基于MRA和AMFNN的交通流量预测

为了研究城市道路动态变化的交通流量，本文提出了在多分辨率分析(MRA)的基础上利用加乘模糊神经网络(AMFNN)进行预测的方法，并给出了交通流量的预测模型，同时，用实测的流量数据测试了模型的性能．仿真实验表明，采用基于多分辨率分析的加乘模糊神经网络非线性方法能够获得较满意的预测结果。     

用于振动噪声分析的模糊神经网络故障诊断测试仪的研制

以８０Ｃ１９６ＫＢ为核心，基于模糊神经网络的多功能便携式振动噪声分析仪对振动和噪声信号检测，在复数范围内进行１０２４点浮点快速付立叶变换，从而得到被测信号频谱图，通过对传统谱图分析，提出一种简单，有效的分析方法，并与神经网络和模糊理论相结合，用已建立的模糊神经网络对谱图进行模式识别或故障诊断。     

用B样条神经网络控制非线性系统的混沌运动

采用B样条神经网络，通过选取混沌系统不稳定周期轨道的不动点附近的数据作为参数扰动模型输入样本的学习，把该模型训练成神经网络混沌控制器，从而预测出混沌系统将来时刻的时间序列，获得控制混沌系统的扰动信号。用该扰动信号，将嵌入在混沌吸引子中不稳定周期轨道镇定到稳定的不动点处．通过对Henon映射的数值仿真实验，证明采用B样条神经网络控制非线性混沌运动是有效的．     

基于联合抗噪算法的滚动轴承故障诊断研究

轴承通常工作于复杂噪声环境下,使得时域振动信号容易受到各种噪声的污染,从而误导诊断结果。针对以上问题,提出基于一维卷积自编码(1D-DCAE)和一维卷积神经网络(1D-CNN)的联合抗噪故障诊断算法。为了模拟真实噪声环境,在原始振动信号中添加不同信噪比的高斯噪声,用1D-DCAE对原始信号降噪,再将降噪信号用于1D-CNN进行故障诊断。基于全卷积神经网络搭建1D-DCAE模型,并舍弃池化层以降低信息丢失,以提高联合诊断模型的抗噪能力。结果表明:采用基于全卷积网络搭建的1D-DACE有更好的降噪效果,改进后的模型能自适应诊断各种噪声环境下的故障。     

基于集成神经网络的刀具磨损量监测

提出了一种基于集成神经网络识别铣刀磨损量的监测方法．利用小波包变换将切削力和振动信号分解为不同频带的时间序列，从每个信号中选择与刀具磨损状态最相关的3组频段的均方根作为监测特征；通过信号的组合和不同子网络输出决策间的融合，集成神经网络输出刀具磨损的识别结果．试验和仿真分析表明，此方法能够满足刀具磨损量实时监测的要求．     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

BP神经网络收敛性问题的改进措施

BP算法现在已成为目前应用最广泛的神经网络学习算法，它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用，但存在收敛较慢问题．笔者在文中简述了BP算法原理，针对BP算法的收敛性问题，提出了几点改进措施。     

时滞Cohen-Grossberg神经网络的全局稳定性

为将神经网络应用于最优化问题的求解,对具有无穷时滞的Cohen-Grossberg神经网络平衡点的存在性、唯一性和全局渐近稳定性进行了探讨．在不假设激活函数有界性、单调性和可微性的情况下,得到了系统平衡点的存在性条件．利用向量Liapunov函数法,构造适当的含有无穷时滞的微分一积分不等式,并分析了微分-积分不等式的稳定性,得到了Cohen—Grossberg神经网络系统全局渐近稳定性的判据．通过判断由神经网络的权系数、自反馈函数以及激励函数构造的矩阵是否为M-矩阵,即可得到Cohen—Grossberg神经网络系统的全局渐近稳定性．最后给出了一个算例,以说明该判据的正确性．     

具有反应扩散的神经网络的稳定性分析

通过构造适当的平均Luapunov函数，利用M矩阵理论，研究了一类具有反应扩散的Hopfield神经网络的全局稳定性．在放松神经网络的激活函数的有界性、单调递增性和可微性的条件下，得到了神经网络的全局渐近稳定的条件．这些条件适合于神经网络的关联矩阵为对称或非对称矩阵、激活函数为非单调的情况．     

热敏电阻温度传感器非线性补偿方法

针对热敏电阻特性中的非线性问题,提出了利用BP神经网络非线性逼近能力对热敏电阻温度传感器进行非线性补偿。介绍了非线性补偿原理和网络训练方法,并且进行了MATLAB仿真,最后BP神经网络的逼近能力进行了一定分析。     

