基于新奇检测技术的斜拉索状态评估

探讨了应用基于BP神经网络的新奇检测技术进行斜拉索状态评估的方法.通过对监测系统采集数据分析处理,生成训练神经网络需要的样本数据,按要求训练网络,建立了基于新奇检测技术的多阶段状态评估的神经网络模型,实现了斜拉索状态评估的两个阶段:状态预警、状态异常位置识别.状态异常位置识别采用逐步分区识别的方法,最终将损伤拉索的位置...     

基于加速度波形分析的轮胎运行特征提取和磨损检测方法

针对智能轮胎的实时磨损监测需求，提出了一种新型轮胎磨损检测方法，使用三轴加速度传感器集成设备对轮胎进行加速度波形采集，使用凯撒最大化正态方差法对加速度波形特征进行主成分分析，基于分析结果进行波形特征值提取与筛选，并通过误差反向传播（BP）神经网络对筛选后的特征值数据进行训练，实现轮胎磨损值的实时检测。最后基于实车检测数据进行了测试与对比，结果表明该算法能在较低的算力需求下，将磨损检测的平均误差降低到0.1 mm。     

基于智能轮胎系统的实时路面辨识技术

在复杂和极限工况下,路面附着系数是进行轮胎受力分析和车辆动力学控制的重要状态参数。相对于模型估计的方法,智能轮胎技术能够将轮胎与路面的交互信息反馈给车辆控制系统。本文提出了一种将智能轮胎系统和机器学习相结合的车辆路面附着系数获取方法。首先,考虑行驶工况环境进行传感器选型,开发基于MEMS三轴加速度传感器的智能轮胎硬件采集系统,并采用简化硬件结构的无线传输模式。其次,通过采集不同路面上的实车实验数据进行车辆实验收集机器学习训练的数据集,并分析轮地关系及信号特征。最后,将CNN与LSTM两者的优势相结合实现了对加速度时序信号的特征学习。通过与其它神经网络模型训练结果的比较,验证了所提CNN-LSTM双通道融合神经网络模型的有效性和准确性。本文提出的路面辨识方案实现了实时道路识别的目标,硬件与软件架构和神经网络模型更适合车辆系统搭载,为车辆运动控制提供了实时准确的路面信息。     

基于虚拟传感的轮胎压力监测系统

虚拟传感技术用于估计系统中不能或者难以直接放置传感器的位置处的物理量的大小。本文介绍以虚拟传感理论为基础的轮胎压力监测系统,从不同的角度建立相关参数的轮胎模型,利用ABS轮速传感器获取的轮速信号,通过相应的算法来间接实现对轮速的监测。分别运用有效滚动半径、扭转刚度以及纵向刚度等参量,通过不同的算法来监测气压的变化,并预测了今后发展的趋势。     

内嵌加速度计的智能轮胎纵/垂向力估计算法

本文中提出了一种基于胎内嵌入加速度计的智能轮胎方案和纵向与垂向轮胎力估计算法。首先设计了基于三轴加速度计的智能轮胎系统;接着搭建了实车测试平台并在典型工况下进行了实车试验;基于实车试验数据,提取了智能轮胎加速度信号的典型特征,结合轮速等影响因素,提出了基于神经网络的轮胎纵向力和垂向力估计算法。结果表明,所提出的算法可对轮胎力进行准确的估计,从而为车辆的稳定性控制系统提供有用信息。     

基于时序-神经网络的车辆变速器齿轮故障诊断

采用时序分析和BP神经网络，建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状念特征信号进行时序分析和特征向量提取，并以此作为BP神经网络的输入向量进行网络训练，从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中，能够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有效、可行。     

基于监测响应的斜拉桥车重车速识别

针对超载超速车辆的长期非正常运营引起桥梁损伤破坏现象,考虑桥面不平度的影响,通过车桥耦合计算,应用神经网络方法对通过斜拉桥的重车荷载识别进行了初步探讨。首先基于相似公路上实测车流统计模型拟定车流荷载,通过车桥耦合响应分析,运用数值模拟数据建立网络的训练和精度检验样本,并加入5%的随机噪声,通过检验组(车重和车速)数据识别结果的误差分布来评价网络训练精度,车重与车速输出误差在5%以内,表明网络训练精度较高。然后,依据斜拉桥健康监测系统,采用斜拉桥实际运营状态下的监测响应(索力和应变)提取车辆荷载作用特征参数并组成网络的输入向量,运用满足精度要求的神经网络来识别车重和车速结果较好。其中,车速分布近似均值65 km/h的正态分布,车重大多分布在10～70 t的范围内,10 t以下小型车辆识别误差较高。车速车重总体呈现负相关,分布具有一定离散性,以上特征与实际情况基本吻合。表明将BP神经网络法与斜拉桥监测系统相结合的方式进行重车车速车重识别是可行的。     

基于模态识别的波形钢腹板箱梁损伤位置研究

为解决波形钢腹板箱梁损伤识别和损伤定位问题,以上海塘大桥工程中波形钢腹板箱梁为研究对象,采用Ansys Workbench有限元建立波形钢腹板箱梁损伤结构计算模型,结合BP神经网络学习和重复训练功能,对波形钢腹板箱梁损伤前后的模态进行重复训练和计算,探索波形钢腹板箱梁损伤程度和位置与模态参数之间的变化规律。研究表明：波形钢腹板箱梁损伤后模态参数呈现下降趋势,不同程度和位置损伤后对模态参数影响存在一定的差异性,结构损伤程度与模态参数下降呈线性关系,训练后的BP神经网络对波形钢腹板箱梁损伤识别误差在3%范围内,验证了训练后的BP神经网络对波形钢腹板箱梁损伤识别的可靠性和准确性。     

