基于神经——模糊控制的船舶操纵系统研究

本文针对船舶操纵这种非线性、时变参数控制对象，提出了一种采用神经—模糊控制的方案，给出了神经—模糊控制器的基本设计方法。仿真结果表明，这种控制器与一般自适应模糊控制器相比，船舶操纵系统的性能有明显提高。     

应用人工神经网络理论的船舶运动包络预报方法

本文首先介绍了人工神经网络理论的基本内容以及前馈网络反向传播的训练方法，然后应用单隐含层网络作出船舶运动包络的实时预报。文中就一船舶的海上实测运动数据进行了实例计算，结果表明，本文方法的预报结果明显好于其它模型的自适应预报结果。     

自适应神经网络用于船舶动力定位系统

船舶动力定位（DP）采用一种控制系统驱动装在船上的侧推器和尾部推进器或者几个全回转的推进器，使船定位在海平面的要求位置上。船受到风、浪及流等海洋环境力的作用时会漂移离开原位置，传统的控制方法是采用PID（比例、积分、微分）反馈控制。顾和李（1994）提出了一种新的基于人工神经网络的控制方法，它具有许多优越性：①一个可随意调节的目标函数以适合不同的需求──定位精度高或节约定位能量后前馈控制并能自适应于不同的环境力变化包括非线性的波浪漂力；本文在目标函数中引入了与速度相关的项，从而提高控制质量。这一方法也可用于自动驾驶船舶沿设定的轨迹航行。计算机模拟结果表明本方法能达到很好的控制效果。     

改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

运输船舶金属船体重量的神经估算

本文建立应用反向传播学习算法的多层前馈神经网络模型，对运输船舶金属船体重量进行神经估算。以散货船和油船为实例的计算结果表明，由非线性模拟神经元组成的神经网络在船体重量估算中是非常有效的。     

基于复合神经网络模型的四轮独立驱动电动车控制

针对四轮独立驱动电动车的运动控制，提出了一种基于Ackerman转向模型和神经网络方法的复合模型，用于对各个车轮转速进行仿真和控制。这种复合模型的特点是结构非常精简，其参数可用实际整车数据来直接整定，尤其适合于车辆的中低速运行控制。     

汽车半主动悬架的神经网络自适应控制

本文提出了用两个线性神经网络对汽车半主动悬架系统进行在线辨识和控制的策略，介绍了该控制系统中神经网络的在线训练方法，进行了仿真计算和结果分析。     

神经网络技术在车内噪声预测上的应用

本文根据神经网络理论，建立了单一工况下由发动机悬置点振动信号预测车内特定点低频噪声的神经网络模型，并针对驾驶员耳旁噪声进行了实验研究，结果表明：基于神经网络的单一工况车内噪声观测模型，可以频域内很好地预测出特定点的车内噪声。     

基于实测数据评估交通事件检测中神经网络应用性的研究

神经网络为交通事件自动检测技术摆脱传统方法探测率低、误报率高的状况提供了新的解决思路。在以往局限于仿真数据研究的基础上,本文利用I-880数据库实测交通事件数据对神经网络在交通事件自动检测中的实际应用进行了研究,结果表明:神经网络应用于交通事件自动检测技术中,具有较高的探测率和较低的误报率,但该算法可移植性较差,在实际应用中要予以考虑。     

基于声强与神经网络技术的发动机故障诊断

根据发动机的结构特点,将其表面划分成不同的测试区域进行声强信号采集;依据声强特征,确定不同区域对应零部件的工作状况;利用模块化神经网络,建立基于声强特征的故障诊断模型,该模型中包含发动机低速与中速诊断模块、决策模块和故障知识库;在建模过程中,利用特征函数强化故障特征作为网络输入。结果表明,该方法具有诊断精度高、速度快、实时自学习等特点,为建立更为完善的发动机智能化故障诊断系统提供新途径。