Additive—Multiplicative Fuzzy Neural Network and Its Performance

Introduction　　Kosko[1] hasprovedthatanadditivefuzzysystemcanapproximateanycontinuousfunctiononacompactdomaintoarbitraryaccuracy .AspointedbyWang[2 ] ,amultiplicativefuzzysystem ,whichisconstructedbyusingGaussianmembershipfunctionandcentroiddefuzzificati…     

高速列车轮轨噪声分析与控制

对高速列车轮轨噪声产生机理进行了理论分析，论证了钢轨振动产生的辐射噪声是轮轨噪声的主要成分；通过对模拟运行的高速列车轮轨噪声源的测试与分析，表明列车运行速度是影响轮轨噪声大小的主要因素之一，由此提出高速列车轮轨噪声控制的有效方法。     

基于小波和RBF神经网络的多传感器时间对准算法研究

提出利用小波降噪和RBF神经网络进行时间对准算法,该方法先对采集到的数据进行降噪处理,为下一步操作提供准确数据;然后利用RBF神经网络将不同传感器采集不同采样周期的数据对应到同一个时间点上,进行多传感器时间对准,为后面数据特征提取和数据融合提供高精度数据支持。通过仿真结果与其它方法的对比可得该方法运算速度快,具有数据修正能力和精确度高的特点,适用于多传感器的时间对准。     

高速列车司机室内气动噪声预测

为了降低司机室内的噪声,采用大涡模拟法计算了高速列车车头曲面的脉动压力,将脉动压力作为头车司机室有限元分析的激励载荷,通过谐响应分析求得司机室壁板的振动速度,将振动速度作为司机室声场边界元模型的激励条件,求出了司机室内的气动噪声在不同频率点的声压分布。计算结果表明:司机室内的声压级在52·3~58·8dB(A)之间变化,声压级较大点位于司机室前窗玻璃向车顶过渡处及纵向中截面型线附近,且在50~315Hz之间,声压幅值较大;司机室内的气动噪声主要是低频噪声,对纵向中截面型线采取更平滑的过渡形式,可降低司机室内的气动噪声。     

环形交叉口交通噪声预测模型

给出了环形交叉口交通噪声评价点位置，运用数学建模的方法，通过分析环形交叉口进口道及环道上车辆在噪声观测点处产生的噪声值，建立了环形交叉口等效交通噪声预测模型，井对模型进行简化。通过建立的模型表明，环形交叉口等效交通噪声主要受各种机动车流量及行驶声功率级、环道等效行驶线半径、噪声评价点分别至环道上等效行驶线及进出口道等效行驶线的距离、机动车在环形交叉口内行驶时的速度等因素的影响。最后，实际选取了一个环形交叉口，对交通噪声模型预测值和测量值进行了比较，并进行了统计检验。     

隧道中地铁车辆内部噪声分析

采用Artemis测试分析系统对隧道内运行的大连厂地铁车辆进行噪声测试,在地铁车辆内选择了六个测试点,通过对测试数据的分析、讨论.并对测试数据进行了分析,结果表明：地铁车辆运行时,车辆内噪声的最主要的噪声源是轮轨噪声.噪声级随着地铁车辆的速度的增加而增加.主频带一般都在315～5 000 Hz之间.低频率的声压级很小.研究地铁车辆内的噪声特性只需研究中高频声压级.     

高速铁路桥梁噪声预测方法的探讨

基于统计能量分析（SEA）的基本原理,将SEA法应用于高速铁路桥梁噪声预测之中,分析了SEA的基本原理与高速铁路桥梁噪声产生的关系,认为SEA方法是预测铁路桥梁噪声辐射可行的方法。并用SEA建立了铁路桥梁子结构的能量交换数学模型。     

高速铁路桥梁的低频噪声研究

根据结构的声辐射条件，导出具有耦合关系的有限元列式，然后分析计算了高速列车通过桥梁时各构件的振动响应，由此求得振动所诱发的低频噪声，进而示得声压随时间的变化规律以及声压频谱图，并分析产生噪声的主要原因，提出了预防与控制噪声的措施。     

微表处养护技术车内外噪声调查与分析

微表处作为一种经济、快捷、有效的路面预防性养护技术,在中国高速公路快速发展的今天,起着至关重要的作用。但在使用微表处时发现车内外噪声与热拌热铺沥青路面相比明显增大。为了解决该问题,对采用微表处养护技术的典型路段的车内外噪声进行调查,并对其变化规律及相关影响因素进行分析,以期指导以后的微表处的室内配合比设计和施工实践。     

凌津滩船闸输水廊道内流动噪声特性

凌津滩船闸为中水头单级短廊道输水船闸 ,本文就其原型观测资料分析了船闸在正常运行工况下输水廊道内的噪声特性 ,指出 ,在船闸正常运行工况下输水廊道各部位的噪声基本上均属非空化低频流动噪声 ,不存在伴随强空化出现的具有较大能量的高频成分 .