作者：刘小锋; 冯志敏; 陈跃华; 张刚; 李宏伟ap聚类rbf神经网络动态称重偏向参数连接权值实时性
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0.022 3,能有效满足实际工程应用要求。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
