用于结构损伤位置识别的两种神经网络性能比较

为了克服用BP网络进行结构损伤位置识别时网络结构确定难、网络训练易陷入局部极小、训练时间长以及处理带噪声数据需要大量的误码练样本等问题，提出用SOFM网络进行结构损伤位置识别的方法。分别用SOFM网络和BP网络对一桁架结构进行损伤位置识别，通过比较两种网络的性能发现SOFM网络不但网络结构容易确定，网络训练不存在陷入局部极小的问题，BP网络只有在大量训练样本条件下才能保证网络具有较好的抗噪声能力，若训练样本不足，则BP网络的抗噪声性能较差，而SOFM网络在较少训练样本情况下即可具有良好的抗噪声性能，因而SOFM网络更适合训练样本有限备件下的结构损伤位置识别。     

BP人工神经网络在铁锣坪斜拉桥施工控制中的应用

以沪蓉西国道主干线铁锣坪特大桥为工程背景,引入了BP人工神经网络对未施工梁段的前端标高变化进行预测,将影响梁段标高变化的因素作为输入样本,实测标高变化作为输出样本对BP网络进行训练,利用BP网络具备输入参数与输出参数之间的非线性映射关系的特点对后续梁段在斜拉索第三次张拉完毕后的标高变化进行预测。     

基于人工神经网络模型的车门关闭声声品评价方法研究

基于BP人工神经网络研究了利用汽车关门声客观评价量进行声品质评价的方法.利用所采集声音样本的主、客观评价结果对BP人工神经网络进行训练,对训练好的网络进行主观评价预测;另外,对人工神经网络模型的输入量即关门声客观评价参数进行了研究.结果表明:基于人工神经网络模型的声品质评价方法是有效的;音调度是汽车关门声的一个重要特征量,将音调度一并作为输入参量,不仅可以提高网络的收敛速度,而且可以降低网络预测误差.     

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...     

基于FCM和组合神经网络的车牌汉字字符识别方法

提出了1种组合神经网络结构的车牌汉字识别方法,主要从特征选取和分类器设计2方面研究车牌汉字字符识别,识别系统由2层神经网络组成,应用FCM算法对汉字进行粗聚类,聚类结果作为后续网络的先验知识,产生网络训练目标,采用LVQ网络进行粗分类,通过BP网络进行细分类。该种分层结构缩减了待识别模式的搜索范围,克服了传统单层识别系统识别率不高和组合网络粗分类率低的缺点。实验结果显示,本方法的识别率高,识别效率较好。     

基于反向传播神经网络的驾驶人人际与情绪危险性模型

为评价和研究驾驶人的人际关系质量对安全驾驶的影响,利用情绪状态可测定的特性,采用反向传播(BP)人工神经网络工具,建立人际-情绪危险性网络模型,并利用530个情绪与人际关系的有效样本作为建模样本占总样本量的80.7%,127个样本作为测试样本,反复对模型进行学习和训练,分别取得了建模样本68.3%的正确率,测试样本70.1%的正确率。研究结果表明:利用BP神经网络建立的人际与情绪危险性模型,在系统关系不明确的状态下仍能达到较为理想的评价结果,可以作为驾驶人尤其是职业驾驶人安全管理和自我检测的有效手段。     

RC梁桥承载力BP神经网络预测模型

在分析RC梁桥承载力影响因素的基础上 ,将人工神经网络 (ANN)技术引入RC梁桥承载力评估中 ;选取 8种损伤指标作为BP神经网络的输入值 ,桥梁承载力指数作为输出值 ,建立了RC梁桥承载力预测 3层BP网络模型 ;使用MATLAB程序 ,完成了样本归一化、样本训练、仿真逼近和结果预测 ,使BP神经网络理论在实际应用中实现了计算机化 ;讨论了提高模型预测精度的措施     

基于BP神经网络的柴油机排气门故障诊断

介绍了BP神经网络的结构和算法,设计了一个适用于柴油机排气门故障诊断的3层BP神经网络.将4缸柴油机排气门存在故障的状态和其正常工作状态所对应的特征向量作为BP神经网络的输入样本进行训练,建立故障诊断库,并用此故障诊断库对输入的检验数据进行自适应分类识别,从而实现故障诊断.实验表明,该方法可行、适用.     

