面向ARM平台的自标定驾驶员疲劳检测方法

提出了一种面向进阶精简指令集机器(ARM)平台的自标定驾驶员疲劳检测方法。对驾驶员不同身高、体型及车内摄像头不同位置,采用驾驶员初始姿态自标定方法;采用改进的基于深度学习的多任务卷积神经网络(MTCNN),提取人脸识别和特征点,以得到头部姿态、眼睛、嘴巴运动等信息;基于操作员序列的深度卷积神经网络,来判断驾驶员的疲劳状态等级。实验了驾驶员疲劳检测方法。结果表明:相对于没有标定,采用本驾驶员自标定的方式,识别准确性提高了15%,采用MTCNN方法和ARM NEON加速技术,在“全志H5”、“树莓派”和Android手机上,运行速度分别是200、150、140 ms,提高约50%。因而,该检测方法,既提高了系统鲁棒性,也满足实时需求。     

基于人工神经网络的路面维修养护的识别

由于水泥砼路面病情机理的复杂性 ,因而难以得到一套精确、实用的路面病情识别依据。文中通过对神经网络分类功能及高速公路路面病情的分析 ,提出了利用自组织竞争神经网络进行模式分类的方法     

基于改进BP神经网络的智能车纵向控制方法

针对传统PI控制在车辆速度跟踪过程中参数固定且不易整定的问题,提出了一种基于改进BP神经网络的智能汽车纵向控制方法。分别构建驱/制动模式下的BP神经网络,针对BP神经网络初始参数选取困难及反向自学习存在梯度消失等问题,利用粒子群算法和批处理归一化方法对BP神经网络进行改进,最终实现PI控制参数的动态自整定。通过Carsim/Simulink联合仿真与实车测试对该方法进行了验证,结果表明：相比于传统PI控制,所提出的纵向控制方法在实现基于误差快速调整参数的同时提高了车辆纵向控制精度。     

基于时空特性和RBF神经网络的短时交通流预测

针对实际交通流变化具有较明显的动态性、周相似性和相关性,提出一种基于交通流的时空变化特性和RBF神经网络的短时交通流预测方法。该方法充分挖掘和利用了交通流时间序列的周相似性和相关性,以及相邻路段上交通流的相互影响因素,结合RBF神经网络自学习、自组织、自适应功能和大范围的数据融合特性对交通流进行短时预测。用实例进行了仿真计算和分析,结果表明该方法能够提高交通流的预测精度。     

神经网络在高速公路网综合评价中的应用

应用多层次分析法和神经网络模型,对高速公路网评价指标及综合评价方法进行了研究。建立了适用于高速公路网评价的四大类评价指标;针对定量和定性指标特性分别采取不同的无量纲化函数对其进行无量纲化处理;通过神经网络建模思路及网络模型分析,结合高速公路网评价特点及评价指标个数,建立了三层前馈神经网络综合评价模型。经在江苏省第二轮高速公路网规划评价中进行实际应用分析,结果表明选取的评价指标科学合理,神经网络综合评价方法克服了其它综合评价方法的随意性缺陷。     

高速公路智能交通控制系统的建模及多层描述

本文提出将神经网络和模糊推理用于高速公路交通控制系统的建模及多层描述的一般性方法和框架，其主要思想是：利用神经网络及其他智能方法建立高速公路稳态和动态模型，在此基础上结合交通系统的特点提出改进的多层描述方法，即把高速公路交通系统控制问题分为自组织层，最优化层和调节层，试图解决传统方法在高速公路交通系统的分析，建模和控制中遇到的问题。     

基于神经网络的虚拟基准站自差分GPS定位的研究

提出了一种适合于铁路和公路固定线路的虚拟基准站自差分GPS定位的方法，讨论了建立动态虚拟基准站的方法及基于神经网络的虚拟基准站的结构，并对这一神经网络进行了训练。实验表明，系统的定位精度得到了提高，也有较强的动态跟踪能力。     

基于径向基函数神经网络的GPS高程转换方法

针对GPS高程与正常高程的转换问题，给出了基于径向基函数（Radial Basis Function，RBF）神经网络的模型。该模型隐含层选用Gauss函数作为基函数，学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真，结果表明，用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播（Back-Propagation，BP）神经网络方法转换GPS高程的精度进行了比较，虽然两种方法的结果相近，但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见，RBF神经网络方法用于转换GPS高程是可行和有效的。     

模糊神经网络在发动机怠速控制中的应用

讨论了发动机怠速控制方法,对用模糊控制，BP神经网络控制方法进行了深入研究，给出了模糊控制和PID调节在怠速控制上的对比及BP神经网络用于学习模型控制器的输入与输出之间的函数关系，以取代模数控制规则表。在BP网络的训练过程，采用了自调整的学习算子以加速收敛，并给出了仿真结果。     

基于时间序列ACO-BP神经网络在基坑变形预测中的应用研究

BP神经网络技术因其良好的非线性动力学特性、函数逼近能力、自组织和自适应能力,已广泛应用于基坑变形预测中。但实际应用过程中发现BP神经网络具有收敛速度慢、初始权阈值对计算结果影响较大,且易陷入局部最优等缺陷。采用引入具有启发式寻优、全局优化特点的蚁群算法优化BP神经网络,对基坑变形进行预测,并与BP神经网络进行比较。结果表明:ACO-BP神经网络模型预测基坑变形可行;预测精度高于BP模型,且结果稳定、速度较快、误差满足工程的要求。     

