GMDH神经网络在数据预测中的应用

利用ＧＭＤＨ（Ｇｒｏｕｐ Ｍｅｔｈｏｄ ｏｆ Ｄａｔａ Ｈａｎｄｉｎｇ）神经网络进行数据预测。与一般的前馈神经网络不同，ＧＭＤＨ网络的结构确定于训练过程之中，因而可大大提高神经网络性能，从而特别适用于数据预测。文中提供的两个实例表明，利用ＧＭＤＨ网络进行数据预测的结果与实际值符合得很好，特别在金融预测方面有很好的应用前景。     

B样条隶属函数的模糊神经网络研究

把模糊子集的隶属函数取为Ｂ样条函数，利用Ｂ样条函数的正定性，紧密性和归一性，可以使得通常模糊系统输出中的分母削法，并且训练过程中权值的调整也限制在局部范围内，最后证明了其全局逼近特性。     

基于粗糙集的模糊神经网络建模研究

利用粗糙集从数据库中发现规则的能力,确定模糊神经网络的初始拓扑结构,再利用原始数据对网络进行训练.由于这样构造的模糊神经网络一开始就具备了良好的符合数据分布特性的拓扑结构,因而可以大大减小网络规模,提高网络训练速度.数值实验结果表明了该方法的有效性.     

基于粗糙集的模糊神经网络建模研究

利用粗糙集从数据库中发现规则的能力，确定模糊神经网络的初始拓扑结构，再利用原始数据对网络进行训练。由于这样构造的模糊神经网络一开始就具备了良好的符合数据分布特性的拓扑结构，因而可以大大减小网络规模，提高网络训练速度。数值实验结果表明了该方法的有效性。     

人工神经网络技术在汽车工程中的应用

介绍人工神经网络技术的基本原理，基本特征及其在汽车工程领域中的应用现状，说明了人工神经网络技术在汽车设计，制造，科研和使用等方面的实用性。     

基于Prescan 的信号灯路口跟停场景虚拟重构

为满足我国智能驾驶汽车测试场景库的搭建和ADAS(高级驾驶辅助系统)功能研发和验证的需求,设计了一种基于Prescan的交通信号灯路口车辆跟停场景虚拟重构方法,该方法由道路环境建设模块、初始条件设定模块和车辆控制模块组成。道路环境建设模块通过输入道路参数信息构建虚拟道路,初始条件设定模块通过输入本车和目标车的初始位置、初始速度信息确定零时刻车辆和道路的空间位置及状态信息,车辆控制模块依据车辆速度位置等信息,利用训练的神经网络控制本车加速度,实现跟停场景的虚拟重构。仿真结果表明,该方法可以实现交通信号灯路口车辆跟停场景的虚拟重构。     

BP神经网络在舰船电网谐波预测中的应用

为预测电网谐波,改进供电品质,本文根据电网谐波特性,建立了BP神经网络算法,对电网谐波样本点进行了误差训练,得到了谐波幅值变化特性。通过与标准值比较,表明:采用BP神经网络算法对谐波进行拟合能够达到较高的准确度。     

基于神经网络模糊PID控制的无刷直流电机控制系统研究

针对电动汽车行驶工况的要求,为了使电机能够有良好的启动特性和稳态特性,在Simulink中建立了无刷直流电机转速-电流双闭环控制系统仿真模型,转速控制神经网络和模糊控制对PID控制参数进行在线整定;电流环采用电流滞环控制,并对控制模型进行空载启动后加载实验。实验结果表明,本文设计的控制系统响应速度快,无静差,抗干扰能力强。     

土工格栅复合地基沉降变形智能预测控制

在分析土工格栅加筋软土地基变形性状及其沉降规律的基础上，重点从材料相互摩擦咬合作用、土体微结构、地基整体性等方面阐述该类水平向增强体复合地基沉降变形机理，比较了现行沉降计算方法，提出一种基于BP神经网络的智能沉降变形预测方法，对预测控制模型、预测控制算法和模糊控制器结构功能等进行了研究，介绍了该预测控制系统的MATLAB实现方法，为软土地基的加固处理和实际施工提供依据和参考。     

山区公路弯道预警方法研究

山区公路弯道的事故率往往高于普通路段,驾驶人由于视距等原因对弯道风险产生识别模糊的现象,基于此提出了一种弯道预警方法.针对山区公路上行驶前方是否为弯道进行预警,以前车的驾驶状态和环境因素为依据进行建模,为后车提供有效的信息以完成信息的链式传递.分析了速度和三向加速度与弯道条件的关系,通过频率分布图与相关系数的计算,从统计学的角度说明了4个变量作为模型自变量的可行性.同时考虑到驾驶人的性格等个人因素的影响,以历史数据为基础,利用以处理时序数据见长的Elman递归神经网络构建预警模型,并将该模型与二元逻辑回归、BP神经网络等方法进行对比,其准确率达到85.59%,验证了模型的有效性.