汽车安全气囊控制算法的基础研究

本文在现有安全气囊引爆时刻确定准则的基础上,主要分析一些能够决定汽车碰撞程度的基本参数与其他常用参数．最后总结了现有基于这些基本参数与常用参数的安全气囊控制算法。     

浅谈汽车的安全气囊系统

汽车安全气囊系统（SRS）是汽车上安装的一种安全辅助保护系统。其作用是当汽车的前轮受到强大冲击时,能使驾乘人员的头部、胸部、肩部所受的伤害降到最低,可以保护驾乘人员的安全,大大降低了中等和严重正面碰撞中驾乘人员受伤的风险。     

汽车安全气囊的发展

本文介绍了汽车安全气囊的现状、发展和未来发展趋势，并提出了一定的建议。     

基于人工神经网络的交通量预测

现行的交通量预测方法大都存在数据拟合度不高,外推性不强等问题,介绍了人工神经网络的ＢＰ网络模型,结合实例探讨了人工神经网络方法在远期交通量预测上的应用,证实了该方法的可行性和可靠性。     

汽车安全气囊控制算法的基础研究

在现有安全气囊引爆时刻确定准则的基础上，主要分析一些能够决定汽车碰撞程度的基本参数与其他常用参数，最后总结了现有基于这些基本参数与常用参数的安全气囊控制算法。     

广西汽车拥有量预测的人工神经网络模型

利用人工神经网络方法建立汽车有量时间序列的预测模型,并对广西汽车有量进行预测计算。     

基于脉冲响应的预测控制算法及仿真

针对复杂工业过程不确定性、变量问的耦合性、非线性等特点，介绍了对模型要求低、在线计算方便、综合控制质量高的一类新型计算机控制算法——预测控制方法，并进行了仿真，仿真结果表明预测控制算法的控制效果远远优于PID控制算法，有很好的应用前景．     

广义预测控制算法在ATO系统中的研究仿真

对广义预测控制（GPC）算法进行了研究,并将GPC算法应用在自动运行（ATO）系统中。通过该算法的使用,列车能较好地跟随目标曲线运行,由于目标曲线是根据列车牵引计算得到的最优的列车运行曲线,从而保证列车安全、平稳、正点地自动运行,同时也确保列车进站停车的精确性。     

浅析现代汽车安全气囊系统(SRS)的原理及检修

随着交通事故的不断增加，以及用户安全的意识的提高，为了减少汽车发生碰撞时由于巨大惯性力所造成的对驾驶员和乘员的伤害，现状汽车装用安全气囊系统越来越普及。本对汽车安全气囊系统的原理及检修作了分析与探讨。     

基于人工神经网络的交通运量预测

采用三层结构的反向传播网络对全国公路客运量进行预测的结果表明,用神经网络预测交通运量比采用其他预测方法更加准确。     

基于人工神经网络的FGM数据库设计

采用数据库管理技术和人工神经网络技术建立了FGM数据库,开发了管理和操纵该数据库的应用程序.利用该数据库可以查询编辑已知FGM材料组分、分布和性能之间的关系,预测未知FGM在给定材料组分和分布条件下的材料性能.作为应用实例,预测了SiC/C FGM的弯曲强度,并计算了预测误差,分析结果表明预测值与实验值较为吻合.     

基于BP神经网络的GPS高程拟合方法的探讨

为了提高GPS高程测量的精度，提出了基于BP神经网络的GPS高程拟合方法，并以2座特大桥控制网数据为例，与常规多项式曲面拟合方法进行了比较．理论和实例证明，利用BP神经网络进行GPS高程拟合是可行的。尤其是在已知点较少的情况下，该方法具有实际意义．     

基于神经网络的汽车制动系可靠性分析

以某轻型客车制动系统为例进行可靠性分析,利用威布尔过程对这些数据进行了拟合,用人工神经网络方法进行参数估计,计算所获得分布的参数值,绘制出可靠度曲线。     

道路交通安全综合评价的人工神经网络方法

为了提高评价的准确性,采用人工神经网络技术,建立了基于BP神经网络的道路交通安全综合评价模型.通过有效样本的学习,应用该模型,实现了对道路交通安全专家知识和经验的提取和存储.仿真实例验证了基于人工神经网络的道路交通安全综合评价模型的合理性和有效性.     

L-M神经网络算法在汽轮发电机组故障诊断中的应用

针对汽轮发电机组的故障诊断,采用Levenberg-Marquardt算法建立多层前向人工神经网络,采用改进算法训练网络,克服了传统BP算法收敛速度慢,易陷入局部最小的缺陷.就BP网络的不足,提出了一种改进的BP神经网络模型,并使用L-M算法用于汽轮发电机组故障的诊断.经理论和实践证明:该方法有效地提高了故障诊断的精度和可靠度,为旋转机械故障诊断提供了有效方法.     

样本复杂性估计算法优化神经网络结构

在神经网络结构寻优中,样本复杂性估计算法是期望在寻优之前先对问题的规模有所估计,进而根据规模给出一个结构,使之不用从最小结构开始一一尝试。频域分析及仿真实验结果均证明了此算法的有效性。     

桥梁断面静力三分力系数的人工神经网络识别

通过风洞模型试验得到了足够的样本，在此基础上利用MATLAB神经网络工具箱构造了2个BP人工神经网络；采用BR(Bayesian regularization)算法，比较了不同坐标系下的静力三分力系数的训练结果，得出4层网络比较有效且具有较高精度的结论．最后，提出了应用人工神经网络需要注意的问题。     

基于遗传算法和神经网络理论的机场航空业务量的预测模型

航空业务量预测是机场规划的基础。常用的预测方法无法同时考虑较多的影响因素,预测结果的精度较低,缺乏客观性。本文运用遗传算法和神经网络理论,综合考虑GDP增长率、人口增长率、进出口总量等因素对航空运输市场的影响,得出一种较为完善的航空业务量的预测模型。     

基于人工神经网络的软土沉降预测分析

依据人工神经网络较强的非线性映射能力和学习能力,提出基于人工神经网络的软土地基最终沉降量的预测新方法。本方法利用实测资料直接建模,可避免传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高、简便易行,因而具有广泛的工程价值。     

基于RBF人工神经网络的空间插值

根据RBF网络能以任意精度逼近任意函数这一特性,将RBF网络应用于空间插值,认定地表空间坐标的空间分布可以用一复杂的非线性函数模拟。该函数是由多种因素综合作用的结果,如果以各因素为输入、对应空间坐标值为期望输出,对网络进行训练可对地理要素的空间分布进行模拟。试验表明,神经网络应用于空间插值是可行的。