基于BP神经网络的轮胎花纹沟槽识别

针对传统轮胎花纹沟槽识别算法存在数据特征提取困难、数理运算步骤复杂等问题,基于BP神经网络对生成的不同沟槽类型的轮胎胎冠线数据集进行反复训练,得到BP神经网络轮胎花纹沟槽识别模型。将轮胎胎冠线数据集随机划分为训练集、验证集和测试集,通过试验验证BP神经网络识别模型对轮胎花纹沟槽的识别性能,由混淆矩阵得到模型的正确识别率为94.9%。从3、4沟槽轮胎中获取实际胎冠线样本数据测试BP神经网络识别模型的实际识别效果,6条胎冠线上的花纹沟槽数量全部识别正确。基于BP神经网络识别轮胎花纹沟槽数量具有可行性。     

自激气动力有理函数系数的直接识别算法

有理函数系数识别是基于气动力有理函数逼近的桥梁颤振计算的前提条件. 有理函数滞后项的数量对其系数的识别结果影响较大，现有方法中一般仅考虑单滞后项的有理函数系数识别，易造成气动力描述上的失真，进而导致桥梁颤振计算结果不准确. 基于正弦信号的自激气动力在时域上与有理函数对等的原则，采用最小二乘拟合方法，提出了一种可计入多个滞后项的有理函数系数的直接识别算法. 以薄平板模型为对象，利用强迫振动风洞试验获得了自激气动力，采用该算法直接识别了计入不同滞后项的有理函数系数，并分析了滞后项数量对气动力重构精度影响以及对颤振临界风速计算精度的影响.通过自由振动颤振试验获得了实际的颤振风速，进而与采用识别出的有理函数计算的颤振风速进行对比，结果表明:颤振临界风速的试验值与计算值吻合较好，从而验证了本文所提识别算法的准确性；与现有的有理函数系数识别方法相比，本文提出的识别方法兼顾了效率和精度，可广泛用于实际桥梁断面自激气动力有理函数系数的识别中.      

大跨度铁路斜拉桥非线性时域抖振分析

通过脉动风速场模拟，获得了桥梁结构时域化风荷载，在此基础上，采用大跨度桥梁抖振的时域分析法，以一大跨度铁路斜拉桥为工程背景，对大跨度铁路斜拉桥抖振的非线性行为进行了分析．分析中综合考虑了结构几何非线性和气动非线性，其中结构几何非线性因素包括拉索垂度、内力引起的梁-柱效应及结构大变位等，气动非线性因素包括攻角效应、自激力等．非线性运动方程采用双重迭代法求解，以提高迭代的收敛性．非线性时域抖振分析和线性分析结果的比较表明，非线性因素会增大结构的抖振响应．     

结合遗传算法的BP神经网络训练方法研究

针对BP神经网络存在收敛到局部极小问题,研究了直接利用遗传算法训练BP网络的方法和结合遗传算法训练网络初始权值的BP算法;通过简单异或问题说明了第一种方法所需训练时间较长;将第二种用于解决结构损伤识别问题,得到较好结果,说明利用遗传算法训练初始权值可以克服BP神经网络局部极值点问题,加快网络的收敛速度。     

BP神经网络在桥梁焊缝收缩预测的应用研究

神经网络是一种模拟人脑结构和功能的信息处理系统，BP网络算法是目前研究最为成熟的理论．被广泛应用于非线性建模，参数识别等领域。本文运用BP神经网络，对桥梁悬拼阶段施工控制中焊接收缩变形进行网络的建立，并利用现场实测数据进行网络的训练和仿真。计算结果显示，在目前对悬拼阶段箱梁的焊接收缩变形机理的研究并不十分透彻的条件下，用神经网络进行焊缝收缩的识别是一种可行的方法.     

现行规范桥梁气动导纳理论局限性的分析

为准确描述气动导纳对抖振的影响,针对我国现行规范气动导纳函数局限性的问题.通过对气动导纳函数的全面理论分析,提出了影响气动导纳的各种因素;并通过编程计算实例和风洞试验证明了现行气动导纳函数的局限性,指出了需要一个完整的气动导纳理论体系。研究结果为较好把握桥梁抖振的理论分析及工程应用提供理论依据。     

现行规范桥梁气动导纳理论局限性的分析

为准确描述气动导纳对抖振的影响,针对我国现行规范气动导纳函数局限性的问题.通过对气动导纳函数的全面理论分析,提出了影响气动导纳的各种因素;并通过编程计算实例和风洞试验证明了现行气动导纳函数的局限性,指出了需要一个完整的气动导纳理论体系。研究结果为较好把握桥梁抖振的理论分析及工程应用提供理论依据。     

