基于AP聚类RBF神经网络的改进算法及试验

• 作者: 冯志敏 刘小锋 张刚 李宏伟 陈跃华
• 来源期刊: 传感技术学报
• 学科: 交通运输
• 关键词: AP聚类 RBF神经网络 动态称重 偏向参数 连接权值 实时性
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 传感器信号处理
• 页码范围: 408-414
• 页数: 7页
• 分类号: TP274|U445
• 字数: 5559字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2018.03.015

摘要

针对AP聚类RBF神经网络在车辆动态称重应用中精度偏低问题,提出按一定步长,迭代增加偏向参数,以RBF神经网络测试误差为评价指标最终确定偏向参数的改进算法,使RBF神经网络获得合适的隐含层节点数;提出对测试样本进行归类插值分析,利用与测试样本至类代表点间距离最接近的两个训练样本实际连接权值,使RBF神经网络连接权值随测试样本改变的自适应功能.在车速10 km/h~50 km/h,温度16 ℃~29 ℃条件下,对5种不同载重车辆进行工程实测试验,构建车辆动态称重RBF神经网络模型,进行500次循环测试.试验表明,基于AP聚类RBF神经网络的改进算法使称重误差均值控制在0.06%以内,最大实时性均值为0.0223,能有效满足实际工程应用要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯志敏	宁波大学海运学院	74	486	11.0	18.0
2	李宏伟		12	46	3.0	6.0
3	陈跃华	宁波大学海运学院	12	9	2.0	3.0
4	张刚	宁波大学海运学院	26	79	5.0	7.0
5	刘小锋	宁波大学海运学院	5	7	2.0	2.0