基于PNN的斜腿刚构桥安全性评价

在研究现有桥梁状态评估方法的基础上,把模糊理论和神经网络结合起来应用于斜腿刚构桥梁的安全性评估,采用BP算法建立了四输入单输出、模糊规则数为5的五层模糊神经网络模型,通过样本学习对网络训练,获取评估专家的经验知识及直觉思维,将训练好的网络用于斜腿刚构桥的安全评估,最终确定了该桥的安全性等级,为在役桥梁的后期养护管理及安全性评价提供了科学依据。     

滑坡变形的人工神经网络预测模型及应用

根据人工神经网络对信息处理的能力,选用较成熟的反向传播网络模型,在详细的工程地质勘察和理论分析的基础上,利用某滑坡中部变形监测数据,通过多次试验的方法,建立了具有1个输入层、15个隐含层、1个输出层的反向传播网络模型。通过神经网络的学习与训练,建立了滑坡位移和时间之间的人工神经网络非线性关系模型,并应用非线性模型预测了滑坡在未来几个月的变形情况。     

识别阴影中智能车辆导航路径的神经网络方法研究

提出采用消阴影神经网络I和消阴影神经网络II来消除智能车辆导航图像中的阴影并识别出导航路径的方法。所开发的消阴影神经网络I和II均为3层结构，分别是输入层、隐层和输出层，采用自适应线性单元优化了网络的隐层节点数，文中也介绍了神经网络I和II的训练过程。在JLUIV—2型智能车辆上进行了实际路径识别试验，试验结果表明：连续使用消阴影神经网络I和II可快速有效地消除导航图像中的阴影，获得清晰可靠的导航路径。     

复合材料覆盖件及其模具曲面逆向工程造型

利用径向基函数（RBF）神经网络优异的非线性逼近能力，将流线型玻璃钢覆盖件样件外形数据、加工余量、变形数据作为神经网络输入，在神经网络的输出上可以分别得到覆盖件曲面和模具曲面离散数据点。再通过神经网络的输出数据对曲面进行造型。通过在复杂曲面模具造型上的实际应用，证明该方法能够实现产品和工艺装备的并行设计，缩短产品研制周期，提高了设计和生产效率。     

基于BP神经网络的兰州新区现代有轨电车适用性评价

在综合考虑兰州新区现代有轨电车线网规划的基础上,基于BP神经网络建立现代有轨电车适用性研究分析训练模型,利用Matalab软件实现神经网络学习过程,根据训练结果,对兰州新区现代有轨电车适用性进行评价。     

基于改进型BP神经网络的沥青路面大修决策模型研究

针对常规大修决策模型PQI模型的缺陷,利用改进型BP神经网络建立沥青路面大修决策模型。改进型BP神经网络是在神经网络中间层和输出层上加入特殊的偏差单元,以加快BP神经网络的收敛速度、并提高其计算精度。本文根据安徽省高速公路沥青路面的实际情况,建立了有5个输入单元和一个输出单元的神经网络,并利用历年路况检测结果和专家对路况的主观评价结果对网络进行了训练。结果表明神经网络计算结果的精度很高。     

BP神经网络预测煤矸石路堤沉降

针对煤矸石路堤沉降预测问题,基于BP神经网络非线性映射能力和学习能力,提出学习率可变的动量BP神经网络以预测常安高速公路煤矸石路堤沉降。利用实测沉降资料建立路堤沉降模型,该模型克服了动量BP神经网络收敛速度慢、训练时间长的缺点。同时采用postreg函数对网络训练结果进行了检验。结果表明:该模型有较高的预测精度,预测误差较小,可用于煤矸石路堤沉降预测。     

人工神经网络在边坡稳定性预测中的运用

以重度、粘聚力、摩擦角、边坡角、坡高、孔隙压力比作为输入，采用同一地区的17个滑坡样本数据，建立了6个输入层、6个隐含层、1个输出层的反向传播神经网络；通过网络训练和分析，得到了该地区的滑坡预报模型和连接权值。结果表明，采用人工神经网络评价边坡的稳定性是可行而有效的。     

