矫车万向节星型套精锻集成智能设计系统

研究了轿车万向节星型套集成智能设计系统的开发过程。利用专家系统与神经网络相结合的智能技术建立了GC／GD—ANN—ES集成智能设计系统模型。采用CSG树方法进行星型套锻件几何造型；利用规则与框架相结合的方法建立子知识库，并通过黑板推理与正向推理相结合的推理机制建立了ES子系统；应用模糊神经网络技术进行了回弹量预测。通过实际生产验证了集成智能设计系统的可靠性。     

基于实例推理的门机方案设计系统初探

讨论了基于实例推理的智能化设计技术在门座起重机方案设计中的应用，分析了利用设计实例推理的过程模型，实例库的建立，实例的检索与利用等方法，提出了门机方案设计集成化系统的结构框架。     

桥梁高墩辊模升降液压自动平衡控制系统的设计与应用

针对高架桥梁高墩辊模施工过程中模板同步升降控制及位移精度控制问题,从模板的选型入手,对目前高墩施工中常采用的翻模、爬模、滑模、辊模等工艺进行对比分析;并利用智能控制技术,通过科学的推理与实践经验相结合的方法设计了模架升降液压自动平衡控制系统。该系统能对传统高墩施工存在的施工安全和质量隐患进行有效控制,开创了一种精度更高、安全性更好、效率更高的桥梁高墩施工方法。     

交通量预测的神经网络集成方法

首次将神经网络集成技术引入交通量预测。神经网络集成通过训练多个神经网络并将各网络输出进行合成,可显著提高学习系统的泛化能力。在Boosting和Bagging集成方法的基础上,提出基于分治策略的神经网络集成方法,并且讨论了网络权重分配算法。使用上述三种神经网络集成预测模型,对苏州某交叉口实时交通量进行预测,预测结果比较理想,优于单一神经网络预测方法。实验表明,神经网络集成用于交通量预测是有效可行的。     

智能压路机故障诊断系统的实现

为了实现对压路机的状态监控、故障预防及诊断,建立了神经网络与专家系统相结合的智能压路机故障诊断系统．实现了对智能压路机常见故障的诊断。从系统最终运行结果来看,该智能压路机故障诊断系统基本实现了所需功能     

基于智能轮胎系统的实时路面辨识技术

在复杂和极限工况下,路面附着系数是进行轮胎受力分析和车辆动力学控制的重要状态参数。相对于模型估计的方法,智能轮胎技术能够将轮胎与路面的交互信息反馈给车辆控制系统。本文提出了一种将智能轮胎系统和机器学习相结合的车辆路面附着系数获取方法。首先,考虑行驶工况环境进行传感器选型,开发基于MEMS三轴加速度传感器的智能轮胎硬件采集系统,并采用简化硬件结构的无线传输模式。其次,通过采集不同路面上的实车实验数据进行车辆实验收集机器学习训练的数据集,并分析轮地关系及信号特征。最后,将CNN与LSTM两者的优势相结合实现了对加速度时序信号的特征学习。通过与其它神经网络模型训练结果的比较,验证了所提CNN-LSTM双通道融合神经网络模型的有效性和准确性。本文提出的路面辨识方案实现了实时道路识别的目标,硬件与软件架构和神经网络模型更适合车辆系统搭载,为车辆运动控制提供了实时准确的路面信息。     

线控汽车驾驶员特性辨识算法的研究

线控汽车相对于传统汽车具有较多的控制自由度,控制算法设计可将人的因素考虑在车辆集成控制中,进行人性化设计,变"人适应车"为"车适应人",最终实现车辆的安全、智能驾驶。文中确定了驾驶员特性辨识系统,以转向行为为例,对驾驶员特性进行分类,并采用神经网络方法建立了辨识模型,在驾驶模拟器上对所研究方法进行实验验证。结果表明,所建立的驾驶员特性辨识模型有较高精度,能对驾驶员特性进行预测,方法可行。     

基于案例推理的汽车维修专家系统

依据汽车维修行业领域的专家知识和实践经验，综合运用案例推理、模糊推理和缺省推理等方法，对汽车维修中的多种故障采取原因和症状相结合的维修思路进行推理机制的设置，建立基于案例推理、模糊推理和缺省推理相结合的、能迅速确定汽车维修方案的推理模型，建立了某企业汽车维修系统的原型系统。     

基于BP网络的故障诊断正向推理方法

针对传统的故障诊断正向推理方法的局限性 ,对基于BP模型的神经网络故障诊断正向推理方法进行了研究。建立了用于故障诊断的BP神经网络模型 ,并给出了故障诊断的正向推理过程。利用汽车发动机点火系统的故障实例验证了基于BP模型的神经网络故障诊断正向推理方法的有效性和可行性。     

