“rbf_g”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果315949个，建议您升级VIP下载更多相关专利

[发明专利]基于RBF神经网络的超超临界锅炉NOx排放动态预测方法-CN201410640074.1有效
发明人：张卫庆;李凡军;熊志化;高爱民;丁建良;柯炎;丁苏栋;殳建军;钱庆生;于国强 -专利权人：国家电网公司;江苏省电力公司;江苏方天电力技术有限公司
申请日： 2014-11-13 - 公布日： 2018-06-22 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种基于RBF神经网络的超超临界锅炉NOx排放动态预测方法，属于环保排放参数测量技术领域。本发明采用如下技术方案：SS1选取静态辅助变量和动态辅助变量；SS2对所述静态辅助变量和所述动态辅助变量进行RBF神经网络结构拟合，获得基于RBF神经网络结构的训练锅炉NOx排放动态预测模型；对RBF神经网络参数进行调整，得到基于RBF网络的超超临界锅炉的NOx排放动态预测模型。
辅助变量超超临界锅炉动态预测模型神经网络结构动态预测神经元参数测量动态模型环保排放静态模型模型结构拟合锅炉

[发明专利]基于RBF神经网络的变体飞行器自适应反演控制方法-CN202310503743.X在审
发明人：李毅恒;刘大卫;王晓光;夏群利;弋滨;李青远 -专利权人：北京理工大学
申请日： 2023-05-06 - 公布日： 2023-08-08 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于RBF神经网络的变体飞行器自适应反演控制方法，包括以下步骤：设置RBF神经网络估计由于飞行器变形导致模型不确定以及外部扰动共同引起的弹道倾角未知影响项dγ和俯仰角速度未知影响项dq，获得RBF神经网络针对弹道倾角未知影响项的自适应权值，以及RBF神经网络针对俯仰角速度未知影响项的自适应权值DDA0004214812320000012.JPG" imgContent="drawing" imgFormat="JPEG" orientation="portrait" inline="yes" />；设置反演自适应控制器，将RBF本发明公开的基于RBF神经网络的变体飞行器自适应反演控制方法，使用RBF逼近未知影响项并在控制律中进行补偿从而提高控制器的精度和鲁棒性。
基于 rbf 神经网络变体飞行器自适应反演控制方法

[发明专利]基于RBF径向基神经网络的电网公司分类方法-CN201910853706.5在审
发明人：司为国;朱炯;张博;张玉鹏;赵开;郭小茜;张浩;俞成彪;严志毅;闫宇铎;曹杰人;金仁云;宋惠忠;李骏;柳志军;唐鸣;张益军;施萌;张俊;侯伟宏;钟晓红;何可人;高瑾;吴颖;陈晨;厉律阳;徐国锋;章晨璐;朱小炜;孙远;向新宇;华玫;沈志强;朱坚;孙建军;仲从杰;毛无穷;刘磊 -专利权人：国网浙江省电力有限公司杭州供电公司
申请日： 2019-09-10 - 公布日： 2020-02-14 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例提出了基于RBF径向基神经网络的电网公司分类方法，包括从公司状态数据中选取h个聚类中心；调用k‑means算法基于样本点集合重新计算得到聚类中心；构造RBF径向神经网络模型，对已得到聚类中心进行重新计算得到RBF径向神经网络模型的输出分类结果。通过利用RBF神经网络对电网行业中多特征的数据进行分类筛选，有助于避免陷入局部最优解，得到更好的分类效果。
聚类中心径向神经网络重新计算径向基神经网络电网分类结果分类效果公司分类状态数据样本点最优解调用算法集合筛选输出分类申请