并联混合动力汽车发动机动态控制时的转矩估计

探讨了BP网络，并利用BP网络对并联混合动力汽车（PHEV）发动机动态控制时进行转矩估计。以发动机台架性能实验所得数据为基础，使用Matlab中的Neural Network工具，建立不同神经元个数和层数的BP网络对实验数据进行训练，在网络模型的建立过程中，提出了一种新的训练方式，从而得出估计精度和泛化能力都较为理想的模型,并以此模型进行了实际的转矩估计，取得了较满意的效果。     

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。     

新的汽车牌照识别系统及其成像技术

介绍了一种高性能的汽车牌照识别系统及其成像技术。系统采用了新的成像控制和闪光灯补光技术，使其成像特别适合牌照区域分割和字符识别，成像质量完全不受实际应用环境中强烈的光线变化的影响，从而达到较高的全天候识别率和实际应用的要求。给出了系统在全天候条件下的成像效果和牌照识别效果．结果显示系统可在全天候条件下获得高质量的图像。     

民航安全信息中实现关键词提取的方法

对于民航安全信息,关键词有着体现文本概要的功能,在信息提取与调用等方面对民航安全工作者有所帮助.在研究当前关键词提取技术后,结合民航领域词特征,提出了一种以朴素贝叶斯模型为基础的关键词提取模型.模型中所选取的特征项为词语的词长、词性、以及包含词语位置与段落跨度的词频与逆向文档频率乘积(TF-IDF)值,特征项代表了每个候选词的基本属性.利用该模型对已人工标注好关键词的民航安全信息进行训练以获取各个特征项的概率,利用特征项概率计算每个备选词的关键词评分,将评分前3位的词汇输出为关键词.实验表明,针对民航安全信息的关键词提取,所提方法与传统的TF-IDF算法、KEA算法相比,准确率分别提高了18%和11.9%,民航词汇识别率分别提高了15.3%和12.3%.结果证明,与传统算法相比,所提方法能大幅提升关键词提取的准确率与民航词汇识别的能力.      

基于卷积神经网络的路表病害识别与测量

为进一步提高利用二维图像统计路面病害的精度与效率,将卷积神经网络（Convolutional Neural Network,CNN）技术引入了基于图像分析的路面病害识别与测量。首先,将原始图像进行等尺寸分割作为CNN的训练样本。其次,经结构设计、前反馈算法训练及样本测试3个步骤后,建立病害识别模型（CNN1）。用训练完成的CNN1对所有图像进行病害类型识别并将输出结果作为裂缝特征提取模型（CNN2）和坑槽特征提取模型（CNN3）的训练样本。采用相同步骤建立裂缝特征提取和坑槽特征提取模型,完成训练后,运行CNN2,CNN3对路面裂缝与坑槽图像进行特征提取。最后,分析图像分辨率对3个CNN识别和特征提取精度以及效率的影响。结果表明：CNN1可以准确识别多种病害,CNN2的裂缝长度提取的平均误差为4.27%,宽度提取的平均误差为9.37%,裂缝病害严重等级判断准确率为98.99%;CNN3的单张图像中的坑槽个数测量无误差,单个坑槽面积的平均误差为13.43%,坑槽病害等级判定准确率为95.32%,可见CNN具有较高的测量精度;CNN1在使用CPU的情况下测试完成原始图像平均用时为704 ms·幅^-1,CNN2用时为5 376 ms·幅^-1,采用图形处理器加速后CNN1用时为192 ms·幅^-1,CNN2测试平均用时为1 024 ms·幅^-1,可见CNN在图形处理器加速下效率具有显著优势,相比其他方法,在图像分辨率高于70像素时,CNN对路面裂缝与坑槽的识别与测量具有运算高效、结果精准等优势。     