平板层流边界层定常流动存在相似性解区域的分析

对于无限薄半有限长度的平板层流，布拉修斯(H．Blasius)等学者得到了全尺寸范围内的相似性解，并与尼古拉兹(J．Nikuradse)的试验数据十分相。但对有限厚度平板，由于边界条件的变化和数学上的困难而未得到其相似性解。本文利用PHOENICS软件和MATLAB软件对无限薄平板和有限厚度平板的层流边界层定常流动过程进行了数值模拟计算，分析了边界层中速度分布存在相似性解的区域。计算和分析表明，对无限薄平板，数值模拟解与布拉修斯解完全吻合，而对有限厚度平板，仅在一定范围内存在相似性解。说明了利用PHOENICS软件对此类流动进行数值模拟计算的适用性和准确性。同时，也显示出采用计算流体力学软件解决流动问题的优越性。     

悬吊双层闭口箱梁桥面风振性能

以悬吊双层闭口箱梁桥面为研究对象,通过风洞试验,针对结构静力耦合与气动干扰对悬吊双层闭口箱梁桥面风振性能影响进行了研究;采用变分模态分解方法对试验监测信号进行模态分解,识别颤振模态;通过振动形态矢量图与相位图对颤振弯扭耦合程度及弯扭相位差进行分析;根据最小二乘法识别颤振导数,基于激励-反馈原理,由颤振导数识别颤振气动阻尼。研究结果表明:在结构静力耦合与气动干扰共同作用下,下层断面发生软颤振,其竖向、扭转振动参与度系数分别为0.85、0.53,其颤振形态倾向于竖向振动;下层断面在自激气动力作用下发生颤振,自激气动力相位差减小导致颤振弯扭相位差减小为81.29°,而上层断面在结构耦合力作用下发生强迫振动,结构耦合力相位差决定上层断面弯扭相位差为100.81°;下层断面竖向振动气动阻尼主要来源于竖向速度自激升力负阻尼以及弯扭速度通过激励反馈所产生的耦合升力负阻尼,分别为60%和40%;下层断面转振动气动阻尼主要来源于扭转速度自激升力矩正阻尼以及弯扭速度通过激励反馈所产生的耦合升力矩正阻尼,分别为45%和50%。可见,对于悬吊双层闭口箱梁桥面,下层断面在竖向振动气动负阻尼驱动下发生偏于竖向振动形态软颤振,下层断面软颤振诱发悬吊双层桥面振动系统整体发生弯扭耦合软颤振。      

溢出效应与集群企业创新时间的选择

为考察溢出效应对产业集群企业创新时间的影响，将溢出效应系数引入创新时间和投入之间的线性函数以及创新成功时间的概率函数中，建立了集群企业创新期望净收益函数．将该收益函数对创新时间和溢出效应系数变量求出二阶偏导数以建立最优创新时间和溢出效应系数之间的一阶导数关系．对一阶导数符号的分析显示，当竞争企业数量较大时，无论创新类型、资金成本、研发风险参数如何变化，最优创新时间都随技术溢出效应的增强而缩短．     

基于RBF神经网络模型的板料成形变压边力优化

为了解决变压边力优化过程中RBF(radial basis function )神经网络隐层节点训练难的问题,利用人工智能算法的优越性,建立了基于人工免疫算法的RBF神经网络,并将其用于非线性函数的逼近中.结合分块压边圈与改变压边力控制技术,通过Dynaform软件进行数值模拟获得成形数据,建立了变压边力与成形质量之间的RBF神经网络近似模型.利用人工免疫智能算法对该近似模型进行优化,获得最优压边力参数.将该方法应用于S形梁冲压成形中,与优化前的结果进行比较,采用优化后最优变压边力可以抑制起皱,最大起皱量减少了89.53%.      

基于RBF神经网络的城市互通立交短时交通量预测

根据实测数据,分析了城市互通立交交通流运行特性,研究了城市互通立交主线总交通量、交织流量比和第2车道大型车比例3种因素对合流区端部交通量的影响,应用神经网络原理建立了输入层为3个神经元,输出层为1个神经元的RBF神经网络,研究了该RBF神经网络的训练算法,应用实测数据进行了网络训练,对训练后的网络进行了仿真.仿真输出结果与实测数据之间的误差很小,证明应用RBF神经网络对互通立交合流区的短时交通量进行预测是一种可行的方法.此研究为分析互通立交内各功能区之间的相互影响,为研究互通立交桥的预先控制和运行状态分析提供了理论参考.     