全网络神经模糊控制在城市单路口交通实时控制中的应用

在已有城市单路口交通模糊控制方式和控制策略的基础上，提出了基于全网络化结构的神经模糊控制方法。方法考虑了影响信号灯控制策略的各种因素，根据分级并行控制思路，对车流采用不同的优先级和不同的控制策略进行协调控制，提高了系统的实时性，降低了系统的复杂性。采用6层全网络结构的神经网络进行了控制算法的实现，并利用已有数据对神经网络进行了学习训练，使网络结构和参数具有更为广泛的适用性。     

基于卷积神经网络的汽车操纵稳定性试验类型识别方法

针对汽车操纵稳定性试验评价指标自动化处理需要自动识别试验类型的需求，提出一种基于卷积神经网络的汽车操纵稳定性试验类型自动分类方法。在分析汽车操纵稳定性试验类型数据图像特征的基础上，建立了由1个输入层、3个卷积层、3个批归一化层、2个最大池化（Max-pooling）层、5个线性整流函数（ReLU）层、3个全连接层、2个活化（Dropout）层、1个激活函数（Softmax）层和1个分类输出层组成的汽车操纵稳定性试验类型分类卷积神经网络模型。利用2 250组试验采集的数据对模型进行了训练和验证。经验证，类型分类准确率为99.33%，平均识别时间为0.05 s。结果表明，本文提出的基于卷积神经网络的汽车操纵稳定性试验类型自动识别方法可有效区分不同试验类型，可用于汽车操纵稳定性试验结果的自动处理，显著提升汽车操纵稳定性试验自动化处理水平。     

混凝土桥梁损伤的神经网络评估

在桥梁损伤评估系统模型的基础上,提出了基于神经网络的桥梁损伤评估方法。该法通过神经网络对已有的桥梁损伤评估实例的学习,可使神经网络较好地表达评估结果与评价因素之间的关系,从而代替评估群体进行评估。这不仅可以减少评估的工作量。节约人力物力,还可以较好地利用和积累专家经验知识,降低评估过程中人为因素的影响,保证评估结果的客观性。同时,建立的评估系统具有自学习功能,可以在没有专家或缺少专家的条件下,模拟有经验的评估机理,完成对旧桥损伤的评估。实例计算表明,各网络模型花费很少的时间完成对样本的训练后,便可利用训练好的隐含层权值与阈值对实际桥梁进行评估。     

基于模糊神经网络的大跨度钢管混凝土拱桥安全性评价方法研究

在深入研究现有桥梁安全性评价方法的基础上,把模糊理论与人工神经网络技术结合起来应用于大跨度钢管混凝土拱桥的安全性评价,建立了一种基于三层神经元的多用途量化模糊神经网络评价模型,通过样本学习训练,获取评价专家的经验知识和直觉思维。工程应用结果表明:该方法降低了评价过程中的人为因素影响,保证了评价结果的客观性。     

基于神经网络模型的软基工后变形分析

基于神经网络理论和反向传播算法，建立了软基工后变形预测夯析人工神经网络模型。并借助Matlab语言进行程序设计，实现神经网络计算。结合汕汾高速公路软基工后沉降实测数据，对模型进行学习训练，并利用神经网络模型进行工后变形预测。验证表明，预测值与实测值有较好的一致性，同时也说明作为非线性科学一个分支的神经网络，由于其能以较高的精度去逼近任意非线性函数。在软基变形分析上显示出较强的实用价值和优越性。     

