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。     

BP神经网络在土工合成材料蠕变预测中的应用研究

过对目前广泛应用于加筋土工程的土工合成材料-CE131土工网、SDL25土工格栅进行不同应力水平作用下的长期荷载蠕变试验,获得大量的实验数据.在此基础上,运用最小二乘和BP神经网络对其蠕变量进行预测.最小二乘原理是在曲线族中寻找一曲线去拟合实验数据,从得到的误差平方和σ=0.00116来看,其拟合精度较高.BP神经网络具有自适应学习和记忆能力,尤其是三层BP神经网络模型,所得预测值与实际值误差最大为0.91%,较最小二乘3.4%的误差改善了许多,该法为蠕变预测找到了一条新的途径.     

基于多因素的道路线形拟合方法综合评价

为研究不同道路线形拟合方法的优缺点,对道路改扩建工程线形拟合方法选择提供一定的指导,故选取了基于GPS数据的最小二乘法、基于MATLAB的半自动线形拟合法、三次样条曲线法3种拟合方法,对这3种方法进行多因素评价。提出了基于层次分析法的多因素评价体系,对3种方法的精度、稳定性、难易性进行了探究。结果表明:最小二乘法精度最高;样条曲线法最简便;稳定性方面基于MALTLAB的半自动拟合最强。最后利用层次分析法进行拟合方法评价,最小二乘法评分最高,基于MATLAB的半自动化拟合法是基于GPS数据的最小二乘法的61.05%,三次样条曲线法是最小二乘法的42.72%。     

BP神经网络在土工合成材料蠕变预测中的应用研究

通过对目前广泛应用于加筋土工程的土工合成材料-CE131土工网、SDL25土工格栅进行不同应力水平作用下的长期荷载蠕变试验，获得大量的实验数据。在此基础上，运用最小二乘和BP神经网络对其蠕变量进行预测。最小二乘原理是在曲线族中寻找一曲线去拟合实验数据，从得到的误差平方和σ=0．00116来看，其拟合精度较高。BP神经网络具有白适应学习和记忆能力，尤其是三层BP神经网络模型，所得预测值与实际值误差最大为0．91％，较最小二乘3．4％的误差改善了许多，该法为蠕变预测找到了一条新的途径。     

基于神经网络与最小二乘法的车道线检测算法研究

为提高车道线的检测精度和识别率,在构建新的道路模型基础上提出了一种基于BP神经网络与最小二乘法曲线模型的车道线检测算法。该算法运用具有方向性的线检测器对道路图像进行边缘检测,提取出道路边缘点;接着利用BP神经网络估计新的道路模型参数确定模型函数;根据新道路模型函数的上凸性,以函数最大值为分界点,分界点左侧为左车道线,右侧为右车道线,从而完成对左右车道线的检测;最后利用最小二乘法实现左右车道线重构。实验结果表明,所提出的算法的检测精度达到92.8%,适合多种道路状况下的车道线检测,具有较好的鲁棒性。     

车用汽油机瞬态空燃比的混沌时序非线性组合辨识模型

为提高汽油机瞬态空燃比的辨识精度,提出了混沌时序非线性组合辨识模型.采用2种单项辨识方法,包括最小二乘支持向量机(LS-SVM)及径向基函数(RBF)前向型神经网络,分别对瞬态空燃比时间序列进行建模与辨识.采用非线性组合方法利用BP神经网络对2种单项辨识方法的结果进行组合辨识,并与Elman神经网络模型及最小二乘辨识模型进行比较.结果表明:混沌时序非线性组合辨识模型的辨识精度优于Elman神经网络模型及最小二乘辨识模型,具有更强的非线性辨识能力,能提高瞬态空燃比的辨识精度,为空燃比反馈控制的成功实行提供了有力依据.     

基于支持向量机的沥青路面使用性能预测探究

在考虑模型的二次损失函数下,对传统SVM进行扩展开进,得到基于最小二乘支持向量机(LS—SV M)的回归模型,利用支持向量机(SVM)具有的泛华能力,通过非线性映射构建一个高维空间的最优超平面,来进行评价计算。通过对选取的样本的归一化处理,确定LS—SVM输入向量数量指标,引入拉格拉日函数进行变化,获得函数的对偶关系,从而在保证LS—SVM的训练速度和预测精度,快速寻找到模型的解。最后通过算例验证了模型在拟合过程和预测经过精度方相较于其他模型具有明显的优势,能有效满足实际工程应用需求。     

长大桥隧工程的GPS跨障碍高程控制

为解决长大桥隧工程GPS高程控制中障碍物两侧的高程基准不一致问题,提出了一种改进的GPS水准方法:首先由直接的函数拟合方法分别拟合障碍物两侧的似大地水准面,进而求得各自的地面垂线偏差;再根据天文水准原理,由两侧所求的垂线偏差计算跨障碍的高程异常差。根据以上思路进行研究,并以跨越31km海湾的杭州湾大桥进行试验,试验结果与二等几何水准比较,最大较差29mm,最小较差3mm,平均较差16mm,达到二等几何水准精度。     

