实时动态交通流预测模型研究

根据交流通的特性，本文以神经网络技术为基础，应用遗传算法对网络结构进行优化，应用高阶广义神经网络实时在线预测，并用实际交通流量数据进行验证。     

公路隧道交通流预测模型研究

在公路隧道前馈式通风控制系统中，需要对下一控制周期内的交通流进行在线预测。针对公路隧道交通流的特点，分别建立了神经网络预测模型和模糊逻辑预测模型，并采用仿真手段对它们的预测效果进行测试。测试结果表明，神经网络预测模型对正常交通流的预测精度较高，而模糊逻辑预测模型则对异常交通流的预测精度较高。     

BP神经网络在自行火炮电启动系统故障诊断中的应用

自行火炮电启动系统的故障征兆与故障原因之间具有很强的非线性映射关系,通常对其进行在线故障诊断是比较困难的。利用BP神经网络的非线性映射的特性,由神经网络来学习及存储自行火炮电启动系统的故障征兆信号和故障原因之间的映射关系,并将其用于在线诊断,从而达到对自行火炮电启动系统的故障进行在线自动故障诊断的目的,极大地提高了故障的诊断效率。     

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。     

基于BP神经网络的电动助力转向器在线故障诊断研究

应用人工神经网络和推理法则,提出了一套针对电动助力转向器(EPS)、转矩转角传感器(TPS)和电子控制单元(ECU)的在线故障诊断策略。以传感器采样值作为神经网络的输入,TPS及ECU故障代码作为输出,对EPS关键部件进行在线故障诊断。通过EPS试验台,获取相应的数据样本,利用Matlab神经网络工具箱,对该策略进行了仿真分析,结果验证了故障诊断策略的有效性。     

基于神经网络的电动转向系统助力特性研究

基于综合目标函数的误差反向传播学习算法，设计了用于该离散化转向助力特性的BP神经网络结构，进行了离线训练，并在电动转向综合试验台上实现了在线控制。实现了全车速范围的非线性转向助力，克服了转向助力盲区。     

基于模糊神经网络的信号交叉口交通量预测方法研究

提出了基于模糊神经网络技术的信号交叉口交通量滚动预测模型。该模型的主要特点地交叉口交通量变化的规律可以利用模糊神经网络在线学习得到，因此该模型具有计算简单，能够不断积累经验的优点。通过仿真算例研究了该模型的实用性。     

基于虚拟仪器的汽车电控系统智能检测仪

利用虚拟仪器技术和神经网络成功构建了一种汽车故障诊断仪器。它具有数字万用表和汽车示波器的双重功能，能连续检测，记录、显示和存储电喷汽车或化油器式汽车的电子零部件或电气系统的电子波形；配有神经网络专家系统，在显示波形的同时，直接给出诊断结果即指故障部件并说明原因，因而是一种理想的汽车在线故障诊断工具。经实车测试，该检测仪测量结果正确，可靠性高，完全可以替代进口的汽车测试设备。     

神经网络PID控制参数整定及仿真

PID控制器算法简单,鲁棒性好,可靠性高,但是参数整定通常是依靠经验来确定。神经网络具有很好的自适应能力和非线性映射功能,对智能控制有很好的效果。本文通过BP神经网络的自学习能力对PID参数进行在线整定,并通过matlab软件进行仿真研究。仿真结果表明:通过BP神经网络,可以对PID参数进行有效的整定。     

基于静力的智能桥梁结构智能计算方案的研究

通过对智能土木／桥梁结构环境下的两种基于静力的计算路线的分析比较，给出了一个集神经网络力学反问题解法和有限元力学正问题解法为一体的智能计算方案。该方案旨在建立实时、在线的结构健康监测机制及准实时、在线的结构健康诊断机制。初步的研究表明，该方案是可行的，具有进一步研究完善的必要。     

基于神经网络的发动机控制系统故障诊断研究

通过比较发动机控制系统故障诊断的方法，针对基于神经网络的发动机控制系统的故障诊断推导出数学模型；并编制了采用双向联想记忆神经网络完成发动机控制系统故障诊断的学习与诊断程序，实现了仿真。     

