基于RBF神经网络的丝杠热误差模型研究

２００７年第２６卷第２期　传感器与微系统（Ｔｒａｎｓｄｕｃｅｒ　ａｎｄ　ＭｉｃｒｏｓＹｓｔｅｍ　Ｔｅｃｈｎｏｌ０ｇｉｅ８）　４３　

基于ＲＢＦ神经网络的车辆牵引性能测试数据融合技术　

苏　英　，陈　平　

（１．山东理工大学计算机科学与技术学院。山东淄博２５５０４９：　

２．滨州学院计算机科学技术系．山东滨州２５６６００）　

搞要：针对目前车辆牵引性能测试中，牵引力传感器由于环境温度变化出现测量误差，影响了测试精度　

的问题，采用基于神经网络的数据融合技术对其进行补偿，不但避免了硬件补偿的复杂性，且提高了测试　精度，取得较好的效果。实验证明：采用基于径向基函数（ＲＢＦ）神经网络的数据融合技术补偿牵引力传感　

器中由于温度漂移而引起的误差较传统的补偿方式，具有较大的优势，有一定的实用性和推广价值。　

关键词：数据融合技术；径向基函数神经网络；误差补偿；车辆牵引性能测试　

中国分类号：ＴＰ２７４　文献标识码：Ａ　文章编号：１０００－－９７８７（２００７）０２一Ｏｏ４３一ｏ２　

Ｄａｔａ　ｆｕｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｉｎ　ｖｅｈｉｃｌｅ　ｔｒａｃｔｉｏｎ　ｐｅｒｆｏｒｍａｎｃｅ　

ｔｅｓｔ　ｂａｓｅｄ　ｏｎ　ＲＢＦ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　、　

ＳＵ　Ｙｉｎｇ　，ＣＨＥＮ　Ｐｉｎｇ　

（１．Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ。Ｓｈａｎｄｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｚｉｂｏ　２５５０４９，Ｃｈｉｎａ；　２．Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ。Ｂｉｎｚｈｏｕ　Ｕｎｉｖｅｒｓｉｔｙ，Ｂｉｎｚｈｏｕ　２５６６００，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｉｎ　ｖｅｈｉｃｌｅ　ｔｒａｃｔｉｏｎ　ｐｅｒｆｏｒｍａｎｃｅ　ｔｅｓｔ，ｔｈｅ　ｔｒａｃｔｉｏｎ　ｓｅｎｓｏｒ’Ｓ　ｔｅｓｔ　ｈａｓ　ｇｒｅａｔ　ｅｒｒｏｒ　ｂｅｃａｕｓｅ　ｏｆ　ｔｈｅ　ｃｈａｎｇｅ　ｏｆ　ｔｈｅ　ｃｏｎｄｉｔｉｏｎ　ｔｅｍｐｅｒａｔｕｒｅ，ＳＯ　ｔｈｅ　ｄａｔａ　ｆｕｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｂａｓｅｄ　ｏｎ　ＲＢＦ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｉｓ　ａｄｏｐｔｄ　ｔｏ　ｃｏｍｐｅｎｓａｔｅ　ｔｈｅ　

光纤陀螺温度效应误差及其补偿技术研究

光纤陀螺温度效应误差及其补偿技术研究

摘要：温度效应误差是目前制约光纤陀螺高精度应

用的瓶颈之一。文中分析了光纤陀螺温度效应的成因及影响机理，介绍了温度效应误差补偿技术的研究现状，重点阐述了一种基于误差建模的软件补偿方法。该方法建立了以温度、温度变化率和温度梯度为变量的误差模型，使用温循实验数据进行模型参数拟合，通过DSP技术在系统中实现了对温度效应误差的补偿。仿真试验结果表明，使用该方法可以将某型光纤陀螺的温度效应误差降低约一个数量级。

关键词：光纤陀螺；温度效应误差；误差建模

经过几十年发展，光纤陀螺加工工艺逐渐成熟，潜在优势日益显现，已经成为新一代惯性导航系统中的理想器件[1]。目前，光纤陀螺面临着高精度的发展要求。而温度效应在很大程度上增大了光纤陀螺的输出漂移，是制约其高精度工程应用的瓶颈。

文章通过对光纤陀螺温度效应误差成因与机理的分析，结合国内外温度误差补偿技术的研究现状，提出了一种基于误差建模的软件补偿方法。仿真试验表明，该方法能有效抑制温度效应对光纤陀螺精度的影响。