L-M神经网络算法在汽轮发电机组故障诊断中的应用

针对汽轮发电机组的故障诊断,采用Levenberg-Marquardt算法建立多层前向人工神经网络,采用改进算法训练网络,克服了传统BP算法收敛速度慢,易陷入局部最小的缺陷.就BP网络的不足,提出了一种改进的BP神经网络模型,并使用L-M算法用于汽轮发电机组故障的诊断.经理论和实践证明:该方法有效地提高了故障诊断的精度和可靠度,为旋转机械故障诊断提供了有效方法.     

道路表面水膜厚度预测模型

针对道路表面的坡面水流受降雨和坡面粗糙程度的影响，是一个高度非线性空间分布的过程，一般模型很难精确描述。建立了基于人工神经网络的道路表面水膜厚度预测模型，以降雨强度、坡度、坡长和坡面的粗糙程度为输入层，水膜厚度为输出层，隐含层为6个神经元，通过试验数据的训练，确定了网络的权重和阈值。应用结果表明该模型预测的水膜厚度与测量值的相关系数为0．98，误差平方和为3．08，这说明该模型用于道路表面水膜厚度预估是可行的。     

基于集成式神经网络的扁平箱梁颤振导数预测

扁平箱梁因具有较优的颤振性能,已被应用于绝大多数大跨径桥梁. 为便于桥梁设计者在大跨度桥梁初步设计阶段快速评估扁平箱梁的颤振性能,提出了一种基于集成学习的深度神经网络模型,用于快速预测扁平箱梁颤振导数. 首先采用强迫振动风洞试验获取了15种典型扁平箱梁的颤振导数,结合自由振动风洞试验和二维颤振计算验证了颤振导数的准确性;基于风洞试验数据,构建了大小为525的颤振导数数据集,以此数据集为基础,对所提出的集成式深度神经网络开展了模型训练和性能测试. 计算结果表明:所提出的集成式深度神经网络模型仅依靠扁平箱梁的气动外形特征即可准确且快速地预测不同折算风速下的8个颤振导数,且仅利用本文60%的数据集进行训练即可获取较高精度的预测结果;对比传统的多项式回归模型和单一人工神经网络模型,本文所提出的集成式深度神经网络模型预测精度更高,可直接应用到桥梁初步设计阶段的气动选型和颤振计算中.      

高速公路交通事件清除时间模糊逻辑预测模型

清除时间是高速公路交通事件持续时间中的一部分,与事件影响范围密切相关.通过对某高速公路事件数据及交警执勤记录进行分析,提出了救援车辆的清除时间新定义,该定义与事件持续时间有更强的相关性.随后采用含自适应算法的TSK模糊逻辑推理方法,通过对基于事件数据的人工神经网络训练,建立了交通事件清除时间的预测模型,并讨论了模型的适...     

样本数量对切削力的神经网络预测精度的影响

为用尽量少的训练样本达到预测目的，通过不同数量训练样本训练网络的对比试验，分析了训练样本数量对基于列文伯格-马夸尔特算法的切削力的神经网络预测精度的影响．用统计学平均幅值和均方差作为误差的评价指标，探讨了训练样本数量与预测精度的关系．研究结果表明：用40-50组样本训练网络，就可以实现特定切削用量范围内切削力的准确预测．     

一个基于灰色神经网络组合的交通量预测模型应用研究

GM模型在预测中对历史数据作不同取舍时,其预测值并不相同,即这种预测结果将是一个预测值的区间,这就给预测人员的取舍带来一定困难。利用GM模型少数据建模和人工神经网络非线性逼近的优点把两种模型结合起来,用对历史数据作不同取舍的GM模型的预测值和纯神经网络的预测值作为组合神经网络的输入,由人工神经网络确定这些不同GM模型和纯BP网络的组合,实例验证得出更为准确的预测值,从而证明这一模型的可行性和有效性。     

杭州市驾驶员培训行业发展环境与需求预测研究

本文介绍了杭州的经济环境和杭州市驾驶员培训行业的现状。选取杭州市人均GDP水平、总人口及机动车保有量这三项指标为变量,采用人工神经网络模型对驾培机构、教练车辆、教练员数进行预测。并对预测结果进行合理的分析。     

桥梁断面静力三分力系数的人工神经网络识别

通过风洞模型试验得到了足够的样本，在此基础上利用MATLAB神经网络工具箱构造了2个BP人工神经网络；采用BR(Bayesian regularization)算法，比较了不同坐标系下的静力三分力系数的训练结果，得出4层网络比较有效且具有较高精度的结论．最后，提出了应用人工神经网络需要注意的问题。