基于RBF-BP神经网络的健康监测系统

传统反向传播（BP）神经网络和径向基函数（RBF）神经网络广泛应用于各种监测系统中，但由于其学习能力不足，系统的监测精度和准确度有待进一步提高。设计了一种基于RBF-BP神经网络级联的健康监测系统，将RBF隐藏层与BP隐藏层进行级联，并且采用K-均值聚类进行基函数中心计算，求得全职变换公式，建立系统模型。实验结果表明：与单一的RBF和BP神经网络预测方法相比，设计的RBF-BP神经网络健康监测系统反应速度提高了2.2%，抗干扰能力增强了0.05%，监测精度增加了0.2%，能更准确及时地起到预测作用。