基于轮胎扭转高阶频点的汽车胎压监测信号分析

轮胎气压的盈亏影响了汽车的安全性、经济性和操纵稳定性。胎压监测系统(TPMS)越来越成为汽车的标准配备。胎压监测系统主要有直接式、间接式和混合式三种。间接式胎压监测系统由于其没有额外的硬件支出、不影响轮胎动平衡特性而具有一定优势。本文分析轮胎扭转高阶频点,得出轮胎扭转高阶频点与胎压变化的相关特征,建立了间接式胎压监测算法,实现了根据单一车辆轮速信号进行轮胎欠压预报,为胎压监测系统的建立提出一种新方法。     

基于BP神经网络的中等跨径桥梁损伤识别探讨

针对中等跨径桥梁中的损伤识别不敏感问题,运用BP神经网络进行中等跨径桥梁结构损伤识别。利用MIDAS/Civil分别建立三跨连续变截面箱梁完好及不同损伤状态下有限元模型,分析桥梁不同状态下的特征值,发现中等跨径桥梁对结构损伤的敏感性依次为振型竖向位移固有频率;将参数化的结构固有频率及振型作为BP神经网络的输入、损伤位置和损伤程度作为输出进行神经网络训练,对各工况下损伤位置和损伤程度进行识别,发现识别效果较差,通过获取中等跨径桥梁的自身特性,利用BP神经网络难以识别结构损伤,需探索合适的损伤识别参数及适用于中等跨径桥梁的方法。     

高速工况下间接式胎压监测的影响因素研究与优化

为解决间接式胎压监测在车辆高速工况下性能波动的问题,通过车辆行驶动力学分析发现波动的主要因素为空气阻力,基于刷子轮胎模型对轮胎纵向力和滑转率进行建模,建立了胎压监测参数随车速变化的轮速信号补偿方程。采用CarSim和Simulink进行联合仿真,通过实车采样数据求解补偿方程的待定系数并计算高速工况下的信号补偿量,同实测数据进行对比,实际预测效果满足要求,提出的方法可以对高速工况下间接式胎压监测完成补偿。     

基于轮速特征的防抱死制动系统故障检测技术研究

比较了磁电式和霍尔式传感器最低测量轮速的影响因素,分析了控制软件最低计算轮速与采样周期的关系.明确了防抱死制动系统最低轮速的成因.基于单轮动力学模型研究了车轮在正常工况下角加速度及其变化率的物理限值.以最低轮速、轮角加速度及其变化率作为特征,设计了轮速在线故障检测算法,利用故障模拟试验对算法进行了验证,结果表明该技术可有效识别多种类型的轮速故障.     

基于BP神经网络的柴油机排气门故障诊断

介绍了BP神经网络的结构和算法,设计了一个适用于柴油机排气门故障诊断的3层BP神经网络.将4缸柴油机排气门存在故障的状态和其正常工作状态所对应的特征向量作为BP神经网络的输入样本进行训练,建立故障诊断库,并用此故障诊断库对输入的检验数据进行自适应分类识别,从而实现故障诊断.实验表明,该方法可行、适用.     

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.      

基于模态分析理论和神经网络的斜拉桥拉索损伤识别研究

将振动模态分析和神经网络技术结合起来,以振动模态构造的损伤标识量作为神经网络识别输入的特征参数,进行结构健康监测。根据云阳长江公路大桥设计资料,考虑桥梁拉索结构的单构件损伤、2个构件损伤、3个构件损伤3类损伤工况,分别采用了模态频率、位移振型模态、曲率模态3种指标作为神经网络的输入参数,共建立9个BP神经网络模型进行了桥梁损伤识别的研究。研究结果表明基于振动模态分析理论和BP神经网络的桥梁损伤识别方法可用于识别斜拉桥拉索结构的损伤位置和损伤程度。     

一种商用车胎压监测系统的标定方法

本文介绍一种适用于多轮商用车胎压监测系统的标定方法,通过胎压传感器标签设计、TPMS诊断系统开发,以及下线检测系统EOL的匹配开发,实现TPMS系统中轮胎ID、轮胎冷态压力、轮胎数量的自动写入,从而实现多轮胎压监测系统的标定,解决6轮及以上商用车胎压监测系统标定困难的问题。本方法只适用于直接式胎压监测系统。     

遗传策略粒子群优化的粗糙集神经网络在崩塌落石灾害风险评估中的应用

本文提出一种运用遗传策略粒子群优化的粗糙集神经网络的崩塌落石风险评估智能方法。首先利用基于邻域粗糙集模型的属性约简方法对样本数据进行属性约简,然后采用遗传策略对粒子群优化算法进行改良,用该改良后的优化方法替代传统BP算法来训练神经网络的权值和阈值,再用训练好的神经网络对崩塌落石风险进行评估。仿真结果表明:该方法降低了神经网络结构的复杂性,减少了网络训练时间,提高了预测精度。     

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。     

基于神经网络的大型悬索桥单损伤识别方法

文中采用BP神经网络对大型悬索桥结构进行了分组子结构法的单损伤识别分析,分析结果表明,分组子结构法能成功地将神经网络技术应用于大型悬索桥的单损伤识别,解决神经网络应用于大型复杂工程结构损伤识别难以训练成功的问题.     

基于DE-BP神经网络的桥梁损伤评估

在对桥梁损伤评估系统模型的基础上,提出了基于DE-BP神经网络的损伤评估方法。该方法引入差异演化算法(DE算法),通过对已有的桥梁损伤评估实例对神经网络进行训练,可使神经网络较好地表达评估结果与评价因素之间的关系。在网络学习过程中充分引入DE算法,避免了BP神经网络容易陷入局部最值及收敛慢的缺点,经该方法训练好的网络可以对实际桥梁进行评估。