汽车半主动悬架神经网络控制分析

鉴于BP神经网络的汽车半主动悬架控制技术拥有众多优点,故建立汽车悬架非线性模型,分析研究汽车半主动悬架BP神经网络控制系统的基本理论和组成,并建立半主动悬架BP神经网络控制系统,具有非常重要的现实意义。     

配置电涡流缓速器的客车传动系动力学模型及其仿真

在分析配备电涡流缓速器的客车传动系结构和各组成部分动态性能的基础上,构建了传动系的动力学模型,基于模型应用Matlab/Simulink软件对系统进行动态特性仿真,讨论了电涡流缓速器制动对汽车制动性能的影响.     

神经网络用于汽车制动跑偏特性仿真的研究

制动性是汽车的主要性能之一，为了探讨神经网络在汽车制动特性研究中的应用，利用神经网络ＢＰ算法对汽车制动跑偏特性进行了仿真研究，结果表明，神经网络对汽车制动特性的研究有实用价值。     

利用汽车制动性能分析下行高速公路平纵设计指标

从汽车制动性出发,通过对汽车下坡制动功能转换的分析,提出从汽车制动功能角度来考虑下坡纵断面设计极限值的计算模型和试验方法,通过对汽车在下坡转弯处制动的力学分析,提出从计算制动侧滑值的角度来计算下坡平曲线处的极限值,可供同行参考。     

融雪剂路面上汽车制动距离计算模型

分析了汽车制动过程前、后轮受力状况,建立了汽车制动距离与路面附着系数的数学模型。在冰雪路面和使用融雪剂路面上进行了制动试验,应用MATLAB软件仿真计算了汽车在不同制动初速度下的制动距离。试验结果表明:在冰雪路面上,当汽车制动初速度分别为10.8、24.4、31.4km.h-1时,制动距离分别为2.959、18.378、26.264m;在使用融雪剂路面上,当汽车制动初速度分别为11.0、22.9、31.0km.h-1时,制动距离分别为2.430、13.766、18.860m。使用融雪剂后,附着系数明显提高,测试制动距离减小了25%～28%,仿真计算制动距离减小了约30%,两者接近,因此,计算模型可靠。     

基于动量BP算法的过渡段路基沉降预测

利用动量BP算法改进了BP神经网络的收敛性,建立了过渡段路基沉降预测模型．该模型可克服传统BP神经网络收敛速度慢、易陷入局部最优等的缺点．结合津秦客运专线路桥过渡段路基沉降实测数据,将该优化模型与传统BP神经网络预测模型进行了对比．计算表明,利用动量BP算法改进的神经网络具有较高的预测精度,同时考虑了多个影响因素,因而具有广阔的应用前景．     

基于BP神经网络的分销商绩效指标评价及应用

针对当前评价分销商绩效的方法所存在的不足,提出一种基于BP神经网络的分销商绩效评价方法.首先建立分销商绩效评价指标体系,然后根据指标体系,设计BP神经网络模型,并给出了可行的评价程序.在计算方法上,用神经网络工具箱进行计算.通过学习样本的训练和测试,使模型的误差达到预定的范围内.最后,利用该模型对江苏某动力机械厂的分销商绩效指标进行了评价,同时探讨了BP神经网络在分销商绩效指标评价中的特点和适用性.     

基于 BP 神经网络的武器装备经济性评价研究

武器装备论证方案经济性评价的准确性直接影响到研制方案的选择和经费投入的多寡。通过分析装备经济性的主要影响因素,建立了装备经济性综合评价指标体系,利用BP神经网络的非线性处理能力,构建了基于BP神经网络的装备经济性综合评价模型。计算实例表明,运用BP神经网络进行装备经济性评价具有高效、准确和客观等特点。     

基于Amesim的整车制动系统建模与仿真

设计整车制动系统的结构方案,阐述其结构和工作原理。基于Amesim建立整车制动系统模型,通过该模型仿真汽车在制动踏板位移分别为30,40,50 mm时,分别进行轻微制动、常规制动与紧急制动等3种制动工况的制动过程,结果表明:仿真结果与理论计算一致,该制动系统模型可以准确的模拟汽车的制动过程,给汽车制动系统的研发提供理论依据,可缩短制动系统的研发周期。     

BP神经网络在防城港货物吞吐量预测中的应用

使用基于时间序列的BP神经网络模型对防城港货物吞吐量进行预测,详细介绍了BP神经网络建模原理和预测实施方法,对预测结果进行了分析。提出了使用基于时间序列的BP神经网络模型时的注意事项。     

基于神经网络的汽车发动机故障诊断研究

将BP神经网络应用于汽车发动机故障诊断.利用实际测试的怠速不稳故障样本训练网络并进行测试.结果证明,BP神经网络应用于汽车发动机故障诊断,效果良好,具有较高的诊断效率和准确度.     