基于机器学习的RC简支梁桥运维期承载力评估方法

首先分析了材料性能对桥梁承载力的影响，并采用有限元方法扩大既有桥梁数据，建立相应的数据库。然后，通过MATLAB建立BP神经网络模型对数据库进行训练完成桥梁承载力权重系数估算，并构建神经网络预测模型实现承载力预测，通过对比验证预测模型的准确性。最后，研究利用BIM二次开发研发桥梁承载力评估与预测系统。结果表明，随着桥梁使用年限的增长，钢筋对桥梁承载力的贡献相较于混凝土而言明显降低，材料退化对抗弯承载力影响最大；桥梁配筋面积对抗弯、抗剪承载力影响最大；当数据库的数据较少且预测精度要求较高时，采用多层隐藏层神经网络预测模型更有效；当数据库的数据庞大且预测精度要求不高时，采用GA-BP神经网络预测模型更有效。     

基于BP神经网络的路面不平度识别

将BP神经网络作为识别路面不平度的工具，确定了用于识别的评价指标。建立了前后轮路面不平度滤波白噪声模型和汽车平顺性4 自由度平面模型，通过仿真获得车辆响应和前后轮路面不平度，作为BP 神经网络的输入和输出。采用3 层BP 神经网络识别路面不平度，先后构造了44 种车辆响应输入方案进行训练和测试，通过评价指标选出最优输入方案。研究结果表明，在车辆行驶的常用路面和车速条件下，识别前后轮路面不平度的最优输入方案由车轮垂直加速度、车轮垂直位移和悬架动挠度组成。     

基于改进BP神经网络的柴油机故障诊断研究

根据柴油发动机故障与征兆之间关系来建立一种采用BP算法前馈型神经网络结构,然而采用标准BP算法对神经网络训练进行训练,但存在收敛速度慢等问题。因此,又采用添加动量项和自适应学习速率两种方法对标准BP算法进行改进,并将改进的BP算法运用于神经网络训练,结果表明改进的BP神经网络能够改善收敛速度慢的缺点,而且预测故障效果较好。     

基于神经网络的混凝土预制桩单桩竖向极限承载力参数分析

应用BP神经网络，对混凝土预制桩单桩竖向极限承载力进行预测，并分析了各种参数对单桩竖向极限承载力的影响。通过影响因素分析，确定了桩径、桩长、入土深度、桩侧摩阻力加权平均值、桩端阻力平均值等参数对单桩竖向极限承载力有影响。对混凝土预制桩单桩静载试验资料进行分析和取样，将包含上述参数的样本与单桩竖向极限承载力形成数据对，采用三层神经网络进行训练，输入层为各参数，输出层为单桩竖向极限承载力，建立了混凝土预制桩单桩竖向极限承载力预测模型。研究表明，所建立的模型能够有效地预测混凝土预制桩单桩竖向极限承载力，通过参数分析，能够得出各参数对单桩竖向极限承载力的影响规律，从而确定比较合理的单桩设计参数。     

零件加工质量检测技术研究

文章研究零件加工质量在线检测的方法和关键技术。在分析在线检测工件尺寸和表面粗糙度检测方法及特点的基础上,建立检测工件尺寸的神经网络和检测表面粗糙度的模糊神经网络,并且建立了零件加工质量在线检测系统。实验表明该方法能够正确地实时检测工件的尺寸变化和工件表面粗糙度。     

谷歌Tensorflow框架在自动驾驶汽车车辆识别功能中的应用

文章研究了基于谷歌深度学习框架Tensorflow的图像识别在智能驾驶汽车领域里应用的可能性。使用卷积神经网络模型,将车辆图片作为训练集输入神经网络,通过多次训练校正神经网络参数,最终可以得到可以识别汽车图片的神经网络模型。通过学习Tensorflow建模,编程的完整流程,为进一步使用Tensorflow构建图像识别应用打下了基础。     

基于BP神经网络的桥梁技术状态评估

用养护规范中17个评价指标作为输入层网络神经元,把桥梁损伤等级参数作为输出层神经元,建立了桥梁评估3层BP神经网络模型.选用湖北省110座旧桥的评估数据作为训练样本,后10个作为测试样本,经过2 068次迭代运算的网络训练,得到了误差满足精度要求的收敛网络.将待评估的桥梁参数输入训练好的网络,得到评估桥梁的技术状态等级...