1 光纤陀螺温度效应误差分析

温度效应是光纤陀螺的重要误差源之一，主要是指温度条件变化导致光纤陀螺输出漂移的现象。

引发温度效应的热量来源主要有两个：一是工作时陀螺各个元器件的自身产热；二是外界温度环境的影响[2]。光纤陀螺内部（核心器件是光纤环）的温度是这两个热源综合作用的结果。开机后的一段时间内，光纤陀螺自身产热导致的升温效应较为显著，器件内部的温度持续上升，直至产生的热量与散失的热量基本相当，形成动态平衡。之后，外部温度环境的影响占主导作用。在实际的工作环境中，陀螺外部的温度环境始终在变化，陀螺内部很难形成稳定不变的温度场，温度效应误差始终存在。 光纤陀螺内部受温度影响的元器件较多，温度效应可以看成多种相关因素共同作用的结果[3]。光纤陀螺系统由光路与电路两部分组成：光路部分包括光纤环、光源、Y波导、耦合器和光电探测器；电路部分包括光源驱动电路和信号处理电路[4]。其中，光路部分的光学器件（尤其是光纤环），对于环境温度的变化更为敏感。这些器件敏感温度变化的机理不尽相同，这导致温度效应误差的成因较为复杂。如果逐一进行试验分析，工作量较大，且无法排除系统内的误差耦合。

ＲＢＦ神经网络预测水泥水化热研究　杨　丹　（武警石家庄指挥学院　Ｉｌ练部信息技术教研室，河北石家庄０５００６１）　摘要：利用ＲＢＦ神经网络对水泥水化热进行预测，根据水泥水化热的影响因素，建立了１２个输入节点、１　个输出节点的ＲＢＦ神经网络模型。通过２７组试验数据，验证了模型的可靠性，并与ＢＰ神经网络进行了比　较。结果表明，ＲＢＦ神经网络预测效果明显优于ＢＰ神经网络，前者不仅预测速度快，而且预测精度高，相对　误差小于４　，在水泥水化热预测中具有广阔的应用前景。　关键词：水化热；直接法；ＲＢＦ神经网络；预测模型　中图分类号：ＴＰ１８３；ＴＱ１７２．１２文献标识码：Ａ文章编号：１６７２—３９５３（２０１１）０３—００３１—０４　在进行大体积混凝土温度控制计算时，必须要　知道混凝土的绝热温升值［１］，而混凝土绝热温升设　备一般每次只能测试一个试件，如果用于筛选混凝　土配合比，就会使试验周期变的非常漫长。例如，某　工程要对拟定的１２种混凝土配合比进行筛选，若每　个配比的绝热温升试验做２８　ｄ，则全部试验完成至　少要一年的时间。所以，研究人员一般通过测试水　泥的水化热、骨料的比热等原材料性能来估算混凝　土的最终绝热温升。目前，水泥水化热的测试方法　主要分为两种口］：一种是溶解热法，按照一定的水胶　比将水泥净浆拌制以后，密封养护至规定龄期，用酸　溶解的办法测定水泥水化热；另一种是直接法，将砂　浆拌好后，放人绝热容器中，通过温度计测量水泥放　热量。溶解热法水化热测定的缺点是需要等待到一　定龄期（对于大坝混凝土一般要测１８０　ｄ水化热），　并且溶解热法水化热测定仪一般每次也只能做１～　２个试样；直接法的优点是单次测量试样数量多，适　合批量对比，缺点是需要每隔１　ｈ读一次数，试验不　能持续很长时间，一般只测试到７　ｄ。而采用１～７　ｄ　水化热数据预测２８　ｄ水化热时，仅用水化热测值绘　制曲线，采用双曲函数或者多参数指数函数进行拟　合，不考虑水泥细度和矿物组成对曲线特征的影响，　势必影响预测结果的准确性。　人工神经网络可以很好的解决这种非线性映射　问题。人工神经网络是一个将知识储存在网络权系　数中的大规模的分布式处理器，具有储存并利用经　收稿日期：２０１１－０２—２８　作者简介：杨丹（１９７７一），男，助教，２００１年毕业于河北理工　学院计算机技术及应用专业，工学学士。主要从事计算机教学与科　研工作　验知识的能力及很强的非线性建模能力，在处理与　解决问题时无需人们预先给定公式的形式，而是以　试验数据为基础，经过有限次的迭代计算，就可获得　一个反映试验数据内在规律的数学模型。在常用的　神经网络中，ＲＢＦ神经网络是一种特殊的三层网　络，其参数由于ＲＢＦ中心的固定而得以线性化，隐　层充当了无调节参数固定的非线性转化环节，它将　输入空间映射到一个新空间，唯一的调节参数是线　性叠加权值，这些参数可以采用线性最小方差（ＬＳ）　得到　，因此，该神经网络在逼近能力、训练速度等　方面均优于ＢＰ网络。基于以上原因，选择ＲＢＦ神　经网络对水泥水化热进行预测（并与ＢＰ网络进行　比较），建立基于ＲＢＦ神经网络的２８　ｄ水化热预测　模型，以期简化今后水化热测试的工作量，提高试验　效率，这对实际的研究工作具有一定的指导意义和　应用价值。　１　试验部分　１．１　原材料　全国各地选取了２７种水泥，水泥的勃氏比表面　积和化学成分见表１。　１．２　水化热试验　．　按照水泥水化热测试方法（ＧＢ／Ｔ　１２９５９—　２００８）中的直接法进行水泥水化热试验［２］。测试龄　期为２８　ｄ，表２给出了３　ｄ、７　ｄ、２８　ｄ水泥水化热的　测试值　Ｊ。　２　ＲＢＦ网络预测模型的建立　通过对水泥２８　ｄ强度值相关影响因素　的分　析，最后确定与其值关系密切且容易测得的ｌ２个参　国防交通工程与技术Ｉ目＿２０１

