领 引用
4
作者 沙永东 刘耀泽 刘治翔 《中国安全生产科学技术》 CAS CSCD 北大核心 2026年第3期54-60,共7页
为准确预测掘进工作面管道安装机器人机械臂测量数据与空间位置,以粒子群优化算法(particle swarm optimization,PSO)与径向基函数(radial basis functio,RBF)神经网络耦合模型进行数据优化,提出1种基于PSO-RBF-BP神经网络的测量算法。... 为准确预测掘进工作面管道安装机器人机械臂测量数据与空间位置,以粒子群优化算法(particle swarm optimization,PSO)与径向基函数(radial basis functio,RBF)神经网络耦合模型进行数据优化,提出1种基于PSO-RBF-BP神经网络的测量算法。通过预测6自由度机械臂各关节的数据信息,从而实现对其空间位置的准确预判。研究结果表明:神经网络耦合模型的测试集RMSE为0.56,相较于原有BP与PSO-BP模型具有更优秀的效果。在空间位置预测上,X,Y,Z轴上的平均相对误差分别为0.18%,0.32%,0.28%,有效降低了测量数据误差结果。研究结果可为机械臂数据测量和空间位置预测提供参考。 展开更多
关键词 机械臂 粒子群优化 径向基函数 测量数据 空间位置
暂未订购 下载PDF
基于PSO-RBF神经网络的防空高炮随动系统自抗扰控制技术研究 认领 引用 被引量：1
5
作者 王辰骞 赵永娟 +2 位作者 张海龙 郭超哲 王海迪 《火炮发射与控制学报》 北大核心 2026年第2期58-66,共9页
针对防空高炮随动系统受炮塔静、动摩擦力矩干扰导致的控制精度下降问题,本文提出基于粒子群算法优化径向基(PSO-RBF)神经网络参数的自抗扰控制技术,以解决传统RBF神经网络优化自抗扰控制器易陷局部最优的缺陷。该方法利用PSO算法的全... 针对防空高炮随动系统受炮塔静、动摩擦力矩干扰导致的控制精度下降问题,本文提出基于粒子群算法优化径向基(PSO-RBF)神经网络参数的自抗扰控制技术,以解决传统RBF神经网络优化自抗扰控制器易陷局部最优的缺陷。该方法利用PSO算法的全局搜索能力优化RBF神经网络初始参数,提升系统抗扰能力与控制精度。通过Matlab/Simulink仿真表明:相较传统PID控制器、传统自抗扰控制器及RBF神经网络优化的自抗扰控制器,PSO-RBF神经网络优化的自抗扰控制器在静态扰动工况下平均偏移量至少降低44.1%;含扰正弦跟踪任务中,其最大跟踪误差至少降低19.3%,实验结果证明所提方法有效提升了系统控制精度与抗扰性能。 展开更多
关键词 防空高炮 随动系统 自抗扰控制器 粒子群优化算法 径向基神经网络
暂未订购 下载PDF
基于改进RBFNN的基坑变形预测技术研究 认领 引用 被引量：1
6
作者 宋旋 刘志超 《机械设计与制造》 北大核心 2026年第4期17-21,共5页
变形量的准确预测是变形监测的关键,针对现有基坑变形预测方法精度低、耗时长等问题,提出了一种改进的量子粒子群优化算法和径向基函数神经网络相结合用于预测基坑变形。引入了早熟自检和自适应扰动算子优化量子粒子群优化算法,通过优... 变形量的准确预测是变形监测的关键,针对现有基坑变形预测方法精度低、耗时长等问题,提出了一种改进的量子粒子群优化算法和径向基函数神经网络相结合用于预测基坑变形。引入了早熟自检和自适应扰动算子优化量子粒子群优化算法,通过优化算法优化径向基函数神经网络参数,将优化后的参数作为训练预测模型的初始值。通过实验对所提预测方法的优越性进行验证。结果表明,与传统的基坑变形预测方法相比,这里所提基坑变形预测方法具有更高的精度和效率,RMSE指数约为0.02,IA指数约为0.99,训练时间约为3s。该研究为变形预测的发展提供了更加科学有效的手段。 展开更多