基于LabVIEW的BP算法及其在发动机故障诊断中的应用

介绍了虚拟仪器技术,应用LabVIEW软件编制了基于BP算法的训练网络和诊断网络,使之能更有效地、直观地了解BP神经网络的工作状态,从而为汽车信号系统的分析和发动机故障系统诊断提供了有效的方法。     

基于波动负载发生装置的液压管路特性分析

为研究汽车制动管路的液压传递特性,以流体力学理论为基础,建立了汽车制动系统液压管路的数学模型。在建模的过程中引入沿程压力损失和局部压力损失对管路压力的影响。建立了带有波动负载发生装置的制动系统AMESim仿真模型,通过改变电机转速的方式分析了制动液流速对管路特性的影响。利用波动负载发生装置试验台进行了台架试验,并在BOSCH-SDL26型汽车性能检测线上进行了波动负载发生装置的实车试验。试验结果验证了制动管路模型能够有效的体现制动管路的压力传递特性。     

基于神经网络的柴油机故障诊断

基于虚拟仪器技术，开发了柴油发动机信号处理系统，该系统数据采集由传感器与PCI-6023E数据采集卡完成，系统软件采用LABVIEw6．0，根据柴油发动机的典型故障，对系统参数赋值，利用BP神经网络对采集的数据进行处理，进而判断发动机的故障，试验表明该系统是可行的。     

多控制模型嵌入的智能汽车防撞虚拟仿真

针对智能汽车行驶安全距离监测与防撞试验高成本、高危险性以及试验结果难以观察的问题,研究了智能汽车安全距离监测与防撞的虚拟仿真;应用Visual Studio 2015、3Dmax、Unity3D等虚拟仿真技术在虚拟制动控制系统中进行了可嵌入多控制模型的自动驾驶汽车行车安全距离监测和防撞虚拟仿真试验,测试了不同制动模型的...     

基于BP神经网络的模型参考自适应控制

基于BP神经网络的误差反向传播机制,探讨了建立在BP神经网络基础上的模型参考自适应控制方法。该方法用2个BP神经网络分别作辨识器和控制器,其中辨识器兼作间接传递误差的通道,从而解决了控制器权值的修正问题。仿真结果表明, 经过学习控制结构具有较好的有效性。     

基于混合自回归模型和神经网络的时间序列预测

在求出混合自回归时间序列模型的成分个数的基础上, 应用BP神经网络对时间序列进行了预测, 并对模型进行了数值模拟表明该预测模型的具有较高的精确度和广泛的应用前景.     

基于BP神经网络的运量预测模型优化研究

在传统多种单项预测模型与组合预测方法的基础上,利用BP神经网络技术的非线性映射能力,在多个预测模型与实际数列之间建立一种非线性关系,对运量预测结果进行优化,以达到提高预测精度的目的.通过实例分析,表明这种经过BP神经网络优化后的预测模型,可一定程度上克服传统单个预测模型的部分局限性,提高预测精度,用于运量预测是可行的.     

电控发动机故障诊断属性约简算法应用研究

利用粗糙集理论中的区分矩阵属性约简算法对电控发动机的几种典型故障参数进行属性约简,为验证约简结果是否有利于下一步的故障诊断,采用较成熟的BP神经网络对其进行诊断验证,将约简结果作为网络的输入,待诊断故障作为网络的输出。通过学习训练结果表明:利用区分矩阵方法所获得的核约简不能作为故障诊断的特征参量,其导致网络不收敛,而其它3组约简可以用于区分现有故障。为获得最优的属性约简结果,利用二进制粒矩阵的方法进行了最优属性约简的证明。