基于BP神经网络的模型参考自适应控制

基于BP神经网络的误差反向传播机制,探讨了建立在BP神经网络基础上的模型参考自适应控制方法。该方法用2个BP神经网络分别作辨识器和控制器,其中辨识器兼作间接传递误差的通道,从而解决了控制器权值的修正问题。仿真结果表明, 经过学习控制结构具有较好的有效性。     

һ�ֿ����ڸ��ٹ�·Ͷ�ʷ���������������ģ��

高速公路投资风险评估对高速公路可持续发展具有重要作用.首先,本文针对传统的准三层BP神经网络评价模型运算精度和运算效率之间的矛盾,从其结构优化的角度出发,提出并设计了输入层神经元到隐含层神经元、隐含层神经元到输出层神经元的随机重连过程的变结构神经网络模型;其次,针对中国高速公路的投资特点,建立了高速公路项目投资风险的评价指标体系,设计了基于随机重连过程的变结构神经网络的高速公路项目投资风险评价模型,运用中国10条高速公路项目对模型进行了训练并对4条高速公路投资风险进行评估.研究结果表明,该模型预测的平均相对误差为1.91%,最大相对误差为2.63%,具有良好的预测效果.     

船舶阻力计算BP神经网络的研究

建立了基于系列60船模原始实验数据的船舶阻力计算3层BP神经网络系统,利用随机选取的检验样本和插值样本作为输入向量,应用输出与目标的线性回归、相关系数和相对误差,以及利用该神经网络绘制的曲线,验证了该神经网络的可靠性．在该神经网络的建立过程中,对训练函数、性能函数、传递函数、隐层神经元数和神经网络绘制的性能曲线进行了实验,并通过数据预处理方式,确定了最佳的船舶阻力计算3层BP神经网络系统．     

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.     

一种直接控制神经元模型及其在列车停车控制中的应用

本文提出了一种直接控制的神经元模型，并用它构成了前馈神经网络，该网络在用ＢＰ学习算法学习时，提出了变学习步长和势态项系统的方法。并且该网络在特殊情况下，其输出可直接受输入神经元控制，把该神经元所构成的前馈网络应用于列车停车控制中。     

基于人工神经网络的船舶操纵控制系统模型研究

针对在船舶操纵控制系统中，船舶模型参数会随着外界条件(如航速、吃水、风等)的改变而变化的情况，提出了如何用神经网络模型使船舶在这些不断变化的外界条件下保持良好的状态，描述了前向网络原理与反向传播学习算法(BP)的步骤．     

BP小波神经网络模型及其在交通事件检测中的应用

将小波变换和BP神经网络进行紧致型结合,提出了基于BP小波神经网络的高速公路交通事件检测算法,即采用小波函数代替BP神经网络的隐层节点函数,相应的输入层到隐层的权值以及隐层阈值分别由小波函数的尺度参数和平移参数代替,以上下游检测器的速度、流量和占有率作为算法的输入,采用梯度下降法进行网络训练,构建适合于交通事件检测的小波神经网络模型。最后在Matlab中实现了对新加坡AYE仿真数据的实例分析,并将其与现有的经典算法进行了对比分析。结果表明,BP小波神经网络算法在检测率和平均检测时间方面具有明显的优势。     

基于灰色聚类理论和人工神经网络技术的道路交通安全评价

在深入研究了道路交通安全的评价指标确定的基础上，提出了一种基于灰色聚类理论和神经网络技术的综合评价方法，并对神经网络输入、输出指标属性值的量化方法进行了讨论，建立了道路交通安全的BP神经网络评价模型．最后，介绍了该模型在各省道路交通安全评价中的应用实例．     

基于GRNN神经网络的ZigBee室内定位算法研究

基于固定参数的无线信号传播损耗模型的定位算法,不能很好解决由于多径传播效应和环境复杂性所带来的测距误差问题。提出使用GRNN神经网络来拟合室内RSSI值与距离值之间的映射关系,得到RSSI值与距离值的映射模型,再将定位实验中实测的RSSI值作为训练好的GRNN神经网络的输入层,在输出层得到与RSSI值相对应的距离值,最后使用加权质心算法来进行待测节点的定位。该算法不仅简单而且性能良好,并且不需要额外的硬件。经过Matlab和ZigBee实验仿真验证,与路径损耗模型和基于BP神经网络的定位算法相比,所提出的算法可以提供较好的定位结果。     

基于改进算法的多层神经网络的结构优化设计

简要地介绍了工程中应用较多的多层前向神经网络(BP网络)的结构和网络的设计．通过采用一种改进的训练算法(参考隐层的输出),并结合科学的样本选择方法(“超立方体”法)设计网络,进行网络训练．最后通过数字仿真证明了这个网络模型用于结构优化设计的有效性．     

