电液位置伺服系统具有非线性、时变性、参数不确定性、负载扰动及测量噪声等问题,使得PID控制的电液位置伺服系统精度较低,在负载扰动和参数变化较大时,控制效果较差,ADRC能够有效解决此问题,但是ADRC参数过多,难以整定。针对此问题,采用RBF神经网络在线整定ADRC参数的方法,实现电液位置伺服系统ADRC控制的参数自整定。与传统控制对比,应用RBF-ADRC、ADRC、PID 3种控制算法对电液位置伺服系统的控制效果进行仿真分析。仿真结果表明RBF-ADRC和ADRC控制具有更好的实时性、抗干扰能力和自适应能力,能够有效地解决电液位置伺服系统的高精度控制。

综采工作面推移油缸通过电液换向阀控制推移油缸运动,常出现切换延时、控制精度差、直线度差等问题,介绍了推移油缸工作原理,建立了推移油缸运动方程,设计出推移油缸定位系统。通过RBF神经网络方式对推移油缸活塞杆t1-t3两个阶段进行精准预测,推导得出实际输出值与目标值的误差函数关系。通过Matlab仿真将目标位置导入,仿真位移与目标位置进行对比,曲线拟合程度较高。经过王坪煤业试验验证,按照控制试验原理图进行连接,得出实际位置与目标位置对比图,两者位移存在3~5 mm误差,拟合程度较高,实现了精确定位控制的目的。

为实现带式输送机传动滚筒温度的实时监测，利用径向基（RBF）神经网络模型的学习能力，对红外传感器测量值进行修正，降低硬件电路和井下环境对真实值的影响，实现传动滚筒的无接触测温。实验证明：修正后的系统误差保持在1．5qc以内，满足带式输送机在井下的测温要求，具有很好的鲁棒性和泛化力。

叙述了RBF神经网络的结构和"薄管板"结构强度分析过程以及应用RBF神经网络对"薄管板"结构应力的非线性系统进行了系统辩识,网络输出值与计算值符合较好.说明基于神经网络的系统辩识方法在结构强度分析过程中具有一定的实用性.

介绍了基于嵌入式系统的软仪表的设计和开发框架．提出通用软测量软件包的数据结构，并采用双重径向基函数RBF神经网络作为软测量的核心算法。同时采用两阶段法进行神经网络训练，大大降低了软测量算法的误差。最后以催化裂化为例，介绍了如何应用该系统进行轻柴油凝固点的在线软测量。系统具有通用、开放和实时性特点，能够用于各种场合，具有较高的应用价值和推广前景。

针对潜油柱塞泵无法使用传统地面示功图方法进行故障诊断的问题,提出了一种适用于该抽油机的故障诊断方法.该方法首先利用多变异位自适应遗传算法(MMAGA)对RBF神经网络进行参数寻优,然后从潜油直线电机的运行参数和油井井口的仪表参数等综合数据中,提取出反映油泵运行状态的特征参数,并将其作为故障诊断模型的输入向量,从而实现潜油柱塞泵故障工况的诊断.结果表明:MMAGA-RBF故障诊断方法能够在较少的训练样本下达到较高的综合诊断准确率,在训练样本集达到1 000组以上时,其综合误判率可低于4%,相对于普通遗传算法优化的模型,其泛化能力更强.MMAGA-RBF故障诊断方法符合潜油柱塞泵的工况特点,能够达到其综合诊断准确率的要求.

首先介绍了径向基函数(RBF)神经网络和粒子群算法,然后利用粒子群算法对RBF的隐层函数中心、宽度和连接权值寻优,再建立RBF网络。对液压系统泵源故障和管道故障进行了研究,获得其故障特征,并对其进行归一化处理。利用该样本对RBF神经网络进行训练,并在Matlab中采用RBF神经网络模型对故障进行诊断,得到了满意的结果。结果表明,该算法可以对液压系统进行故障诊断。

为了满足现场软测量的要求,研究了某制氧机公司正在调试的深冷空分设备用增压膨胀机组的膨胀空气流量、膨胀端进口压力、膨胀端进口温度、膨胀端出口温度、增压端出口压力和膨胀机转速的因果关系,建立了RBF神经网络模型,实现了运行特性量间关系的高精度拟合和预测。获得的神经网络模型的精度至少在96.97%以上。利用学习好的RBF神经网络可以迅速方便地实现现场运行特性参量间关系的预测。