基于扰动观测的客车ESC自适应神经网络滑模控制

为了提高客车电子稳定性控制系统（ESC）的控制精度,针对实际车辆系统建模中存在各种非线性扰动项以及传统滑模控制（Sliding Mode Control,SMC）中抖振较大的问题,提出一种自适应神经网络滑模控制算法。基于2自由度车辆模型,首先设计一个二阶滑模（Second-order Sliding Mode,SOSM）估计器对车辆的质心侧偏角进行估计,然后利用径向基（Radial Basis Function,RBF）神经网络对车辆系统建模中的各种非线性扰动项进行实时估计,并进行Lyapunov稳定性证明,RBF神经网络估计车辆系统建模的各种非线性扰动项可以有效减小滑模控制符号项的系数,从而减小滑模抖振水平。为了更进一步优化传统滑模控制的参数调节过程,减小滑模抖振并提高系统控制精度,再次利用RBF神经网络对传统滑模控制中的关键参数进行自适应调节。最后为了验证算法的有效性,搭建客车电控气压制动系统硬件在环试验台,在硬件在环试验台上对算法的有效性和精度进行试验验证。研究结果表明：客车ESC在自适应神经网络滑模算法的控制下,横摆角速度和质心侧偏角能够较好地跟随上理想的横摆角速度和理想质心侧偏角,横摆角速度和质心侧偏角的跟随误差降低;利用RBF神经网络估计客车建模中的各种非线性扰动项和利用RBF神经网络自适应调节传统滑模控制的关键参数,可以有效提高客车ESC的控制精度。     

液压半主动悬架的自适应神经网络控制

提出了液压半主动悬架系统的自适应神经网络控制策略 ,分析了系统模型及自适应神经网络控制器的设计和实现 ,并对控制效果进行了仿真研究。结果表明通过这种控制策略可以得到比较好的控制效果。     

神经网络在内燃机整机振动主动控制中的应用研究

利用微机控制原理,设计内燃机整机振动主动控制的电控系统,将神经网络技术应用于电控系统中,构造一种适合此系统的BP神经网络,对整机振动控制进行仿真辨识。结果表明,这种新的控制算法是行之有效的。     

基于BP-PID控制器的盾构液压推进控制系统研究

为解决盾构在复杂地层施工时推进速度和压力难以控制的问题,在压力流量控制的基础上提出BP神经网络控制策略。通过AMESim建立推进系统物理模型,并利用Simulink设计出BP神经网络控制器,最后对系统进行联合仿真,分析推进系统液压缸在变流量和变负载工况下推进速度和压力的响应特性。仿真结果表明:该控制策略与常规PID控制相比,波动幅度降低,调节时间快。采用BP神经网络PID控制能够有效地提高盾构在负载突变情况下速度和压力控制精度,稳定性好、适应能力强,为盾构控制系统设计和优化提供理论参考。     

发动机试验台测控系统模糊神经网络控制方法的研究

结合模糊控制、神经网络、遗传算法的优点,提出发动机试验台测控系统模糊神经网络控制方法。利用遗传算法的全局优化策略,避免陷入局部最小点的缺陷。在建立发动机-测功机传动系统动力学模型、发动机有效转矩模型、测功机励磁电流模型的基础上,进行了动态仿真模拟,较好地解决了试验台控制的稳定性及测量的实时准确性问题。     

车辆主动悬架的神经网络模糊控制

利用神经网络来实现在车辆主动悬架中的模糊控制，通过对主动悬架实体装置的台架实验研究，在不同激励信号的作用下，神经网络模糊控制器都具有很好地抑制车体振动的特点，其控制效果明显优于PID控制。在车辆主动悬架中，神经网络模糊控制具有设计新颖，实用性强，特别对于减振效果要求较高的车辆，更能发挥其优点。     

基于单神经元的汽车方向自适应PID控制

针对汽车方向动力学控制存在的非线性和参数时变不确定性问题，提出了一种新的基于单神经元的汽车方向自适应PID控制算法。该算法利用了神经网络的自学习和自适应能力，实现了方向PID控制器的参数在线自整定，从而避免了传统的自适应PID控制必须在线辨识被控系统的参考模型参数而带来的计算工作量大的问题。仿真计算和场地试验验证表明该控制算法可有效地控制汽车按照预期给定的轨迹行驶，且保证了汽车方向闭环控制系统具有较强的适应性和鲁棒性。     

基于BP神经网络的列车制动控制仿真研究

针对列车制动过程存在的复杂性、非线性、时变性、不确定性等因素,通过分析影响建立BP神经网络模型的主要因素,建立了用于列车制动控制的BP神经网络模型。以货物列车为仿真对象,在Matlab环境中进行了仿真研究。仿真结果表明,该方法控制安全性好、停车误差小,基于BP神经网络的智能算法运用于列车制动控制是可行的。     

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。