[发明专利]基于RBF神经网络的注塑工艺优化方法-CN201810261276.3在审
发明人：黄力;邓其贵;马振锋;刘胜永 -专利权人：广西科技大学
申请日： 2018-03-28 - 公布日： 2018-09-11 - 主分类号： B29C45/76 文献下载
摘要：本发明提供了一种基于RBF神经网络的注塑工艺优化方法，包括以下步骤：建立注塑产品的CAE分析模型以及第一注塑参数；对所述第一注塑参数进行至少一次注塑参数优化，获得第一优化注塑参数；对所述第一优化注塑参数进行正交试验设计，获得正交试验数据；利用部分或全部所述正交试验数据对RBF神经网络进行训练，获得训练后的RBF神经网络；利用所述训练后的RBF神经网络获取最终优化注塑参数。上述基于RBF神经网络的注塑工艺优化方法不仅能够提高了获得最终优化参数的效率，而且优化效果好，获得的最终优化注塑参数更为精确，能够满足注塑要求。
注塑优化注塑工艺正交试验正交试验设计参数优化一次注塑优化参数注塑产品

[发明专利]一种基于免疫RBF神经网络的电网故障诊断方法-CN202011081769.2在审
发明人：李永光;马晓磊;庄红山;刘冉;张彦军;李修军;马丽亚;汪凯威;葛远裕 -专利权人：国网新疆电力有限公司;国家电网有限公司
申请日： 2020-10-12 - 公布日： 2021-01-12 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于免疫RBF神经网络的电网故障诊断方法，该方法首先根据免疫算法原理，把输入样本数据作为抗原，RBF中心点作为抗体，在进行克隆、变异等免疫操作后，将得到的样本数据中心作为RBF神经网络隐含层径向基函数的中心然后基于训练集样本，确定扩展常数，利用最小二乘算法确定连接权值，完成RBF神经网络的训练。最后根据基于免疫算法确定RBF中心的神经网络训练结果建立电网故障诊断模型，将测试集样本输入所述电网故障诊断模型，并由此得到故障诊断结果。本发明能够有效的判断电网发故障的位置，具有较好的容错性。
一种基于免疫 rbf 神经网络电网故障诊断方法

[发明专利]一种基于PSO-RBF神经网络的锂电池SOC估算方法-CN202010451071.9在审
发明人：张义哲 -专利权人：安徽理工大学
申请日： 2020-05-25 - 公布日： 2020-07-28 - 主分类号： G01R31/385 文献下载
摘要：本发明公开了一种基于PSO‑RBF神经网络的锂电池SOC估算方法，包括以下步骤：首先对锂电池进行充放电测试，并采集实验数据，包含温度、开路电压、电流、内阻和锂电池的荷电状态(SOC)；利用粒子群算法优化RBF神经网络；然后将实验测得的锂电池的样本数据进行归一化处理；接着用已经构建好的RBF神经网络进行训练学习；最后根据优化过的神经网络训练结果建立锂电池SOC估算模型。本发明一种基于PSO‑RBF神经网络的锂电池SOC估算方法，通过建立PSO‑RBF神经网络模型，实现了准确、快速的对锂电池SOC的估算。
一种基于 pso rbf 神经网络锂电池 soc 估算方法

[发明专利]一种宽波段近红外探测器的制备方法及宽波段近红外探测器-CN202110203322.6在审
发明人：张陈斌;冯叶;杨春雷;杨佳伟;彭燕君;张玉萍;王伟;张琛 -专利权人：深圳先进技术研究院
申请日： 2021-02-24 - 公布日： 2021-06-25 - 主分类号： H01L31/18 文献下载
摘要：本发明提供的宽波段近红外探测器，包括依次层叠设置、钼背电极、CCZTSe吸收层、CdS缓冲层及窗口层，所述CCZTSe吸收层底部掺杂有NaF或KF或LiF或RbF或CsF；和/或；所述CCZTSe吸收层中间掺杂NaF或KF或LiF或RbF或CsF；和/或；所述CCZTSe吸收层上表面蒸镀有NaF或KF或LiF或RbF或CsF，由于在CCZTSe吸收层不同部位同时蒸镀一定量NaF或KF或LiF或RbF或CsF，由于NaF或KF或LiF或RbF或CsF可以促进吸收层晶粒尺寸增大，减少缺陷及晶界，提高探测器效率。
一种波段红外探测器制备方法

