基于D-S证据理论信息融合的轨道电路故障诊断方法研究

在闭塞区间主流设备越来越多的采用ZPW-2000A型无绝缘轨道电路的背景下,针对单一故障诊断方法的诊断精度偏低问题,提出基于信息融合的故障诊断模型和故障诊断方法。该方法分别用BP神经网络和模糊综合评判对轨道电路进行故障诊断,然后将这2种方法的诊断结果作为D-S证据理论的证据体,利用神经网络输出和模糊综合评判输出来构造D-S证据理论中的概率分配,最后利用D-S证据理论将BP神经网络和模糊综合评判对轨道电路的故障诊断结果在决策级进行融合,诊断轨道电路是否有故障并判断故障的模式。仿真结果表明:该诊断方法具有较高的故障诊断精度,诊断结论的可信度有明显提高。     

利用BP神经网络预测钢材单位挤压力

以钢材中C和Cr的成分、变形程度和单位挤压力的关系为研究对象，在Matlab语言环境下，以正挤压试验数据作为训练和预测样本，用5节点的单隐含层BP型神经网络对钢材单位挤压力进行了预测。结果表明，采用正交试验和人工神经网络相结合的方法来预测单位挤压力是有效和可行的。     

液压半主动悬架的自适应神经网络控制

提出了液压半主动悬架系统的自适应神经网络控制策略 ,分析了系统模型及自适应神经网络控制器的设计和实现 ,并对控制效果进行了仿真研究。结果表明通过这种控制策略可以得到比较好的控制效果。     

基于驾驶行为分析的交通流中车辆跟驰建模与仿真

着重从驾驶行为分析的角度，对车辆跟驰模型中与人的因素有关的GM模型、CA模型、线性Helly模型、AP模型以及基于模糊逻辑和神经网络的车辆跟驰模型进行了详细的评述，提出了未来智能交通流中应充分考虑到数字驾驶行为对智能车辆跟驰建模与仿真的影响，以期正确地揭示出交通流的特性和本质。     

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。     

神经网络信息融合方法在电控发动机故障诊断中的应用研究

利用虚拟仪器技术研制了数据采集与处理系统，可对发动机进行实时数据的采集、历史数据和暂态数据的显示，以及数字滤波、频谱分析、波形显示等方面的数据后处理。以电控发动机常见的故障现象——怠速不稳为例，研究了一种特征层信息融合方法——基于神经网络的信息融合技术在电控发动机故障诊断中的应用。     

基于神经网络的半主动悬架自适应模糊控制

提出了基于神经网络的自适应模糊控制策略。模糊控制主要用来对付系统的非线性；神经网络根据振动响应的方差递推结果来辨识车体的振动情况实时调节模糊控制器的量化因子，使模糊控制器对路面的变化具有自适应的能力。在半主动悬挂1／4车非线性模型的基础上进行了仿真研究。     

模糊神经网络在发动机失火故障诊断中的应用

利用模糊神经网络对发动机失火故障进行诊断,建立起了模糊神经网络控制模型,应用MATLAB软件对其进行训练及仿真,结果表明此控制方法是有效的、可行的。     

BP和RBF神经网络在辨识内燃机燃烧过程中的应用

分析了发动机燃烧过程的研究方式,提出了用BP和RBF网络辨识内燃机燃烧过程的方法。选定神经网络的结构、隐层神经元的作用函数和控制参数,成功地得到了发动机的辨识模型,结果由RBF网络辨识的模型给出,从这一模型可以获得任意点缸内压力和温度以延拓的参数,为排放分析、计算和结构优化提供了良好的基础。     

基于SNN软件系统的神经网络交通事件自动检测算法

高速公路交通事件自动检测在我国是一个新的研究领域,它是解决高速公路突发交通事件的有效途径之一。随着神经网络技术的成熟与完善,许多学者把这项技术应用于高速公路交通事件自动检测。本文总结现有神经网络算法的不足,提出基于SNN(StatisticalNeuralNetworks)软件系统的神经网络交通事件检测新算法,通过与传统的加利福尼亚算法、滤波算法、标准偏差法进行比较和验证,得出新算法明显优于传统事件检测算法的结论。