喷浆机器人自适应喷涂路径规划研究

为解决目前喷涂作业过程中环境精确感知难、喷涂效果评价难、喷涂路径规划复杂等问题，针对感知识别与路径规划技术进行研究。由于传统喷浆设备喷涂误差累计及不确定性，造成每环喷涂质量参差不齐及回弹量、剥落量居高不下，采用基于轴线归一法的隧道模型构建和多工序扫描策略，实现隧道环境识别、车体定位和喷涂质量感知，提高喷浆机器人外部环境感知能力； 针对传统喷浆设备对多变复杂异构隧道适应能力差，导致无法灵活调整喷涂轨迹问题，提出多工况感知识别及路径规划策略，研究设计最优喷涂路径规划、减少直喷拱架的连续喷涂路径规划方法，降低喷浆机器人与隧道开挖工法的耦合性。在郭达山隧道、任家沟隧道等项目应用，感知识别断面拱架准确率达93%，定位精度、臂姿解算补偿误差控制在50 mm以内，验收质量合格情况下综合回弹率降低至11.9%。     

车牌定位及车辆特征识别研究

车牌定位及车辆识别是智能交通管理的主要研究问题.车牌定位识别,通过对图像进行预处理并结合形态学能粗略获取候选车牌位置,对符合特征的候选车牌进行筛选,精确获取车牌位置,最后采用神经网络完成字符识别过程.车辆识别采用迁移学习,采用AlexNet卷积神经网络构造出深度特征向量.形态学能够应对灰度底质量差的情形,为字符识别提供保障.车辆识别时对比直接分类图片特征,迁移学习构造的深度特征分类精度为85.13%,提高了38%,验证了迁移学习的有效性,通过KNN算法表明深度特征能够表征图片属性.针对新数据集重新提取特征、训练样本将消耗大量时间,对比迁移学习和AlexNet框架发现分类精度持平,表明了迁移学习的鲁棒性.      

基于支持向量机的车牌字符识别

支持向量机(Support Vector Machines,简称SVM)能够有效地解决小样本学习、非线性及高维模式识别等问题。对此提出了在无特征提取情况下基于SVM的车牌字符识别方法,通过实验选定二次多项式作为核函数,并将基于SVM的车牌字符识别与基于BP神经网络的车牌字符识别进行了实验对比。结果表明,在训练样本较少的情况下,该系统具有较高的识别率和识别速度,并具有很好的分类推广能力。     

嵌入式时控椭圆曲线代理签名方案

在介绍椭圆曲线密码体制和代理签名基本概念的基础上。针对椭圆曲线离散对数问题的求解困难。提出了一个可以限制代理签名者的代理签名期限的代理签名方案。并讨论了这一方案的正确性和安全性。同时还介绍了本方案在嵌入式环境中的实现。     

基于融合特征稀疏编码模型的车辆品牌识别方法

提出了一种基于融合特征稀疏编码模型的车辆品牌识别方法,该方法首先提取车脸图像的方向梯度直方图特征作为融合特征稀疏编码模型的一级特征向量,然后将车脸图像的一级特征向量作为过完备字典中训练样本集的线性组合,并构建非负性约束稀疏编码模型,最后采用重构误差最小原则对车辆品牌进行识别。基于东南大学的车脸数据库进行了试验,结果表明,基于融合特征稀疏编码模型的车辆品牌识别方法优于HOG+SVM、传统稀疏表示和字典学习稀疏表示的车辆品牌识别方法,其平均识别率达到96.16%。理论分析和试验结果表明,基于融合特征稀疏编码模型的车辆品牌识别方法具有较强的鲁棒性和适用性。     

基于支持向量机的钢筋混凝土桥梁损伤识别

为了克服现有方法存在的一些不足,提出基于小波包和支持向量机的混凝土桥梁损伤识别方法。采用小波包对环境振动下的信号进行分解,获得各个频带上的能量,该向量对损伤敏感,可以作为模型识别的输入向量。利用支持向量机强大的分类功能,提出根据频带能量建立支持向量机并进行损伤模式识别的方法。应用该方法对一座三跨连续梁桥进行了损伤识别分析。结果表明经过训练的支持向量机可以较准确地识别出损伤位置和程度。对小波频带能量进行主成分分析后建立的支持向量机会获得更好的识别效果。获得更精确的实际信号特征将进一步提高有限元模型精度和实际应用效果。