摊铺机找平控制系统的发展

摊铺机作为现代道路摊铺的关键设备，其找平控制系统的性能是决定摊铺质量和效率的重要部件，一直受到极大关注。找平控制系统先后经历了人工固定基准、接触式虚拟浮动基准和非接触式虚拟浮动基准三个阶段。随着PaveSmart3D控制系统的出现，摊铺机找平控制系统又进入了一个新的时代。     

降低一类神经网络灵敏度的理论和方法研究

基于系统辨识的神经网络灵敏度，提出了降低用于控制系统中神经网络灵敏度的一种方法，从理论上证明了方法的正确性，且以实际的多变量非线性随机动态为例验证了该方法的有效性。     

基于神经网络的发动机噪声的预测

应用神经网络技术，通过对发动机噪声试验数据的反复学习，实现发动机噪声的动态预测，取得了较满意的预测结果，为降低和控制发动机噪声提供了准确的信息，同时也为发动机动态噪声环境的仿真提供了一种有效的方法。     

基于神经网络的四轮转向系统控制方法

文中介绍了一种基于人工神经网络的4WS控制方法，该方法考虑到了车辆和轮胎的非线性动态特性。利用在实际车辆上实测所得的数据，用神经网络方法对车和轮胎的非线性动态特性进行辨识。试验表明该方法具有较好的控制特性，能够有效提高汽车的主动安全性和操纵稳定性。     

基于动态神经网络模型的交通事件检测算法

本文将一种新型的动态神经网络结构与传统的基于状态估计的故障检测方法相结合，提出了一种基于动态神经网络的交通事件检测算法。该网络借鉴静态BP网络的训练算法，并针对其训练方法中收敛速度慢及容易陷入局部极小点的缺点采用一种改进的算法，改善了训练效果。最后利用Matlab对提出的算法进行仿真，得到令人满意的效果。     

遗传神经网络在轮载动态称重辨识中的应用

动态称重系统在测量的过程中为一时变系统，难以对称重系统建立精确的数学模型。采用遗传神经网络对动态称重系统作了非线性建模，并且对该网络进行了训练以及仿真，结果表明遗传神经网络比一般的神经网络有着更好的优越性。     

基于遗传-径向基函数神经网络的公路隧道围岩定级方法

围岩分级准确与否直接关系到隧道的施工安全和工程造价。针对现阶段围岩分级方法存在的主要问题,结合宁绩高速公路隧道群施工期围岩定级实践,以国标BQ分级为基准,在大量现场测试和室内试验的基础上,引入径向基函数神经网络,并以分级结果作为遗传-径向基函数神经网络的训练样本,建立了隧道围岩分级的遗传-径向基函数神经网络模型。应用实例表明,该模型分级结果与现场勘测基本一致,为隧道围岩分级提供了一种新方法。     

基于神经网络自适应滤波的车辆动态称重系统研究

针对车辆动态称重信号的特点,提出了一种车辆动态载重信号的处理方法。该方法采用基于神经网络的自适应滤波变步长LMS算法滤掉称重信号在各个频段内的噪声。在不同的环境下,对不同的车型,该技术适应性好,精度高,速度快。基于这种信号处理方法,开发了基于神经网络自适应滤波的车辆超载动态监测系统,选择高性能TMS32C2812芯片,设计了高效的软硬件系统,能够准确、及时测量高速公路上所经车辆的重量。     

基于虚拟线圈的车型识别研究

在车型识别系统中,车辆的特征提取是非常重要的.传统的检测方法受摄像机的成像精度与架设方式等因素的影响,给车辆特征的提取带来困难.提出了一种采用虚拟线圈识别车型的方法.该方法将检测线与虚拟线圈相结合,对提取的车辆信息进行预处理,以检测线检测到达预先设置位置的车辆,然后触发虚拟线圈来提取车辆特征,通过BP神经网络来训练识别的车辆特征,以达到车型识别的目的.试验证明,该方法识别效果好,识别有效率达99%.     

基于神经网络的发动机动态模型的研究

本文从制定自动换挡规律的应用角度出发，分析了发动机动态特性的决定因素，完成了桑塔纳2000电喷发动机动态试验，通过对大量试验数据的反复学习，建立了基于神经网络的发动机动态模型，为实现发动机与传动系共同工作的最佳匹配奠定了基础。