神经网络理论在汽车上的应用

神经网络理论的ＢＰ网络模型在汽车驾驶员建模，轮胎力学建模，悬架控制等方面的应用；应用神经网络理论解决汽车中的非线性问题。     

电喷汽车发动机容错控制研究

电喷汽车发动机的容错控制对于改善汽车发动机的排放、经济性有重要作用.针对传统的失效保护功能的缺陷,提出使用基于改进BP神经网络算法的主从神经网络建立某型电喷发动机的容错控制模型.仿真实验表明了该方法的有效性.     

面向混合动力汽车的LPG发动机神经网络建模方法研究

在对LPG(Liquefied Petroleum Gas,液化石油气)发动机进行实机测量和试验数据采集的基础上,利用GT-power软件,建立了LPG发动机仿真模型,该模型输出的扭矩和功率仿真值与试验值最大误差不超过3%;利用该仿真模型对发动机的动力性进行计算,运用BP神经网络模型对计算结果进行Matlab/Simulink建模。计算结果显示,神经网络模型的相对误差均方根值为0.032 1,而插值法的相对误差均方根值为0.057 0,可见LPG神经网络模型优于插值模型,该神经网络模型可以进一步应用于气电混合动力汽车控制策略的研究。     

基于神经网络的发动机稳态模型研究

发动机稳态模型是研究汽车动力传动系统的基础。利用神经网络具有高度非线性的特点建立了发动机稳态模型，即发动机稳态工况下扭矩、油耗与油门开度以及转速之间的关系，并以桑塔纳２０００型电喷发动机为例进行了说明。     

非线性辨识中的一种模糊神经网

基于ＢＰ算法，提出１种用于非线性辨识中的模糊神经网络ＦＢＰ，并用ＦＢＰ对非线性的随机函数进行了学习。显然ＦＢＰ算法比ＢＰ算法跟踪精度高，且学习速度有所提高。     

基于BP神经网络的立交匝道布线方法

本文就ＢＰ神经网络对给定的线形设计知识的表达，联想记忆和网络结构进行了研究，提出了立交匝道布线的ＢＰ神经网络方法，或形象地称为“Ｐ→ＲＡＬ”映射算法，提高了立交ＣＡＤ系统自动化和智能化水平。     

479Q汽油机电控参数标定研究

利用AVL PUMA OPEN汽车动力测试台架对479Q发动机进行稳态电控参数的标定。为了寻求ECU与发动机的最佳配合,利用神经网络建立电控参数预测模型,通过对神经网络模型进行训练预测出稳态工况下发动机连续的ECU控制参数,并进行检验。研究结果表明,该预测模型具有较强的泛化能力,能够准确地预测出发动机电控参数。     

关于汽车液压减振器神经网络模型建立的探讨

本文主要探讨了采用ＢＰ网络建立汽车液压减振器调试模型的理论和方法，并通过模拟国产轿车的速度特性证明其可行性，经对比表明该模型模拟精度提高明显，实用性强且容易控制和拓展。     

基于神经网络的我国汽车保有量建模与预测

利用改进ＢＰ神经网络对我国２０００年、２００５年、２０１０年的汽车保有量进行预测，并与灰色预测的结果进行对比，结果表明，结果表明，由于神经网络具有有很强的学习与活化能力，在处理具有一定程度不确定的非线性系统的建模与预测方面有较好的应用价值。     

神经控制在汽车发动机转速控制中的仿真研究

利用神经网络很强的逼近非线性函数的能力，结合汽车发动机转速控制的特点，提出了3种神经网络发动机转速控制方案。并对这些设计方案进行了计算机仿真，对仿真结果进行了分析对比研究。仿真结果表明神经控制是解决汽车发动机转速控制问题的有效方法之一。     