基于模糊神经网络的拉索耐久性评价模型

将模糊理论与神经网络技术相结合,建立了基于模糊神经网络的拉索耐久性评价模型;网络训练采用改进的梯度下降动量BP算法,经过265次学习,确定了网络各层参数值,得到了网络的收敛解;最后通过5个校验样本验证了拉索耐久性模型的正确性。研究结果表明:拉索构件的耐久性评价指标分为拉索索力、锚固系统、拉索保护层、减震装置4种;采用动态BP算法对网络进行计算时,网络的收敛速度优于常用的BP算法;训练好的模糊神经网络很好地获得并储存了评价专家的知识、经验和判断,可将网络应用于拉索构件的耐久性评价。     

基于座椅人机参数的列车座椅舒适度评价方法

为了降低高速列车舒适度调查的成本,避免进行大量的问卷调查和统计分析,对高速列车座椅静态舒适度评价方法进行了研究. 首先,通过确定高速列车座椅舒适度评价指标和指标权重,获得座椅舒适度计算方法;其次,利用BP神经网络构建以高速列车座椅8项人机几何参数为输入、以座椅舒适度评价为输出的座椅静态舒适度评价模型;最后,进行实例研究,对构建的神经网络评价模型进行训练和验证,并对神经网络进行权值和阈值的提取,构建神经网络的数学表达公式. 研究结果表明:当神经网络为1个隐含层、13个节点时,训练达到误差均值2.13 × 10?3、均方误差6.091 × 10?6的理想效果,且不存在过拟合现象;利用CHR2的一、二等座椅人机几何参数测量数据及对应舒适度评价对该网络进行验证,验证显示一等座的神经网络预测值跟实际评价值误差为3.07%,二等座评价误差为1.42%,该网络模型预测精度较高,且优于多元回归模型预测的结果.      

基于先验知识和BP网络的隧道爆破参数计算

为克服当前隧道爆破参数选取受人为因素影响的不足,以围岩普氏系数、隧道断面积、实际进尺和炮孔直径等为网络输入参数,以设计进尺、炸药单耗、周边孔距和掘进孔孔距等为网络输出参数,建立了含输入层、输出层和隐含层的神经网络模型,并给出了模型学习算法,提出了基于爆破先验知识的可加快模型求解收敛速度的网络学习约束条件.隧道爆破参数的实例计算结果表明,给出的网络模型及其算法能在借鉴已有爆破资料的基础上准确、快速计算爆破参数,并且获得理想的爆破效果.     

道路交通安全综合评价的人工神经网络方法

为了提高评价的准确性,采用人工神经网络技术,建立了基于BP神经网络的道路交通安全综合评价模型.通过有效样本的学习,应用该模型,实现了对道路交通安全专家知识和经验的提取和存储.仿真实例验证了基于人工神经网络的道路交通安全综合评价模型的合理性和有效性.     

基于粗糙集和RBF神经网络的高速公路路面使用性能评价研究

利用可辨识矩阵对影响路面使用性能评价的宽泛指标集进行分类、约简,得出对路面使用性能评价最有影响的数据指标,建立RBF神经网络模型,并把处理后的数据指标作为RBF神经网络的输入进行训练、仿真.通过实例,给出了该方法的具体实现过程.与没有采用指标约简的RBF神经网络进行结果对比,该方法在路面使用性能评价上更具有实用性、有效性和可靠性.     

A Novel Evolutionary Feedforward Neural Network with Artificial Immunology

A hybrid algorithm to design the multi-layer feedforward neural network was proposed. Evolutionary programming is used to design the network that makes the training process tending to global optima. Artificial im-munology combined with simulated annealing algorithm is used to specify the initial weight vectors, therefore im-proves the probabiligy of training algorithm to converge to global optima. The applications of the neural network in the modulation-style recognition of analog modulated rader signals demonstrate the good performance of the network.     

基于BP神经网络的沥青路面使用性能评价

应用神经网络BP算法原理而建立的路面综合指数评估模型,通过对多个指标的学习来评价路面综合指标PQI。同时．神经网络评价数据和专家系统数据的比较．证明BP神经网络模型在路面使用性能评估中有更好的应用前景。     

基于遗传神经网络评价铁路多项目优先级

提出一种评价铁路建设多项目优先级的遗传神经网络方法,针对现有评价方法在对指标权重赋值时存在的主观随意性问题,在已有指标体系的基础上给出基于BP神经网络的铁路建设多项目优先级评价模型,并运用遗传算法对所建立的神经网络模型进行优化,有效克服现有综合评价方法中主观确定权重的缺陷。经过算例分析,验证该方法的可行性,并得出结论。     

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。     

电机故障识别模型优化研究

提出了基于优化BP神经网络的电机故障识别模型.针对以往隐节点数依靠经验选取,缺乏理论指导的问题,利用隐节点输出的相关系数对网络隐层优化,简化模型结构.实验结果表明,该优化方法可行、所建立的故障识别模型有效.