关键词 基坑变形 预测模型 量子粒子群优化算法 径向基函数神经网络 自适应扰动算子
暂未订购 下载PDF
地铁车体模态计算模型修正方法研究 认领 引用
7
作者 罗舒方 邬平波 +1 位作者 徐成州 刘潮涛 《铁道车辆》 2026年第2期97-105,共9页
针对整备状态下地铁铝合金车体有限元模型模态特性(固有频率、振型)与试验结果存在显著偏差、影响车辆动力学性能预测准确性的问题,文章开展了地铁车体模态计算模型修正方法研究。该方法将车体分为8个功能区域,引入“当量刚度”概念,以... 针对整备状态下地铁铝合金车体有限元模型模态特性(固有频率、振型)与试验结果存在显著偏差、影响车辆动力学性能预测准确性的问题,文章开展了地铁车体模态计算模型修正方法研究。该方法将车体分为8个功能区域,引入“当量刚度”概念,以弹性模量为修正参数。基于哈默斯雷试验设计进行了300次参数采样,分析了参数对前三阶模态频率的灵敏度,对比多项式响应面、Kriging和径向基函数(RBF)3种代理模型后,选定RBF模型构建参数与响应映射关系,其前三阶模态频率预测的决定系数R2均为1,均方根误差低于4.5×10-14。以最小化试验与仿真模态频率误差为优化目标,利用粒子群优化算法求解最优弹性模量组合。修正后模型精度显著提升,前三阶模态频率最大误差从22.71%降至4.22%,各阶误差控制在5%以内,振型与试验一致。研究表明,该方法能有效解决整备车体复杂模型修正难题,修正后的高精度模型为准确预测车辆动力学性能提供了可靠基础,对提升列车运行安全性与乘坐舒适性有重要工程应用价值。 展开更多
关键词 地铁车体 模态修正 径向基函数 粒子群算法 迭代法
暂未订购 下载PDF
基于改进神经网络的抽油机节能控制研究 认领 引用
8
作者 于海忠 《粘接》 CAS 2026年第2期490-493,共4页
为了提高抽油机的能源利用效率,以低渗透油井为例,在对沉没度、泵效、电机综合系数这几个关键参数进行详细分析的基础上,构建基于径向基函数神经网络的预测模型,并对其进行验证。其中,径向基函数神经网络通过对历史数据进行学习来捕捉... 为了提高抽油机的能源利用效率,以低渗透油井为例,在对沉没度、泵效、电机综合系数这几个关键参数进行详细分析的基础上,构建基于径向基函数神经网络的预测模型,并对其进行验证。其中,径向基函数神经网络通过对历史数据进行学习来捕捉非线性关系,改进后的粒子群优化算法则通过对惯性权重和学习因子进行动态调节来对网络参数进行优化。研究结果表明:相比于常规RBF模型,PSO-RBF模型在测试集上具有更小的预测误差和更快的收敛速度;利用模型的预测数据,可以实现间抽时间的动态调节,降低空抽和非满抽现象的发生频率,可有效降低抽油机能耗并延长其使用寿命。 展开更多
关键词 抽油机 节能控制 径向基函数网络 粒子群优化算法 沉没度
暂未订购 下载PDF
基于负载预测与能耗优化的刮板输送机速度控制方法 认领 引用 被引量：3
9
作者 汪卫兵 骆佳录 +3 位作者 李赖 赵栓峰 路正雄 李开放 《煤炭科学技术》 EI CAS CSCD 北大核心 2025年第10期259-268,共10页
