车辆横向半主动悬挂的神经网络自适应控制

分析了车辆半主动悬挂模型的非线性特性，提出了采用神经网络的半主动悬挂自适应控制模型，设计了神经网络辨识器和控制器，采用专门算法修正控制器网络权值，仿真计算表明，神经网络自适应控制的半主动悬挂系统能有效改善车辆横向平稳性。     

基于神经网络的地铁列车运行过程的集成型智能控制

提出了一种以神经网络为主，并综合使用模糊系统、遗传算法等方法的集成型地铁列车智能控制方法。分别采用模糊控制的ＢＰ网络和基于遗传算法的模糊神经网络，实行了站间运行控制和定位停车控制，仿真取得了令人满意的结果。结果表明，将神经网络等计算智能方法综合用于列车运行控制是可行的，可以保证较好的舒适性、停车准确性，具有精度高，适应性、鲁棒性强等特点。     

基于FNN的驼峰车辆减速器出口速度的计算

减速器出口速度的合理性直接影响着驼峰溜放作业的效率和安全。目前，国内外常用的驼峰车辆溜放速度控制模型主要是基于车辆走行阻力的统计特性。但车辆走行阻力是随机、离散的复杂变量，难以准确测定；而且，基于这个统计模型的出口速度计算法比较机械，没有自适应能力，使得某些溜放环境变化后，溜放作业的安全连桂率有所下降，安全善恶化。为此，本文基于模糊神经网络（FNN）理论，提出了一种新的计算车辆减速器出口速度的智能控制模型。该模型采用五层的前向神经网络来构造模糊系统，以模拟熟练的调速作业员给定出口速度的模糊和自适应策略，并在相关的先验知识的基础上，使用了改进的误差反向传播学习算法，具有自学习和自适应能力。在驼峰溜放环境变化时，控制系统能通过自学习，自动校正减速器计算出口速度模型，改善控制品质，使系统保持设计的安全连挂率。计算机模拟结果表明这种模型是很有效的。     

工业窑炉气氛智能控制方法研究

在分析目前自寻优控制算法的基础上，融合软测量，神经网络建模和翰经计算等技术，提出了两种工业窑炉气氛智能测量和优化控制方法。第一，利用神经网络建立窑炉废气氧含量软测量模型，然后利用模糊控制实时控制；第二，利用神经网络建立窑炉温度工作模型，利用模糊进化算法基于该模型在当前燃料量情况下实时优化获得满足最高炉温条件下的助燃风量，仿真及初步应用结果表明所提的控制方法成本低，精度高，稳定，对窑炉无影响，较好地实现了工业窑炉气氛的智能控制。     

基于FNN的GPS/SINS深耦合列车组合定位系统容错控制研究

为了提高基于GNSS的深组合列车定位系统的故障容错性能,本文结合模糊系统与神经网络的基本原理,提出基于FRBFNN的GPS/SINS深耦合列车组合定位系统故障诊断算法,建立FRBFNN列车组合定位故障诊断模型,应用免疫差分进化理论设计其相应的网络学习算法。针对列车组合定位故障隔离及系统重构问题,定义组合定位系统结构状态迁移规则,设计深耦合列车组合定位系统故障容错控制处理流程,使深组合列车定位系统的容错控制性能得到进一步提高。以青藏线某区间列车实际运行数据为基础,通过计算机仿真验证了所提模型及算法的有效性与实用性。     

基于ANFIS的CFG桩复合地基承载力预测研究

研究目的:影响CFG桩复合地基承载力的主要因素有桩的参数、置换率、土的物理力学特性、褥垫层厚度和施工工艺等,且各因素之间存在高度复杂的非线性关系,CFG桩复合地基的承载力比较难于确定。为合理准确预测CFG桩复合地基承载力,通过研究提出基于自适应模糊神经网络的预测方法。研究结论:在分析自适应模糊神经网络原理及结构的基础上,利用减法聚类获得模糊推理规则数目,确定网络结构,建立适用于CFG桩复合地基承载力预测的自适应模糊神经网络模型。通过对实测资料的预测结果表明,自适应模糊神经网络比BP网络和最小二乘支持向量机LS_SVM模型具有更高的精度和适应性,为CFG桩复合地基承载力的判别提供了一条新的途径。     

一类搭接作业模拟网络模型及其算法研究

通过把模糊空间间歇时间和模糊工艺间隙时间新概念引入搭接作业网络图，并应用模糊集理论构造了一类含模糊完成期的搭接作业模糊网络模型，提出了一套求解该模型、计算模糊空间间歇期，模糊工艺间歇期和模糊节点时间参数的模糊算法。     

基于多神经网络的入侵检测系统模型研究

为了进一步提高入侵检测系统的检测性能,提出一种新型的基于多神经网络的入侵检测系统模型IDSMN.该模型引入多神经网络和模糊理论,基本思想是将网络数据集分成不同类型的子集,在不同子集上训练形成不同的子神经网络,然后用模糊理论进行多神经网络非线性融合,形成最优判断.     

基于MEA-BP神经网络的自锚式悬索桥施工阶段吊索索力预测分析

为减小自锚式悬索桥在施工过程中吊索索力偏差对桥梁线形的影响程度，提高有限元模型的计算效率，提出一种基于思维进化(MEA)算法优化BP神经网络的吊索索力预测方法，以实现对桥梁各施工阶段的高精度逼近与吊索索力的快速反馈。在考虑施工过程中材料参数、荷载参数和环境温度等因素的不确定性基础上，结合有限元模型得到神经网络训练样本集。通过MEA算法实现BP神经网络权值与阈值的寻优，从而提高BP神经网络的预测精度。以某空间索面自锚式悬索桥为工程背景，建立该座桥梁的MEA-BP神经网络预测模型。结果表明，MEA-BP神经网络较传统BP神经网络具有更强的泛化能力与预测精度，MEA-BP神经网络的预测值与现场实测值的误差在10%以内，MEA-BP神经网络模型在索力预测方面具有较好的适用性。     

列车驾驶模拟器模糊自适应洗出算法研究

协调自适应洗出算法是目前被认为最有潜力模拟人体运动感觉的体感模拟算法,但由于计算过程复杂、耗时长、易不稳定等缺点而未得到广泛应用。针对算法中自适应参数实时求解的困难,结合人体运动感觉模糊特性,提出一种新的模糊自适应洗出算法。利用模糊控制理论,将实际列车运动特征和运动感觉误差与洗出算法中自适应参数之间的关系建立模糊推理知识库,采用形式简单、易于求解的模糊推导实时调整自适应参数,根据劳斯判据验证系统的稳定性。以牵引动力国家重点实验室正在研制的高速列车驾驶模拟器为研究对象,仿真结果表明,新算法形式简单、计算时间少,能保证系统稳定,而且可利用较小的运动空间得到更高的模拟逼真度。为体感模拟算法研究提供思路。