滑坡变形的人工神经网络预测模型及应用

根据人工神经网络对信息处理的能力,选用较成熟的反向传播网络模型,在详细的工程地质勘察和理论分析的基础上,利用某滑坡中部变形监测数据,通过多次试验的方法,建立了具有1个输入层、15个隐含层、1个输出层的反向传播网络模型。通过神经网络的学习与训练,建立了滑坡位移和时间之间的人工神经网络非线性关系模型,并应用非线性模型预测了滑坡在未来几个月的变形情况。     

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。     

汽车液压悬置系统动态特性研究

液压悬置是一种先进的减振系统,其动态特性对汽车的乘坐舒适性和NVH性能有很人影响。但是液压悬置的动态特性非常复杂,既具有频变特性,又具有非线性特性。本文基于系统辨识及数值分析理论,提出了模拟液压悬置动态特性的一种数值拟合方法。     

汽车液压置系统动态特性研究

液压悬置是一种先进的减振系统，其动态特性对汽车的乘坐舒适性和NVH性能有很大影响。但是液压悬置的动态特性非常复杂，既具有频变特性，又具有非线性特性。本文基于系统辨识及数值分析理论，提出了模拟液压悬置动态特性的一种数值拟合方法。     

短时交通流的非线性动力学特性

基于Bierley跟驰模型理论,建立了由5辆机动车组成的动态交通流仿真模型.利用Matlab软件产生了5辆机动车的交通流时间序列,分析了相邻前后车辆的车头间距、速度差等变化过程,对仿真结果与实际交通流特点做了理论分析.讨论了模型参数对交通流动力学特性的影响,并从理论上证明了短时交通流具有混沌特性.结果表明:后车驾驶员对前后车相对速度和前后车车头间距越敏感就越容易出现混沌现象.     

基于BP神经网络的高速公路地基变形的预测

介绍并举实例说明人工神经网络这种数学工具可以以任意精度逼近任意非线性曲线,且具有容错性和联想记忆功能,利用基于人工神经网络和反向传播理论的分析方法,对软土地基变形进行预测具有较大的优越性。     

路面连续减速带下汽车悬架的混沌振动分析

针对汽车通过连续减速带时所产生振动,采用二自由度非线性悬架系统为研究对象,分析其混沌动力学行为,从而实现对系统混沌进行抑制.通过分析高速公路上特殊路段连续减速带的参数和设置方式,建立其静态激励模型和得出动态激励相关函数,以数值仿真研究了非线性汽车模型在此激励下的混沌振动,获得导致系统发生混沌振动的频率条件,及车速、减速...     

汽油机瞬态工况油膜参数混沌时序LS-SVM预测研究

汽油机油膜参数具有多维非线性特性,当前使用的试验标定法及辨识法难以精确确定参数值,对此提出了混沌时序最小二乘支持向量机(LS-SVM)预测模型。已知汽油机油路系统在时间序列具有非线性混沌特性,对油膜参数试验标定数据进行相空间重构,采用支持向量机对重构后的数据进行训练及预测,得出预测结果,与BP神经网络模型及Elman神经网络模型的预测结果进行了对比分析。验证了LS-SVM模型具有更强的非线性预测能力,能够有效地提高油膜参数的预测精度。     

基于混沌时间序列LS-SVM的车用锂离子电池SOC预测研究

对锂离子电池动力学系统进行了非线性特性分析,并判别了其混沌特性。采用相空间重构技术恢复锂离子电池动力学系统原有的混沌特性,得到多维状态空间的时间序列,利用LS-SVM模型对重构后的时间序列进行预测,获得荷电状态(State of Charge,SOC)的预测值。仿真结果表明:与BP神经网络预测模型相比,该预测方法具有较高的预测精度和较好的适应性,对实际应用具有一定的指导意义。     

海杂波的混沌分析

文章讨论了混沌信号、随机信号和确定性信号的区别，描述了混沌信号的相空间重构，Ｌｙａｐｕｎｏｖ指数，关联维等用于表征未知动态系混沌中的重要概念，并将它们应用于海杂波信号的分析中。通过对海杂波的分析，计算得出：海杂波有有限的关联维和正的Ｌｙａｐｕｎｏｖ特征指数，说明海杂具有混沌特性。