针对综采工作面中刮板输送机因持续高速运转而导致的能源浪费和运输效率低下问题,结合双向割煤工艺,对刮板输送机的运行阶段进行了系统分析,建立了刮板输送机能耗模型,在此基础上提出了一种基于负载转矩预测与能耗优化相结合的速度控制... 针对综采工作面中刮板输送机因持续高速运转而导致的能源浪费和运输效率低下问题,结合双向割煤工艺,对刮板输送机的运行阶段进行了系统分析,建立了刮板输送机能耗模型,在此基础上提出了一种基于负载转矩预测与能耗优化相结合的速度控制方法。首先,建立煤量模型,描述煤量随运行工况变化的动态特性。随后,结合刮板输送机的运行阻力特性,明确煤量、驱动力与运行阻力之间的关系,构建刮板输送机的能耗模型。为应对综采工作面复杂多变的运行工况,引入粗糙径向基神经网络(Rough Radial Basis Function Neural Network, RRBFNN),对刮板输送机负载转矩进行精确预测,生成优化模型所需的关键输入变量。在此基础上,采用改进的粒子群优化算法(PSO),以能耗最小化为目标,对刮板输送机的运行速度进行优化,改进算法在引入动态惯性因子的同时,平衡了全局搜索与局部搜索能力,从而提高了优化的精度与收敛效率。最后,结合榆家梁43101综采工作面的实际数据对本文方法进行了验证。结果表明:该速度控制方法能够在一个生产循环中有效降低刮板输送机的能耗10.42%。 展开更多
关键词 刮板输送机 智能调速 能耗模型 粗糙径向基神经网络 改进粒子群算法
暂未订购 下载PDF
泵设备成组筏架振动传递路径分析及优化设计 认领 引用 被引量：4
10
作者 贾泽坤 孙孟 +2 位作者 张冠军 李舒成 向阳 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2025年第1期87-94,共8页
针对泵设备模块化成组筏架系统隔振效果不佳问题,本文通过建立泵设备模块化成组浮筏隔振系统有限元模型,计算成组设备浮筏系统的振动响应,基于结构声强法分析成组筏架筋板的振动能量传递及贡献度,确定了主要传递路径,并选取主要路径上... 针对泵设备模块化成组筏架系统隔振效果不佳问题,本文通过建立泵设备模块化成组浮筏隔振系统有限元模型,计算成组设备浮筏系统的振动响应,基于结构声强法分析成组筏架筋板的振动能量传递及贡献度,确定了主要传递路径,并选取主要路径上的结构参数,基于径向基函数神经网络建立代理模型,并利用粒子群算法进行优化设计。分析了泵组产生的振动激励的主要传递路径,并选取上、下面板、中间筋板及基座厚度为设计变量进行优化,优化后筏架隔振器下支撑点的振动加速度级合成值相比于优化前降低了14 dB。结果表明:计算结果在算法优化的误差范围内,满足优化设计要求。 展开更多
关键词 成组筏架 浮筏系统 有限元 传递路径分析 结构声强 贡献度分析 径向基函数神经网络 粒子群算法
暂未订购 下载PDF
基于行人保护的前保轻量化分析研究 认领 引用 被引量：1
11
作者 俞陆新 崔强 +1 位作者 柳砚 唱志强 《辽宁工业大学学报（自然科学版）》 2025年第5期297-300,307,共4页
受汽车前保造型与前舱布置空间的限制,许多部件在设计阶段便被限定了外形尺寸范围。为此,设计师通常需在特定尺寸约束下,综合考量零件的结构与工艺设计,以实现综合性能的平衡。本文利用径向基函数,建立前保吸能泡沫典型截面厚度的函数模... 受汽车前保造型与前舱布置空间的限制,许多部件在设计阶段便被限定了外形尺寸范围。为此,设计师通常需在特定尺寸约束下,综合考量零件的结构与工艺设计,以实现综合性能的平衡。本文利用径向基函数,建立前保吸能泡沫典型截面厚度的函数模型,通过叠加构建近似模型;再采用6σ方法分析该近似模型的稳健性,最终搜寻到最优解,确定满足行人腿部保护要求的泡沫厚度,从而在轻量化前提下提升行人保护性能。 展开更多
关键词 径向基函数 粒子群算法 行人保护 轻量化
暂未订购 下载PDF
基于优化极限学习机模型的采空区多源指标危险性辨识研究 认领 引用 被引量：3
12
作者 苏成哲 邹阳耀 张殿明 《矿业研究与开发》 CAS 北大核心 2025年第2期155-161,共7页