[发明专利]基于RBF神经网络的隐伏大型溶洞预测方法-CN202110747562.2在审
发明人：丁浩江;冯涛;岳志勤;张广泽;张羽军;叶堃;方振华;李沧海 -专利权人：中铁二院工程集团有限责任公司
申请日： 2021-07-01 - 公布日： 2023-01-03 - 主分类号： G06F30/27 文献下载
摘要：基于RBF神经网络的隐伏大型溶洞预测方法，涉及土木工程技术和计算机技术，本发明包括下述步骤：1)整理隐伏大型岩溶数据集，所述数据包括岩性厚度、围岩破碎程度、地形地貌、地质构造、降水气温、地下水；2)对数据集进行归一化处理；3)将数据集分为训练数据集和测试数据集，采用训练数据集对RBF神经网络进行训练，并采用遗传算法优化RBF神经网络的结构参数；4)用测试数据集对训练完成后的RBF神经网络进行测试；5)采用通过测试的RBF
基于 rbf 神经网络隐伏大型溶洞预测方法

[发明专利]基于RBF网络的Q学习框架仿人机器人稳定控制方法-CN201510299823.3有效
发明人：毕盛;黄铨雍;韦如明;闵华清;董敏 -专利权人：华南理工大学
申请日： 2015-06-03 - 公布日： 2018-07-20 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了基于RBF网络的Q学习框架仿人机器人稳定控制方法，该方法包括：提出基于RBF网络的Q学习框架（RBF‑Q Learning），该框架解决Q学习过程中状态空间连续化和行为空间连续化的问题；提出基于RBF网络的Q学习在线动作调整稳定控制算法，产生支撑腿的髋关节、膝关节以及踝关节轨迹，并通过计算出其他各关节角度控制仿人机器人稳定行走；最后通过在本实验室设计的The Vitruvian Man仿人机器人平台上验证RBF‑Q Learning框架方法的可行性和有效性。
仿人机器人稳定控制连续化在线学习过程膝关节角度控制行为空间在线动作状态空间支撑腿踝关节髋关节步态算法关节验证

[发明专利]一种基于RBF-ARX模型的快速鲁棒预测控制方法-CN201811382705.9有效
发明人：彭辉;田晓盈 -专利权人：中南大学
申请日： 2018-11-20 - 公布日： 2021-05-07 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于RBF‑ARX模型的快速鲁棒预测控制方法，首先采用数据驱动技术离线建立被控系统的非线性状态相依RBF‑ARX模型。其次，利用建立的非线性RBF‑ARX模型构造出能够包裹被控系统非线性动态特性的多面体。然后，利用min‑max优化原理、基于不变集设计方法，在未知系统的稳态平衡点信息的情况下，设计基于RBF‑ARX模型的可通过求解凸优化问题实现最优输出跟踪的鲁棒预测控制算法。最后，为了解决在线求解凸优化问题存在的繁重计算量问题，本发明将离线计算方法和在线综合技术相结合，设计了基于RBF‑ARX模型的快速鲁棒预测控制方法。
一种基于 rbf arx 模型快速预测控制方法

[发明专利]一种基于萤火虫算法与RBF神经网络的交通流预测方法-CN201710039355.5在审
发明人：段宗涛;陈柘;康军;葛建东;江华;刘研;吴晓声 -专利权人：长安大学
申请日： 2017-01-19 - 公布日： 2017-06-30 - 主分类号： G08G1/01 文献下载
摘要：本发明提出一种基于萤火虫算法与RBF神经网络的交通流预测方法，包括对样本的数据进行归一化化处理，使输入数据与输出数据处于同一数量级；初始化萤火虫算法参数，利用随机方法初始化萤火虫种群，并对种群中每个个体进行编码；利用萤火虫算法训练RBF神经网络，得到种群最优个体；对种群最优个体进行解码，得到训练好的RBF神经网络；利用训练好的RBF神经网络对交通流数据样本进行预测。与传统的交通流预测方法相比，本发明充分发挥萤火虫优化算法在RBF神经网络训练中的优势，使RBF网络具有更准确的预测能力、更快的训练效率以及更好的泛化能力。
一种基于萤火虫算法 rbf 神经网络通流预测方法