大跨度桥梁施工控制中的神经网络方法

神经网络是一种模拟人脑结构和功能的信息处理系统，介绍将神经网络方法用于大跨度混凝土桥梁施工控制中，对桥面预拱度偏差进行预测。实例表明：神经网络利用实测样本的自学习功能，对桥梁施工拱度有较好的预测精度。     

BP神经网络在轮胎气压监测系统自学习匹配中的应用

提出了一种基于BP神经网络的轮胎气压监测系统轮胎换位自学习匹配方法。该方法基于间接式轮胎压力监测系统和轮胎受力特性对换位后的轮速信号特征进行分析,运用BP神经网络识别轮胎换位方式。通过采集轮胎换位后各车轮轮速数据对BP神经网络进行训练,从而实现神经网络对轮胎换位的准确识别,使得TPMS在无人工干预下可自行识别轮胎换位状态。道路试验结果表明,完成训练后的网络可实现对未换位、交叉换位、前后换位和循环换位的有效识别,准确率达97.52%。     

基于模糊神经网络的智能汽车轨迹跟踪研究

在研究传统动力学模型和预瞄模型的基础上,基于神经网络和模糊控制的理论,设计了一种轨迹跟踪控制器。利用神经网络的自学习和自调整特性,并结合模糊控制,分别设计神经网络对自车车速进行预测,并将其输出和侧向偏差等参数作为模糊神经网络的输入,控制转向盘转角。最后基于CarSim和Matlab/Simulink软件进行联合仿真,并进行实车试验,验证了所设计控制器的有效性和精确性。     

基于广义回归神经网络的路基沉降预测

为了对路基沉降变化规律进行预测,避免发生工程事故,提出了将广义回归神经网络模型应用于软土地基沉降预测中的方案。通过广义回归神经网络的基本理论和概念,采用实际工程数据,用BP神经网络方法和广义回归神经网络方法进行了预测分析,比较了2种方法的3组预测结果。工程实例预测结果表明,广义回归神经网络方法的均方误差和决定系数表现都优于BP神经网络方法;证明该方法是可行且有效的。     

基于遗传算法优化神经网络的纸坊隧道初始地应力场拓展分析

遗传算法具有较强的全局搜索能力,神经网络具有自学习能力,结合神经网络和遗传算法,可以充分利用两者的优点,使新算法既有神经网络的学习能力和鲁棒性,又有遗传算法的强全局搜索能力。初始应力场和待定因素之间的关系往往比较复杂,而基于遗传算法优化神经网络可以容易地确定出初始应力场和待定因素之间的非线性映射关系,将该方法用于纸坊隧道初始地应力场的拓展分析研究,获得了很好的效果。     

干道交通状态识别及演变机理研究

为减少城市交通拥挤、避免交通瘫痪、保障出行安全,在综合分析交通信息采集技术、交通状态识别、交通状态演变研究现状的基础上,对干道交通状态识别及演变机理进行分析,建立适用于精细化交通管控的城市道路交通状态识别及预测框架,主要包括基于深度学习结合视频跟踪算法提取交通参数、基于路段单元运用堆叠式稀疏自编码结合K-均值聚类对车道和路段交通状态进行精准判别、基于LSTM循环神经网络与3D-CNN卷积神经网络对交通状态进行预测;最后提出干道交通状态识别与预测面临的挑战和研究方向。     

隧道施工安全评价模糊神经网络技术应用研究

针对高速公路隧道施工系统的安全评价问题,将模糊理论与神经网络相融合,研究建立了一种模糊神经网络评价模型。阐明了评价系统的工作原理及实现方法。利用历史样本数据对网络模型进行学习训练和测试,工程实例结果显示,评价精度满足工程应用要求。该评价模型具有对环境变化的自学习能力,对权值进行调整,动态地评价公路隧道施工系统的安全状态,是公路隧道施工安全评价方法中的一种新的评价方法。     

基于粒子群优化神经网络PID控制的车道保持系统研究

提出一种基于粒子群优化神经网络PID的车道保持控制方法。首先搭建车路模型和EPS(Electric Power Steering,电动助力转向系统)模型;然后建立粒子群优化神经网络PID控制器,利用粒子群算法优化神经网络的初始权值和阈值,提高神经网络算法的收敛速度和精度,优化后的神经网络算法在线调整PID控制器的3个参数比例Kp、积分Ki、微分Kd,输出最优组合;最后,进行车道保持硬件在环试验,试验表明:相对于常规PID控制和神经网络PID控制,在粒子群优化神经网络控制下,车道保持系统的跟踪精度和稳定性都更高。     

基于神经网络的桥梁施工控制研究

将神经网络方法结合Matlab用于处理大跨度预应力混凝土连续梁挢施工控制中的箱粱线形控制的误差预测和调整。由于受诸多因素影响,标高的实测值与理论计算值有一定的差异,只有通过前期预测和后期调整相结合,才能保证成桥实际状态同设计要求一致。神经网络可利用实测样本的自学习达到到此目的。应用实例表明神经网络法的预测精度高,这对同类桥梁的施工控制具有一定指导意义。     

BP神经网络在道面土基模量取值中的应用

论文提出了建立土基模量神经网络库的设想;给出了用BP神经网络确定水泥混凝土道面土基模量的方法和步骤;建立了反映西北黄土地区粉质亚粘土土基模量与其主要影响因素之间的非线性映射关系的BP神经网络,并用该网络进行仿真计算。结果表明,用BP神经网络确定机场水泥混凝土道面土基模量是一种简便有效的方法。