为了提高对采空区多源指标危险性辨识的预测精度,基于粒子群(PSO)算法优化极限学习机(ELM)的输入权重和阈值,提出一种PSO-ELM的方法对采空区多源指标危险性进行辨识。采用影响华南某矿山采空区危险性的开采深度、采矿方式、采空区采高... 为了提高对采空区多源指标危险性辨识的预测精度,基于粒子群(PSO)算法优化极限学习机(ELM)的输入权重和阈值,提出一种PSO-ELM的方法对采空区多源指标危险性进行辨识。采用影响华南某矿山采空区危险性的开采深度、采矿方式、采空区采高、采空区最大暴露面积、采空区最大暴露高度、采空区最大暴露跨度、矿区矿柱、实测体积和治理率9项指标作为主要输入值,并以135个实测采空区数据为例进行危险等级预测。研究结果表明:径向基函数和传统极限学习机的预测精度分别为88%和92%,而经过粒子群算法优化的极限学习机模型的预测精度为96%。与径向基函数和传统极限学习机相比,PSO-ELM算法在测试集表现得更好,稳定性和泛化能力更优良,具备良好的指导意义和实用性,适用于实际工程应用。 展开更多
关键词 径向基函数 粒子群算法 极限学习机 采空区 危险性评价
暂未订购 下载PDF
基于PSO-RBFNN的舰船光纤通信流量预测 认领 引用 被引量：1
13
作者 储蓄蓄 洪东 《舰船科学技术》 北大核心 2025年第20期190-194,共5页
为及时捕捉通信流量的变化,提出基于粒子群优化算法-径向基函数神经网络(Particle Swarm Optimization-Radial Basis Function Neural Network,PSO-RBFNN)的舰船光纤通信流量预测方法。以舰船光纤通信网络结构为基础,分析舰船光纤通信... 为及时捕捉通信流量的变化,提出基于粒子群优化算法-径向基函数神经网络(Particle Swarm Optimization-Radial Basis Function Neural Network,PSO-RBFNN)的舰船光纤通信流量预测方法。以舰船光纤通信网络结构为基础,分析舰船光纤通信流量特性,确定动态冲击性、多周期叠加特性和时空相关性为通信流量特征;利用径向基函数神经网络,在舰船光纤通信网络结构的历史流量数据内,提取动态冲击性、多周期叠加特性和时空相关性特征,建立光纤通信流量预测模型;通过粒子群优化算法,优化预测模型参数,确保该模型能够及时捕捉通信流量的变化,输出高精度的舰船光纤通信流量预测结果。实验证明:该方法可有效提取舰船光纤通信流量特征,实现通信流量预测;在不同舰船航行环境下,该方法流量预测的均等系数均高于0.90,即预测精度较高。 展开更多
关键词 粒子群 径向基函数 神经网络 舰船光纤通信 动态冲击性
暂未订购 下载PDF
基于POD和PSO-RBFNN的泵喷推进器尾部流场快速预测方法 认领 引用
14
作者 郭荣 罗鑫 +1 位作者 韩伟 李仁年 《振动与冲击》 EI CSCD 北大核心 2025年第22期9-18,共10页
针对航行条件下泵喷推进器尾部流场预测计算规模大、分析耗时且成本高的问题,基于本征正交分解(proper orthogonal decomposition,POD)和经过粒子群优化(particle swarm optimization,PSO)算法改进的径向基神经网络(radial basis functi... 针对航行条件下泵喷推进器尾部流场预测计算规模大、分析耗时且成本高的问题,基于本征正交分解(proper orthogonal decomposition,POD)和经过粒子群优化(particle swarm optimization,PSO)算法改进的径向基神经网络(radial basis function neural network,RBFNN)方法构建快速预测模型(PSO-RBFNN)。