基于BP网络的故障诊断正向推理方法

针对传统的故障诊断正向推理方法的局限性 ,对基于BP模型的神经网络故障诊断正向推理方法进行了研究。建立了用于故障诊断的BP神经网络模型 ,并给出了故障诊断的正向推理过程。利用汽车发动机点火系统的故障实例验证了基于BP模型的神经网络故障诊断正向推理方法的有效性和可行性。     

汽车四轮转向非线性系统的神经网络控制

考虑了轮胎的非线性特性，引入Magic Formula建立汽车非线性力学模型，利用前向BP神经网络来辨识该非线性模型，并利用另一个神经网络进行PID参数的整定，进行离散控制系统和控制算法的设计，有效地提高了汽车四轮转向的稳定性。     

基于混沌神经网络的混合动力汽车状态切换协调控制策略研究

针对并联混合动力汽车在发动机和电动机工作状态切换过程中非线性动力耦合系统工作状态所具有的混沌特征,提出了基于混沌神经网络的混合动力汽车状态切换协调控制策略。建立了协调控制总体模型构架,设计了混沌神经网络工作状态识别器,并通过试验对该识别器的准确性进行了验证。在此基础上搭建了协调控制系统整车控制模型,针对协调控制策略进行了仿真试验。结果表明,采用该控制策略能够有效提高整车动力性、燃油经济性与SOC平衡性,实现了对状态切换过程的协调控制。     

神经网络多重模型在内燃发电机组配电系统故障诊断中的应用

将神经网络理论应用一发电机组故障诊断，以ＢＰ算法为基础，建立了故障诊断系统，对同发电机组配电系统的常见故障进行了数值模拟，诊断结果精确，表明该方法能够用来解决非线性系统的故障诊断问题。     

基于BP神经网络的电喷发动机故障诊断研究

文中研究了BP神经网络用于电喷发动机故障诊断的方法,用来自真实测量的数据建立了神经网络故障诊断模型。以桑塔纳2000(GSI)轿车AJR型发动机怠速不稳故障为例,通过V.A.G1552汽车故障诊断仪测量出所需的数据流,在MATLAB环境下,对电喷发动机怠速不稳的两种故障原因进行故障模式识别和诊断。     

神经网络软测量技术在汽车发动机排放中的应用

由于汽车排放污染物CO难于进行实时测量，章提出了排放污染物软测量的概念，建立了汽车排放污染物CO的神经网络软测量模型，该模型可在没有专用的汽车排放仪器时进行CO的排放值的测量，也可用于CO的实时控制。     

车用发动机故障综合智能诊断方法研究

提出了用模糊神经网络代替模糊推理并与规则推理相结合的新的诊断实用技术,给出了一个汽车发动机的诊断实例。结果表明该方法有效,具有工程应用前景。     

基于动态规划与RBF神经网络的PHEV能量管理策略

为提高插电式混合动力汽车燃油经济性,设计了一种基于动态规划和径向基函数（RBF）神经网络的插电式混合动力汽车能量管理策略。首先,建立了插电式混合汽车数学模型;其次,以发动机油耗最小为目标函数,采用动态规划求解全局最优的离线优化结果;最后,采用RBF神经网络对离线最优控制结果进行学习,建立了发动机输出转矩与车辆状态参数之间的非线性映射关系,得到了基于动态规划和RBF神经网络的能量管理策略。仿真结果表明,文章所提策略油耗较之于电量消耗-维持策略降低了2.92%,验证了该策略的有效性。     

基于神经网络的油田注水动态预测

将神经网络应用于油田注水开采系统的动态指标预测。应用某油田１９８１－１９９３年１３年开发系统典型因素历史数据，对建立起的ＢＰ网络模型进行训练。训练后的网络既能准确地拟合历史数据，又能较精确地预测油田动态指标。     

基于神经网络技术的故障诊断专家系统的研究

针对基于符号处理的专家系统的局限性提出了将神经网络技术引入故障诊断专家系统的思想，并对基于神经网络的专家系统的原理进行了深入探讨。最后，给出了一个基于三层ＢＰ网的点火系故障诊断专家系统的实例。