水下机器人非完全回归型神经网络运动模型的研究

研究了基于神经网络建立水下机器人（ＡＵＶ）运动模型的方法,提出以非完全回归形式来表现输入输出变量的时序列影响和输出层向输入层回归的封闭式结构以实现运动模型的模拟机能,并给出了相应的训练和学习方法。此外,又提出了对输出层增加积分环节及神经网络输入输出变量进行正规化处理的方法。计算机的仿真及实际水下机器人“ＰＷ４５”的建模结果,表明本文所提出的建模方法的有效性和可行性。     

模糊神经网络在发动机怠速控制中的应用

讨论了发动机怠速控制方法,对用模糊控制，BP神经网络控制方法进行了深入研究，给出了模糊控制和PID调节在怠速控制上的对比及BP神经网络用于学习模型控制器的输入与输出之间的函数关系，以取代模数控制规则表。在BP网络的训练过程，采用了自调整的学习算子以加速收敛，并给出了仿真结果。     

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。     

使用人工神经网络预测冻土区公路路基沉降

冻土区公路路基沉降影响因素众多,预测难度大,针对目前传统的预测方法所面临的困难,应用人工神经网络理论,建立预估模型。分别对影响沉降的因素诸如气温,降水,交通量荷载进行预测,将前3个网络的影响因素变量的预测结果(即输出值)作为预测沉降的网络输入训练网络,得到冻土区公路路基沉降的预测值。使用这种方法,可以代替常规的力学数学方法,具有一定的适用性。     

交通量预测的神经网络集成方法

首次将神经网络集成技术引入交通量预测。神经网络集成通过训练多个神经网络并将各网络输出进行合成,可显著提高学习系统的泛化能力。在Boosting和Bagging集成方法的基础上,提出基于分治策略的神经网络集成方法,并且讨论了网络权重分配算法。使用上述三种神经网络集成预测模型,对苏州某交叉口实时交通量进行预测,预测结果比较理想,优于单一神经网络预测方法。实验表明,神经网络集成用于交通量预测是有效可行的。     

基于神经网络的轻型客车悬架参数的优化

应用四轮相关的时域路面随机输入模型的不平度时间序列，对轻型客车的八自由度非线性平顺性模型进行了分析研究，并将计算出的平顺性指标作为输入，以径向基函数神经网络对后悬架参数进行了优化计算。算法准确，合理，为平顺性的进一步研究提供了新的方法。     

机车故障诊断中征兆隶属度函数的研究

研究了应用模糊神经网络进行机车故障诊断时一种征兆隶属度向量提取的方法。结合机车运行的特点,分析机车控制的规律和特性,提出了切实可行的隶属度函数确定方法,解决了模糊神经网络在机车故障诊断中应用的一个瓶颈。     

大跨度PC斜拉桥结构快速分析神经网络模型

为进行大跨度PC斜拉桥、悬索桥等复杂结构的优化设计、可靠性分析或模型修正,提出基于神经网络的结构快速分析方法。通过对比分析不同样本集构造方法对结构分析精度与效率的影响,认为均匀试验设计法是构造网络训练样本的最优方法。基于Matlab工具箱函数newrb建立招宝山大桥平面分析的径向基函数网络模型,该模型含45个输入层节点和2个输出层节点。根据均匀试验设计法生成180个训练样本,利用有限元分析软件ANSYS进行参数化批量分析,得到样本的模拟试验结果,采用OLS法对径向基函数网络进行训练,用训练好的网络预测结构响应。结果表明:该神经网络模型满足结构快速分析的精度要求,与有限元分析结果吻合良好。     

BP神经网络技术在斜拉桥施工控制中的应用

介绍了传统方法在斜拉桥施工控制中的局限性,提出了以BP神经网络技术为基础的施工控制方法.研究表明,人工神经网络方法在解决多影响因子复杂非线性问题方面具有显著的优势,在施工控制中具有广阔的应用前景.通过具体实例验证了该方法具有较强的可行性及可靠性.     

发动机振动主动控制联合仿真及神经网络自适应控制技术的研究

应用AMESim软件建立了发动机-车身振动模型。依据神经网络控制器、辨识器的设计,建立了神经网络自适应控制系统。通过联合仿真试验,验证了所建立的神经网络自适应控制系统的振动控制效果优于LQR及模糊控制。通过计算可控可观矩阵,验证了该控制系统既可控又可观。