采用中心复合设计(central composite design,CCD)方法对几何参数设计空间随机抽样,然后利用POD方法将高维流场数据映射到低维基模态空间,使用PSO-RBFNN建立几何参数到基模态系数的多层神经网络模型,实现尾部流场的快速预测。结果表明:经PSO优化的RBFNN模型具有更加优异的回归性能,构建的POD和PSO-RBFNN相结合混合模型可以实现泵喷推进器尾部流场分布特征快速准确预测,相对误差在8.0%以内;轴心速度呈现出先增后减并逐渐衰减为0的过程,POD&PSO-RBFNN混合模型能够准确预测这一动态特征。 展开更多
关键词 泵喷推进器 尾部喷流 本征正交分解(POD) 粒子群优化(PSO)算法 径向基神经网络(RBFNN)
暂未订购 下载PDF
考虑出力连续波动的虚拟同步机自适应惯量阻尼控制策略 认领 引用 被引量：7
15
作者 梁展豪 曾君 刘俊峰 《电力系统保护与控制》 EI CSCD 北大核心 2025年第23期1-12,共12页
应用虚拟同步机(virtual synchronous generator,VSG)技术的可再生能源发生出力波动时,通过自适应惯量阻尼控制可以抑制由VSG固有动态响应特性导致的输出功率、频率附加振荡。但现有的基于径向基函数(radial basis function,RBF)的VSG... 应用虚拟同步机(virtual synchronous generator,VSG)技术的可再生能源发生出力波动时,通过自适应惯量阻尼控制可以抑制由VSG固有动态响应特性导致的输出功率、频率附加振荡。但现有的基于径向基函数(radial basis function,RBF)的VSG自适应控制策略控制灵活性不足且参数配置复杂,难以在出力连续波动下有效抑制输出功率、频率振荡。针对这一问题,提出了一种基于粒子群优化(particle swarm optimization,PSO)算法优化RBF神经网络的VSG自适应惯量阻尼控制策略。首先,对VSG进行小信号建模,确定虚拟惯量、虚拟阻尼的取值范围并设定稳态惯量。然后,利用RBF神经网络对VSG角频率与虚拟惯量、虚拟阻尼之间的关系进行拟合,并引入J惯性因子项扩展RBF神经网络的控制维度。进一步,通过改进PSO对RBF神经网络超参数进行优化配置,提高RBF神经网络的拟合及泛化能力,使其在面临复杂的功率、频率波动时能够进行自适应惯量阻尼调节。最后,搭建VSG并网模型,在出力突变、出力连续波动、不同电网条件3种工况下验证了所提控制策略的可行性及优越性。 展开更多
关键词 虚拟同步机 出力连续波动 径向基函数 粒子群优化 自适应惯量阻尼控制
暂未订购 下载PDF
基于RBFNN+改进粒子群算法的大跨度斜拉桥索力优化研究 认领 引用 被引量：4
16
作者 邓达 何博文 刘国坤 《中外公路》 2025年第6期180-188,共9页
针对大跨度斜拉桥的索力优化问题,该文基于径向基神经网络(Radial Basis Function Neural Network,RBFNN)拟合响应面,提出了一种考虑斜拉索可靠度指标的索力优化方法。通过RBFNN训练拟合结构隐式功能函数,建立求解可靠度指标的RBFNN响... 针对大跨度斜拉桥的索力优化问题,该文基于径向基神经网络(Radial Basis Function Neural Network,RBFNN)拟合响应面,提出了一种考虑斜拉索可靠度指标的索力优化方法。通过RBFNN训练拟合结构隐式功能函数,建立求解可靠度指标的RBFNN响应面模型,采用改进粒子群算法对考虑可靠度指标的索力优化模型进行寻优求解。研究结果表明:RBFNN可以精确预测结构响应并拟合结构隐式功能函数,20个测试集的平均拟合误差仅为3.25%;改进粒子群算法对索力优化问题具有良好的适应性。相较于标准粒子群算法,改进后的算法收敛精度更高,收敛速度更快,优化后整体索力分布趋势与原索力分布趋势大致相同,采用优化索力计算得到的跨中位置斜拉索可靠度指标明显提升,各斜拉索平均可靠度增幅达3%左右,主梁线形得到大幅改善,最大挠度降幅高达36%。 展开更多