Ｉ■　，墩术　ｒ　通信技术　

基于ＲＢＦ—ＦＮＮ　

任金霞郭浩洋　（江西理工大学电气学院江西赣州３４１０００）　

摘要：模糊控制和人工神经网络作为当前的研究热点，而两种技术的有机结合，使得智能模拟有了发展和进步。本文将这两种技术应用在通信网　络中，在ＡＱＭ算法中设计了一种模糊神经网络控制器，期以解决网络中普遍存在的拥塞难题，具有创新意义。　关键词：模糊控制ＲＢＦ神经网络ＡＱＭ算法网络拥塞　中图分类号：ＴＰ３７３　文献标识码：Ａ　文章编号：１　００７—９４　１　６（２０　１　３）０９－００４７－０２　

１引言　

模糊逻辑和人工神经网络各有优点：人工神经网络（ＡＮＮ）通过　

模拟生物神经网络，在模拟推理及自学习等方面谋求前进，使人工　

智能和人脑的自组织和并行处理等功能更接近；模糊信息处理以模　

糊逻辑为基础，抓住人类思维中的模糊性这一特点，模仿人的模糊　综合判断推理来解决常规方法难以完成的模糊信息处理的难题。目　

前，模糊和神经网络技术在知识和信息处理领域已达到了一定的研　

究阶段。模糊神经网络因为运用模糊数学中的计算方法，这使得一　

些处理单元的计算变得简便，信息处理的速度加快；由于采用了模　

糊化的运行机制，系统的容错能力也得到了加强。但最主要的是，模　

糊神经网络使信息处理的范围得到扩展，系统可同时处理确定性信　

息和非确定性信息。　

２　ＴＣＰ／ＡＱＭ简化模型　

ＩＰ网络拥塞控制是人们一直着力解决但未能很好解决的问题，　

相继产生了不少有影响力的算法，如ＲＥＤ，ＡＲＥＤ，ＳＲＥＤ，ＢＬＵＥ　

等，但较具影响力的是Ｍｉｓｒａ　Ｖ等人于２０００年基于流体流理论提出　

的网络模型［Ｉ】。该模型较为恰当地描述了ＴＣＰ传输流的行为【２】，为研　

究人员广为采用。　

Ｍ　ａ　Ｖ等人将Ｉｎｔｅｍｅｔ中的数据流看作一个连续状态的流体，并　

据此假设建立了ＴｃＰ／ＡＱＭ系统的一个流体流非线性动态模型　：　

图１　ＲＢＦ—ＦＮＮ　ＡＱＭ系统结构　Ｉ＝　一　Ｗ－而Ｒｔ）ＰＯｔ　２　Ｒ（ｔ　ｌ　Ｒ（ｆ）　一　（ｆ））、　…