基于小波神经网络的路面破损识别

结合图象处理、模式识别等先进技术开发路面破损自动检测系统已经成为本领域的研究热点[1-5]。本主要研究了小波神经网络在路面破损识别中的应用，并与传统的BP神经网络作了对比。试验结果表明．在相同的训练样本情况下，小波神经网络的精度高于BP神经网络一为开发更为高效的路面破损自动检测系统提供新的思路。     

SOM-BP神经网络在机械故障诊断中的应用研究

从信息融合的角度出发,以自组织特征映射网络SOM和误差反向传播网络BP为理论基础,提出了SOM-BP神经网络模型,引用某内燃机燃油系统故障及其相关参数作为训练样本建立诊断模型。通过仿真试验,验证了SOM-BP神经网络在机械故障诊断中的正确性和精确性。     

基于神经网络的发动机动态模型的研究

本文从制定自动换挡规律的应用角度出发，分析了发动机动态特性的决定因素，完成了桑塔纳2000电喷发动机动态试验，通过对大量试验数据的反复学习，建立了基于神经网络的发动机动态模型，为实现发动机与传动系共同工作的最佳匹配奠定了基础。     

刚性路面基垫层材料参数及结构试验研究

通过高速公路试验路段的铺筑检测，在几种典型半刚性材料系统试验成果基础上，提出了刚性路面基垫层材料参数建议值，介绍了新型基层材料的力学特性及工艺参数；提出了基层当量回弹模量与回弹弯沉值之间的相关统计公式。     

路面摩擦特性预测研究

本次研究基于路面抗滑特性的预测问题,运用道路摩擦系数测试仪在公路上进行路面摩擦系数测试试验,并对试验结果进行分析,提出了路面摩擦系数的影响因素。应用广义回归神经网络分析方法,以影响因素为分类标准,确定了摩擦系数预测模型的分类,建立了基于广义回归神经网络的路面摩擦系数预测模型,并通过60组试验数据对网络模型进行了训练,利用6组实验数据进行预测结果对比。结果表明,模型预测值与实测值的平均误差为3.0%左右,模型预测结果与实测结果吻合,所构建模型是正确的,且具有较高的精度;此外还通过实车进行了汽车制动试验,并根据试验结果与模型预测结果对比,为交通事故分析中计算事故车速提供依据。     

基于遗传-径向基函数神经网络的公路隧道围岩定级方法

围岩分级准确与否直接关系到隧道的施工安全和工程造价。针对现阶段围岩分级方法存在的主要问题,结合宁绩高速公路隧道群施工期围岩定级实践,以国标BQ分级为基准,在大量现场测试和室内试验的基础上,引入径向基函数神经网络,并以分级结果作为遗传-径向基函数神经网络的训练样本,建立了隧道围岩分级的遗传-径向基函数神经网络模型。应用实例表明,该模型分级结果与现场勘测基本一致,为隧道围岩分级提供了一种新方法。     

基于卷积神经网络的汽车操纵稳定性试验类型识别方法

针对汽车操纵稳定性试验评价指标自动化处理需要自动识别试验类型的需求，提出一种基于卷积神经网络的汽车操纵稳定性试验类型自动分类方法。在分析汽车操纵稳定性试验类型数据图像特征的基础上，建立了由1个输入层、3个卷积层、3个批归一化层、2个最大池化（Max-pooling）层、5个线性整流函数（ReLU）层、3个全连接层、2个活化（Dropout）层、1个激活函数（Softmax）层和1个分类输出层组成的汽车操纵稳定性试验类型分类卷积神经网络模型。利用2 250组试验采集的数据对模型进行了训练和验证。经验证，类型分类准确率为99.33%，平均识别时间为0.05 s。结果表明，本文提出的基于卷积神经网络的汽车操纵稳定性试验类型自动识别方法可有效区分不同试验类型，可用于汽车操纵稳定性试验结果的自动处理，显著提升汽车操纵稳定性试验自动化处理水平。     

粒料对沥青混凝土性能之影响

本研究针对不同粒料型态与组构之SMA沥青混凝土粒料进行稳定值试验、间接张力试验、回弹模数试验与轮机试验，并利用影像分析技术评估车辙试验前后粒料长轴角度变化，藉以评估不同型态与组构对铺面抗车辙能力之影响以及SMA沥青混凝土粒料联锁机制。     

干喷混凝土的回弹状况试验

不论采用何种喷射混凝土方法，在整喷射射中都会产生回弹。实际上这种状况是不可避免的，也是喷混凝土的一个典型特征。所作的试验是采用湿骨料和喷混凝土专用水泥的新工艺进行的。     

级配碎石回弹模量试验方法研究

在分析现有6种级配碎石回弹模量试验方法所存在的问题及原因的基础上,提出了一种新的级配碎石回弹模量室内试验方法——有侧限顶面法,推导了侧限修正系数公式和对侧限变形引起的误差进行了分析;并与室内承载板法进行了对比试验。     

基于粗集和神经网络耦合的短时交通流预测

比较分析神经网络和粗糙集在数据处理过程中的各自优缺点,提出一种基于二者强耦合集成方式的短时交通流预测模型。首先利用粗集对获取的交通流数据进行预处理,简化神经网络训练样本数据集并通过粗集属性约简提取决策规则;其次,利用所提取的规则直接确定神经网络的隐层数、隐层节点数及节点的相互关系;最后训练神经网络用于短时交通流预测。通过与单纯利用神经网络预测的结果进行比较,发现该模型降低了网络训练时间,提高了预测精度。     