[发明专利]一种基于RBF神经网络的空调温控系统及其控制方法-CN202010369328.6在审
发明人：朱其新;陆烨;刘红俐;谢鸥;沈晔湖;牛雪梅;牛福洲;陈浩;苗静;尚文;吴永芝 -专利权人：苏州科技大学
申请日： 2020-05-02 - 公布日： 2020-08-11 - 主分类号： F24F11/62 文献下载
摘要：本发明涉及一种基于RBF神经网络的空调温控系统及其控制方法，该系统包括依次连接于系统输入端与系统输出端之间的RBF神经网络PID控制器和被控对象，采用RBF神经网络对PID控制器的参数进行自适应调整；Smith预估补偿器，连接于所述RBF神经网络PID控制器的输出端与输入端之间；以及前馈控制器，连接于所述RBF神经网络PID控制器的输出端与系统输入端之间。本发明基于RBF神经网络对PID控制器的参数进行自适应调整，同时结合Smith预估补偿器和前馈控制器，具有响应速度快、超调小、调节时间短、动态性能好、自适应强等特点，同时实现了参数在线整定，从而大大提高了其控制性能
一种基于 rbf 神经网络空调温控系统及其控制方法

[发明专利]一种基于分块逼近RBF滑模控制的水下机械臂控制方法-CN202210023149.6在审
发明人：张丽红;赵伟;张伟 -专利权人：西安文理学院
申请日： 2022-01-10 - 公布日： 2022-04-29 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于分块逼近RBF滑模控制的水下机械臂控制方法，包括如下步骤：S1、水下机械臂动力学建模；S2、水下机械臂控制器设计：S21、传统滑模控制；S22、分块逼近RBF滑模控制；S23、稳定性分析；本发明使用多个RBF神经网络对双关节水下机械臂动力学模型中的不确定参数进行分块逼近可以提高对实际模型的逼近速度，分块逼近RBF神经网络控制器相比于整体逼近RBF神经网络控制器具有更好逼近效果。本发明相比于传统滑模控制和整体逼近RBF滑模控制可以大幅缩短水下机械臂控制系统的响应时间，降低控制系统的最大稳态误差与平均稳态误差，并能够抑制控制系统的抖振效应，实现良好的控制效果。
一种基于分块逼近 rbf 控制水下机械方法

[发明专利]一种电容式电压互感器电容击穿的在线诊断方法及装置-CN202210746353.0在审
发明人：张鼎衢;宋强;杨路;招景明;李经儒;邢立坤;杨亮明;唐捷 -专利权人：广东电网有限责任公司;广东电网有限责任公司计量中心
申请日： 2022-06-28 - 公布日： 2022-09-06 - 主分类号： G01R35/02 文献下载
摘要：本发明公开的一种电容式电压互感器电容击穿的在线诊断方法及装置，通过构建电容式电压互感器的历史电容击穿数据集；从历史电容击穿数据集中提取并基于组间幅值比参量和零序电压方向变化量误差特征参量，构建第一电容击穿数据集；基于Optics算法对第一RBF模型进行优化处理，得到第二RBF模型，并基于第一电容击穿数据集对所述第二RBF模型进行模型训练，以使得到最优RBF模型；将实时获取待测电容式电压互感器的电容击穿数据输入到最优RBF模型中，以使最优RBF
一种电容电压互感器击穿在线诊断方法装置

[发明专利]基于RBF神经网络的多点式流量计的校正方法和装置-CN202211065973.4在审
发明人：白永岗;周科;王志超;鲁晓宇;李明皓;张波;向小凤 -专利权人：西安热工研究院有限公司
申请日： 2022-09-01 - 公布日： 2022-12-13 - 主分类号： G01F25/10 文献下载
摘要：本申请提出了一种基于RBF神经网络的多点式流量计的校正方法和装置，该方法包括：将一次风机频率、送风机频率、引风机频率和机组负荷作为RBF神经网络的输入量，将烟气量校正系数作为RBF神经网络的输出量，获取涵盖火电机组多个工况的输入输出数据集；将输入输出数据集作为训练数据集，对预设的RBF神经网络进行训练，调整RBF神经网络的参数；获取实时的输入量和多点式流量计测量的实时烟气流量，将实时的输入量输入训练完成的RBF神经网络计算实时的烟气量校正系数
基于 rbf 神经网络多点流量计校正方法装置