開關磁阻電機(SwitchedReluctanceMotor，SRM)具有結構簡單、工作可靠、效率高和成本較低等優點，在很多領域都顯示出強大的競爭力，但是位置傳感器的存在不僅削弱了SRM結構簡單的優勢，而且降低了系統高速運行的可靠性，增加了成本，探索實用的無位置傳感器檢測轉子位置的方案成為開關磁阻電機驅動系統(SwitchedReluctanceMotorDrive，SRD)研究的熱點。SRM高度非線性的電磁特性決定了在精確的數學模型基礎上實現無位置傳感器控制十分困難，而人工神經網絡的出現為解決這個問題提供了新的思路。徑向基函數(RadialBasisFunction，rbf)神經網絡是一種映射能力極強的前向型神經網絡，具有收斂速度快、全局逼近能力強等優點。本文提出一種利用自適應rbf神經網絡對SRM進行控制的新方法，所采用的rbf神經網絡以電機繞組的相電流、磁鏈作為輸入，轉子位置作為輸出，通過離線和在線相結合的方法對網絡進行訓練，建立SRM電流、磁鏈與轉子位置之間的非線性映射，從而實現SRM的無位置傳感器控制。 常規的PID控制以其結構簡單、可靠性高、易于工程實現等優點至今仍被廣泛采用。在系統模型參數變化不大的情況下，PID控制效果良好，但當被控對象具有高度非線性和不確定性時，僅靠PID調節效果不好。對于SRM，它的電磁關系高度非線性，固定參數的PID調節器無法得到很理想的控制性能指標。論文提出了一種基于rbf神經網絡在線辨識的SRM單神經元PID自適應控制新方法。該方法針對開關磁阻電機的非線性，利用具有自學習和自適應能力的單神經元來構成開關磁阻電機的單神經元自適應控制器，不但結構簡單，而且能適應環境變化，具有較強的魯棒性。同時構造了一個rbf網絡對系統進行在線辨識，建立其在線參考模型，由單神經元控制器完成控制器參數的自學習，從而實現控制器參數的在線調整，能取得更好的控制效果。 仿真及實驗結果表明，自適應rbf神經網絡能夠實現電機的準確換相，從而實現了電機的無位置傳感器控制；基于rbf神經網絡在線辨識的單神經元自適應控制能夠達到在線辨識在線控制的目的，控制精度高，動態特性好，具有較好的自適應性和魯棒性。
上傳時間： 2013-04-24
上傳用戶：skfreeman
為了提高電力系統負荷預測的精度與速度的需求，提出使用交替梯度算法改進徑向基函數（rbf） 神經網絡， 對天津市電網進行負荷預測。改進的算法與傳統梯度下降算法相比，具有更快的收斂速度和更高的預測精度。 仿真結果表明該算法具有可行性。
上傳時間： 2013-10-31
上傳用戶：waixingren
為使設計人員在大型客機設計階段便可對其制造成本有較為準確的把握，針對大型客機制造成本，采用rbf神經網絡理論建立了一種分析模型，并給出建模流程。利用Matlab神經網絡工具箱進行模擬仿真，對所建立大型客機制造成本分析的神經網絡模型進行了驗證，最后進行誤差分析。仿真結果表明，所建rbf神經網絡對大型客機成本的估算是有效的，且該方法精度較高，實用性較強。
上傳時間： 2013-11-19
上傳用戶：wpwpwlxwlx
提出了一個自適應量子粒子群優化算法，用于訓練rbf網絡的基函數中心和寬度，并結合最小二乘法計算網絡權值，對rbf網絡的泛化能力進行改進并用于特征選擇。實驗結果表明，采用自適應量子粒子群優化算法獲得的rbf網絡模型不但具有很強的泛化能力，而且具有良好的穩定性，能夠選擇出較優秀的特征子集。
上傳時間： 2013-11-16
上傳用戶：erkuizhang
一個關于rbf的神經網絡算法，對學習rbf網絡的同志有很大幫助和引導。
上傳時間： 2014-05-25
上傳用戶：
1、該工具包用于安裝Lm和rbf兩個神經網絡工具包 2、直接運行LmNet.exe或_install.bat即可； 3、完成成功后，請將 bin\win32 目前加至系統的 path中。 具體為：我的電腦-->屬性-->環境變量-->將“bin\win32”加至path路徑中。
上傳時間： 2014-01-24
上傳用戶：asdfasdfd
是MATLAB的rbf神經網絡建模程序，比較有參考價值阿，需要的就下吧
上傳時間： 2013-12-26
上傳用戶：一諾88
BP,rbf算法，用VC實現，一個很好的畢業設計
上傳時間： 2015-04-09
上傳用戶：qazxsw
rbf網絡訓練程序C++源代碼，可以完成網絡訓練和網絡測試功能。
上傳時間： 2015-04-12
上傳用戶：ynwbosss
This a project using rbf Neural network. developed using matlab 7. just load in matlab and can run it.
標簽： matlab using developed project
上傳時間： 2013-12-09
上傳用戶：yuzsu