关键词 斜拉桥 索力优化 可靠度指标 径向基神经网络 改进粒子群算法
暂未订购 下载PDF
水轮发电机轴电流超标故障自动诊断技术研究 认领 引用 被引量：4
17
作者 刘立春 《自动化仪表》 CAS 2025年第2期97-101,共5页
水轮发电机故障类型多样且复杂。为了在规定的运行范围内分析振动信号变化、准确诊断水轮发电机轴电流超标故障、提升设备运行安全性,提出水轮发电机轴电流超标故障自动诊断技术。通过独立分量分析-互补集合经验模态分解方法,重构振动... 水轮发电机故障类型多样且复杂。为了在规定的运行范围内分析振动信号变化、准确诊断水轮发电机轴电流超标故障、提升设备运行安全性,提出水轮发电机轴电流超标故障自动诊断技术。通过独立分量分析-互补集合经验模态分解方法,重构振动信号。应用经验小波变换方法,求解轴电流超标故障特征矢量。选择经验小波变换分量提取轴电流超标故障引起的振动信号特征。使用遗传-粒子群算法优化径向基函数(RBF)神经网络模型,计算粒子的最优适应度和最佳位置,以自动诊断轴电流超标故障。试验结果表明,所提技术的水轮发电机轴电流超标故障自动诊断准确率高。所提技术能够提升设备运行安全性,具有较高实际应用价值。 展开更多
关键词 水轮发电机 轴电流超标 经验小波变换 遗传-粒子群算法 最优适应度 径向基函数神经网络
暂未订购 下载PDF
基于层级分解的前围声学包多目标优化 认领 引用 被引量：1
18
作者 杨帅 吴宪 薛顺达 《振动与冲击》 EI CSCD 北大核心 2025年第3期267-277,共11页
搭建了前围声学包多层级目标分解架构,提出GAPSO-RBFNN(genetic algorithm particle swarm optimization-radial basis function neural network)预测模型,并将其应用于多层级目标分解架构。将材料数据库、覆盖率、泄漏量作为优化的变... 搭建了前围声学包多层级目标分解架构,提出GAPSO-RBFNN(genetic algorithm particle swarm optimization-radial basis function neural network)预测模型,并将其应用于多层级目标分解架构。将材料数据库、覆盖率、泄漏量作为优化的变量范围,以PBNR(power based noise reduction)均值作为约束,以质量和成本作为优化目标,采用非支配排序遗传算法(nondominated sorting genetic algorithm II,NSGA-II)进行多目标优化,得到Pareto多目标解集。并从中选取满足设计目标的最佳组合方案(材料组合、覆盖率、前围过孔密封方案选型)。结果显示,该模型最终的优化结果与实测结果接近,误差分别为0.35%,1.47%,1.82%,相较于初始声学包方案,优化后的结果显示,PBNR均值提升3.05%,其质量降低52.38%,成本降低15.15%,验证了所提方法的有效性和准确性。 展开更多
关键词 GAPSO-RBFNN 声学包 PBNR NSGA-II Pareto多目标解集
暂未订购 下载PDF
基于PSO-RBFNN的船舶横摇运动实时预报 认领 引用
19
作者 廖声浩 王立军 +3 位作者 王思思 贾宝柱 尹建川 李荣辉 《广东海洋大学学报》 CAS CSCD 北大核心 2025年第2期103-108,共6页