基于共用信息平台的高速公路系统集成框架研究

为解决高速公路运营管理中的信息孤岛问题,在分析高速公路的建设现状以及智能交通系统研究成果的基础上,利用共用信息平台技术,对交通信息系统进行集成,建立了系统集成的框架;通过强化操控平台的数据及控制的综合共享,开发了吉林省高速公路路网指挥调度系统数字平台。研究结果实现了高速公路分散系统的良好整合。     

基于模糊神经网络的发电机调节器故障诊断研究

电子调节器起着调节发电量和保护汽车用电器的作用。本文分析了汽车电子调节器的技术原理,并针对车用爪极发电机调节器电路参数的特点,提出了用智能诊断方法——模糊神经网络对其进行诊断,组建了一个基于CAN总线的发电机电子调节器模糊神经网络故障诊断系统,实验证明了该方法的有效性。     

基于小波神经网络的电源车故障诊断研究

简要介绍了小波神经网络理论,在分析某武器系统电源车模型的基础上,运用小波神经网络理论,构建小波神经网络,再进行网络训练与测试。算例结果表明,本方法可提高故障诊断的效率和准确性,对电源车的故障诊断具有重要意义。     

ITS框架下地铁综合监控系统的研究

将智能交通系统(ITS)理念与地铁监测和控制系统结合,充分挖掘既有地铁监控系统的潜能,建立更加高效的智能化综合监控系统已成为必然.综合监控系统有多种实现模式(综合自动化系统(IAS)、主控监控系统(MCS)等),可实现资源共享、管理共享、节约投资,提高地铁综合管理和综合防灾能力,更好地保障地铁运营安全.文中对IAS、MCS 2种实施方案的进行了比较.     

基于粗集和神经网络耦合的短时交通流预测

比较分析神经网络和粗糙集在数据处理过程中的各自优缺点,提出一种基于二者强耦合集成方式的短时交通流预测模型。首先利用粗集对获取的交通流数据进行预处理,简化神经网络训练样本数据集并通过粗集属性约简提取决策规则;其次,利用所提取的规则直接确定神经网络的隐层数、隐层节点数及节点的相互关系;最后训练神经网络用于短时交通流预测。通过与单纯利用神经网络预测的结果进行比较,发现该模型降低了网络训练时间,提高了预测精度。     

基本点火提前角的BP神经网络生成方法仿真和评价

对应用BP神经网络求取汽车ESA基本点火提前角的方法进行了仿真和评价。在分析考虑基本点火提前角影响因素的基础上,建立起基本点火提前角的BP神经网络模型,并将仿真得到的结果与插值法进行比较。从比较的结果可知,BP神经网络的控制效果要优于传统的线性插值法。     

基于BP网络的道路水泥再生混凝土性能的评价

为了评价道路水泥再生混凝土的性能,在分析BP神经网络原理的基础上提出了用BP神经网络模拟道路水泥再生混凝土性能与各影响因素间关系的方法。根据道路水泥再生混凝土的实际工况,建立了3个输入节点、4个输出节点的BP神经网络模型,通过9组试验,验证了模型的可靠性。结果表明,实测结果与预测结果相接近,BP神经网络模型可以较准确的评价道路水泥再生混凝土的性能。     

灭火智能车辆PID控制方法研究

为满足灭火智能车辆在火灾现场所需的精确运动要求和技术性能,充分利用BP神经网络能够逼近任意非线性系统的优点,将BP神经网络和PID控制相结合,把训练后的网络输出作为PID控制器输入,并不断调整其P、I、D参数,进而调整控制器的输出电压以控制灭火智能车辆的速度。     

基于RBF网络的混凝土抗压强度的预测

为了预测混凝土的抗压强度,在分析RBF神经网络原理的基础上提出了用RBF神经网络模拟抗压强度与各影响因素间关系的方法。根据搅拌机的实际工作状况,建立了4个输入节点、1个输出节点的RBF神经网络模型,通过19组试验,验证了模型的可靠性。结果表明,实测结果与预测结果相接近,RBF神经网络模型是一种较准确的快速预测混凝土抗压强度的方法。     

电流变阻尼半主动控制悬架系统的设计

汽车悬架减振器对于保证车辆的乘坐舒适性和安全稳定性都具有重要作用,但目前普遍应用的被动式减振器因其力学性能不能调节,存在只能在两种性能之间折衷的先天不足,而智能半主动悬架系统方案基于“大系统多级递阶——子系统神经网络自适应”控制算法。并利用MATLAB＋Simulink对新型智能半主动悬架系统进行了仿真试验．试验结果表明系统在实现了提高车辆乘坐舒适性能的同时兼顾了安全稳定性的目的。同时由于采用电流变液减振器,使系统本身具有实时采集、响应迅速、智能化、减振降噪效果好等特点。