基于GA-BP神经网络的汽车空气阻力系数预测研究

针对整车空气动力性能开发中数值计算耗时长的问题，提出一种基于GA-BP神经网络的汽车空气阻力系数预测方法。将汽车部分特征参数作为输入变量，经外流场仿真得到的空气阻力系数作为输出变量，获取数据集。采用遗传算法对BP神经网络进行参数寻优，最终建立基于遗传算法的BP神经网络模型，验证不同训练集数量对模型预测精度的影响。结果表明，GA-BP神经网络在训练样本较少时也能维持较高的预测精度，可用于汽车空气阻力系数的快速测。     

基于遗传神经网络的高速公路纵坡运行速度预测方法研究

车辆运行速度预测取决于多因素、非线性函数关系的建立,预测模型建立的准确与否取决于各个影响因素之间的相互作用的特性。将遗传算法与神经网络有机结合起来,以高速公路上的实测运行速度为基础,建立遗传神经网络训练和检验样本集,利用Matlab7.04的神经网络工具箱和遗传算法工具箱的函数,完成程序的编写,建立基于遗传算法的高速公路纵坡路段运行速度(V85)的神经网络预测模型,并将预测结果与实测数据进行比较。结果表明:所用遗传神经网络模型可靠,预测精度高,对我国采用运行速度的路线设计方法和线形质量评价有较高的参考价值。     

水上交通流冲突严重度BP神经网络评价方法

目前的水上交通流评价方法在评价指标关系模糊、来源不清等情况下难以运用,且主观性较强,存在评价结果严重偏离实际的情况,忽视了客观性不足的问题.为降低专家主观性对水上交通流冲突严重度评价的影响,基于BP神经网络建立评价模型,并通过网络训练进行函数比较,确定最符合模型设定要求的Trainlm函数,以及精度与迭代次数.由于数据的差异性会对BP神经网络的训练效率和评价精度造成影响,基于聚类分析与BP神经网络建立新的评价模型,将训练数据按照欧几里得度量进行归类开展神经网络训练,分别对水上交通流冲突严重度进行评价.运用9个水道数据为例对模型进行验证,通过比较聚类分析数据与未处理的原始数据在BP神经网络中的评价结果,发现评价结果平均误差从42.05%降低到23.74%,进一步验证了BP神经网络在该领域的可行性.评价模型利用聚类分析与BP神经网络相结合的方法,不仅客观性较强,而且与单一使用BP神经网络的模型相比提升了评价精度.      

神经网络模型在高速公路软基沉降预测中的应用

借助人工神经网络模型 ,建立了可依据现场量测信息对软基路堤沉降量随时间而发展的过程进行动态预报的分析方法。其要点是 :建立公路软基沉降预测的神经网络结构 ,并将前期沉降观测值作为样本 ,通过神经网络结构的训练寻求沉降及其主要影响因素的内在关系 ,据以预测后期沉降量     

基于BP神经网络的富水砂层渣土改良试验效果预测

在地铁隧道建设过程中，渣土改良效果是影响盾构掘进速度的关键因素。为确保盾构顺利掘进，以坍落度试验、渗透试验和电阻率测试的结果作为数据样本集，根据深度学习领域常用的数据划分方法将训练集、验证集和预测集按照6∶2∶2进行划分，基于BP神经网络建立渣土改良效果的预测模型，对南昌地区富水砂层进行渣土改良效果预测，并将预测值和实际值进行对比分析。研究结果表明： 坍落度、渗透系数、内摩擦角在模型学习过程中的平均预测值分别为1728 mm、3355×10-6 cm/s、216°，相对误差平均值分别为176%、453%和360%； 预测集的输出结果与实测值的部分数据重合，三者的平均误差均在5%以内，可决系数R2值分别为088、090和085，表明该神经网络结构属于高精度模型。预测结果的误差均在现场渣土改良的允许误差范围内，可见BP神经网络模型能够对渣土改良的效果进行精准预测。     

基于卷积神经网络的锚杆锚固质量评估方法

锚杆的锚固质量通常使用声波反射法进行检测，然后使用人工方式对其进行分析和分类，但人工方式不仅具有较强的主观性，而且还费时费力。为解决上述问题，提出一种基于Alexnet卷积神经网络的锚杆锚固质量评估方法。首先，对已经经过人工分类的声波反射信号进行预处理，得到原始样本数据，并将其按一定比例划分为训练集和测试集； 然后，用该样本数据训练卷积神经网络模型并进行分类测试。试验结果表明： 1）该预处理方法极大地提高了最后分类的准确性，样本数据集达到了约90%的准确率； 2）在实际工程应用中，与人工分类结果相比，采用该方法得到的分类结果认可度达到95%。     

基于静力试验的大跨钢管拱桥承载力的模糊神经网络评价

在深入研究现有桥梁结构承载力评价方法的基础上,把模糊理论与人工神经网络技术结合起来应用于大跨度钢管混凝土拱桥的承载力评价.建立了模糊神经网络评价模型,通过样本训练,获取评价专家的经验知识和直觉思维.经实际工程检验,评价结果直观简单,较好地反映了在役桥梁结构的承载力状况.     

并联混合动力汽车的发动机转矩估计

提出采用神经网络对发动机转矩进行估计的方法,以发动机台架性能实验所得数据为基础,在Matlab中建立了多种类型的神经元和层数的发动机输出转矩模型.在网络模型的建立过程中,提出了一种新的训练方式,通过对不同模型的训练及结果分析,筛选出了估计精度和泛化能力都较为理想的模型,并以此模型进行了实际的转矩估计,取得了较满意的效果.