【目的】针对船舶横摇运动具有非线性和多变量耦合等特征,提出一种基于粒子群优化(PSO)径向基函数神经网络(RBFNN)的预报模型,以提升预报精度,支持智能航行。【方法】构建基于PSO和RBFNN的混合预报方案。采用PSO对RBFNN的中心和宽度参... 【目的】针对船舶横摇运动具有非线性和多变量耦合等特征,提出一种基于粒子群优化(PSO)径向基函数神经网络(RBFNN)的预报模型,以提升预报精度,支持智能航行。【方法】构建基于PSO和RBFNN的混合预报方案。采用PSO对RBFNN的中心和宽度参数进行全局优化,通过PSO-RBFNN模型对船舶横摇运动进行预报。【结果】基于“育鲲”轮实测和仿真数据,验证了模型的可行性和有效性。仿真结果表明,PSO-RBFNN在3种不同工况下均表现出优异的预报性能[提前3 s预报时,平均绝对误差(MAE)≤0.1119,均方误差(MSE)≤0.0280,均方根误差(RMSE)≤0.1673,归一化均方根误差(NRMSE)≤0.0212,平均绝对百分比误差(MAPE)≤22.9%,决定系数(R2)≥0.9884],显著优于PSO-RNN、PSO-BP和PSO-MLP等模型。【结论】PSO-RBFNN模型能够高效、准确地预报船舶横摇运动,并在多种工况下保持稳定的性能优势,为智能航行提供实时可靠的技术支撑。 展开更多
关键词 船舶横摇运动 运动预报 智能航行 径向基函数神经网络 粒子群优化算法
暂未订购 下载PDF
基于径向基函数神经网络重载发动机曲轴的可靠性分析 认领 引用
20
作者 赵明轩 桑建兵 +2 位作者 丛继坤 钟星宇 李长远 《内燃机工程》 CAS CSCD 北大核心 2025年第5期100-108,120,共9页
针对传统可靠性分析方法计算成本高且精度不高等问题,结合灰色关联度分析(grey relational analysis,GRA)、径向基函数神经网络(radial basis function neural network,RBFNN)及粒子群优化算法(particle swarm optimization,PSO),提出... 针对传统可靠性分析方法计算成本高且精度不高等问题,结合灰色关联度分析(grey relational analysis,GRA)、径向基函数神经网络(radial basis function neural network,RBFNN)及粒子群优化算法(particle swarm optimization,PSO),提出了一种针对重载发动机曲轴的可靠性分析方法。首先,根据曲轴的动力学分析和点火做功状态确定了其危险工况并利用有限元软件ANSYS Workbench建立了静力学计算模型。其次,结合曲轴的几何参数和总体结构确定了影响最大Mises应力的不确定性因素,并对其进行灰色关联度分析筛选出径向基函数神经网络的输入参数。最后,依据不确定性参数的分布情况使用最优拉丁超立方(optimal Latin hy⁃percube sampling,OLHS)进行采样,根据第四强度理论确定曲轴的破坏准则后,引入粒子群优化算法,结合径向基函数神经网络和蒙特卡洛方法(RBFNN–Monte Carlo,RBFNN–MC)预测了曲轴的可靠度和失效概率。研究结果表明,RBFNN–MC方法与传统可靠性分析方法相比,在保证高精度的前提下具有更高的效率和更好的鲁棒性。 展开更多
关键词 曲轴 可靠性分析 灰色关联度分析 径向基函数神经网络 粒子群优化算法
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 11 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