汽车齿轮设计计算系统

介绍一种汽车齿轮设计计算系统的开发 ,提出用棒间距测绘齿轮参数的测绘思想及实现方法。     

汽车齿轮设计计算系统

介绍一种汽车齿轮设计计算系统的开发,提出用棒间距测绘齿轮参数的测绘思想及实现方法。     

提高汽车后桥齿轮使用寿命的新工艺

分析阻滞我国汽车质量赶超世界先进水平的后桥齿轮使用寿命短等技术问题,提出非常规碳氮复合热处理新工艺的解决途径,并介绍了该工艺的关键技术－热处理炉的结构与技术要求。     

基于知识熔接技术的汽车变速器齿轮的智能化设计

阐述了知识熔接技术的基本概念、技术内涵、基本理论及其在UG中的应用.综合利用UG/KF创成法、吸纳法和用户自定义特征构建了汽车变速器齿轮的智能化设计系统.该系统的开发方法对极重经验传承的汽车零部件产品开发具有借鉴意义.     

人工神经网络技术在汽车发动机研究中的应用现状

本文介绍了人工神经网络的基本概念，以及在发动机性能曲线处理，可靠性优化设计、电子控制技术、发动机故障实时诊断等方面的应用。另外，人工神经网络独特的结构和处理信息的方法，使其在发动机研究中的复杂高维非线性建模问题，可靠性分析等方面也有着良好的应用前景。     

汽车齿轮油的选择与使用

分析了汽车齿轮油的工作条件和使用性能,在此基础上提出汽车齿轮油的选择及使用注意事项。     

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。     

集成化模具CAPP的研究与开发

分析了汽车覆盖件模具的结构和工艺特点，提出了基于零件分组和面向工艺决策的特征描述方法；介绍了CIMS环境下的集成化模具CAPP系统。该系统采用特征信息与工艺规则相匹配的基于规则的工艺决策方法，以及按零件特征搜索相似零件工艺的基于实例的工艺生成方法。实现了工艺设计的自动化。作者以并行工程思想为指导，采用关键路线分析法来帮助工艺人员选择工艺方案，实现工艺设计与生产网络计划的集成，提高了模具工艺过程设计的柔性和生产过程的合理性。     

基于BP神经网络技术的居民机动车出行分布预测研究

以各交通小区区位势、路阻、出行产生量、出行吸引量作为输出参数,输出得到出行分布量.结果表明该模型具有较高的预测精度.     

基于BP神经网络的手写字符识别系统

基于BP神经网络对非线性系统辨识的通用性和自适应性等特点,构建了一个BP神经网络模型,增强了网络的自适应能力和学习能力,提高了网络的精度和收敛速度,并在此基础上开发出一个高效准确的手写体字符识别系统.     

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.     

基于多尺度分析与神经网络的交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量随机因素影响大、非线性强、规律性不明显的特征;采用小波多尺度分解的方法,将含有综合信息的时间序列分解为多个分量特征不同的时间序列,然后采用神经网络对各个分量分别进行预测,最后用实测数据进行了验证分析。结果表明,基于多尺度分析与神经网络预测模型比单神经网络预测模型预测精度高,可用于交通流的实时动态预测。     

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.     

基于多尺度分析与神经网络的交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量随机因素影响大、非线性强、规律性不明显的特征;采用小波多尺度分解的方法,将含有综合信息的时间序列分解为多个分量特征不同的时间序列,然后采用神经网络对各个分量分别进行预测,最后用实测数据进行了验证分析。结果表明,基于多尺度分析与神经网络预测模型比单神经网络预测模型预测精度高,可用于交通流的实时动态预测。     

基于人工神经网络预测的汽车安全气囊系统点火控制算法研究

对安全气囊点火时刻的准确控制是气囊系统起到保护乘员作用的关键技术.点火控制算法是实现气囊适时准确点火的手段.本文提出了一种基于人工神经网络的汽车安全气囊点火控制算法.算法构造了一个三层人工神经网络,利用碰撞发生时的减速度信号和乘员重量为输入信号,其输出信号为乘员的头部位移,作为气囊触发的一个依据.     

������������֯������Ⱥ�Ľ�ͨ��Ԥ��

为了提高城市交通流预测神经网络方法的快速动态学习能力,提出了一种生长自组织神经网络群,将复杂的神经网络个体分解为多个训练简单的神经网络群组,并利用设计的动态生长自组织算法来避免神经网络在学习新知识的时候对已有知识造成破坏,同时保持整个群工作的高效稳定,规模不过度扩张.该神经网络群尝试解决神经网络的一次性学习问题,具有动态知识增殖学习能力和更强的错误自修复能力及系统适应灵活性.仿真结果表明,这一方法能够更精确地实现函数逼近和城市交通流自适应动态预测,适用于需要不断快速动态学习的复杂系统.     

基于BP神经网络的集装箱船舶配载问题研究

针对集装箱船舶对配载的快速性、高效性需求,根据BP神经网络对历史数据的分析,结合集装箱船舶的特性深入研究集装箱智能配载方案.基于集装箱船配载图和各卸货港信息等历史数据,通过BP神经网络对历史数据进行训练优化,挖掘其中规律,从而快速生成对各类集装箱合适的配载位置,优化装船作业,提高集装箱船舶配载效率,达到节约成本的效果.最后采用实船数据进行测试,仿真结果与实际配载结果差异率不大,说明该研究方向对于集装箱配载方案优化是有效的.     

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．