跨海长桥测量技术研究

针对杭州湾跨海大桥的现场施工条件,介绍应用GPS等测量手段,解决大桥建设初期主要测量技术问题的思路和方法,包括GPS控制网的布设、独立施工坐标系的建立、GPS高程拟合、GPS打桩定位系统、跨海水准贯通测量等。     

GPS技术在隧道高程测量中的应用

在广东莲花山隧道工程中采用GPS技术，通过隧道两端洞口布设各自独立的光电三角高程网，运用附加参数、相邻点高程异常差、高程网的高程异常差等拟合法，统一两端洞口控制点的高程系统，避免了在隧道测区洞口两端已有水准点的未知高程系统差对拟合参数的影响。实践表明，在1．6km、2．9km、5．0km长的隧道中．获得的两端洞口的高程系统差精度满足隧道工程的高程控制要求，预示着GPS技术在山区高速公路长隧道的高程控制测量中具有广泛的应用前景。     

一种基于MATLAB的喷雾锥角测量方法研究及应用

作为发动机喷雾性能的主要宏观参数之一,喷雾锥角的大小对研究燃料的雾化质量具有重要的意义。进而可以指导我们改进发动机的喷射装置以及控制喷射过程中的各种参数。文章采用MATLAB图像处理工具箱提供的函数对喷雾图像进行处理,并利用Hough变换和最小二乘法来分别拟合喷雾油束的两条边缘,最后通过比较分析,得出用最小二乘法拟合的效果最佳。     

基于虚拟差分的单GPS车道级地图匹配方法

本文提出一种采用最小二乘法拟合单GPS虚拟差分定位参数修正的方法,并在对车道级地图匹配问题的描述基础上,提出采用递阶式地图匹配方式,通过粗匹配和精确匹配两个阶段实现车道级地图匹配,实验测试,表明该方法具有理想的匹配效果。     

基于小波降噪与最小二乘支持向量机的公路软基沉降预测模型

根据沉降数据的特性,以最小二乘支持向量机为核心技术构建预测模型,提出了一种路基沉降预测的新方法。由于测量误差不可避免,沉降数据通常含有噪声,不宜直接进行拟合,因此首先采用小波分析的方法对原始沉降数据进行降噪预处理,然后馈送到最小二乘支持向量机完成沉降预测。最后用某高速公路实测数据进行了实例分析,并与BP神经网络预测结果进行了对比,计算结果表明,小波分析结合支持向量机的模型有较好的预测精度,将该模型应用于公路软基沉降预测是可行的和值得研究的。     

基于BP-EKF算法的锂电池SOC联合估计

电池荷电状态(SOC)的准确估计是电动车辆进行整车控制优化的先决条件,也是合理实施电池管理的依据。本文中在确定1阶RC等效电路模型的基础上,采用含有遗忘因子的递推最小二乘算法和BP-EKF算法对模型参数与SOC进行在线联合估计,提出一种BP神经网络和扩展卡尔曼滤波(EKF)相结合的锂离子动力电池SOC估计方法,使用相应的滤波输出参数离线训练BP神经网络,进而将训练成功的BP神经网络用于补偿EKF算法的估计误差。通过仿真和电池动态工况试验验证,结果表明,与EKF算法相比,所提出的SOC估计方法具有良好的抑制发散和鲁棒性能,能有效提高SOC的估计精度。     

公路平面线形指标恢复方法对比研究

以既有路段为研究对象,分别基于理想道路中线平面坐标数据和实测道路中线平面坐标数据对比分析三次样条插值法、最小二乘拟合法、纬地平面智能布线法的适用性和稳定性,提出等距分组最小二乘拟合圆曲线法。结果表明,对于理想道路中线平面坐标数据,3种方法恢复的圆曲线半径均可靠,其中最小二乘拟合法恢复缓和曲线长度的结果不稳定;对于实测道路中线平面坐标数据,三次样条插值法的适用性差且增大测量点密度不能提升恢复结果的可靠性,最小二乘拟合法和纬地平面智能布线法恢复圆曲线半径较可靠且通过增大测量点密度可在一定程度上提升缓和曲线长度恢复的可靠性。     

大跨径预应力混凝土连续刚构桥高程监控研究分析

阐述了大跨度预应力混凝土连续刚构桥高程控制的重要意义,提出了高程控制原则和方法,分析了高程控制的主要影响因素。并以某大跨径预应力钢筋混凝土连续刚构桥的高程控制为依托,应用桥梁结构分析程序BRCAD,建立计算模型,计算各阶段的理论的高程,以最小二乘法为基础进行参数识别的误差分析和状态预测法进行标高控制,比较合拢成桥后实测高程和理论计算高程,分析了产生偏差的原因,其可供同类的桥型的高程控制提供有价值的参考。     

基于自然选择策略的PSO-BP神经网络的滑坡可靠性评价方法

将BP神经网络良好的非线性函数拟合能力,以及粒子群算法(PSO)良好的非线性优化性能相结合,提出一种基于自然选择策略的PSO-BP神经网络的滑坡可靠性评价新方法。新方法的整体布局是以BP神经网络作为滑坡可靠性分析的响应面函数,在内部实现细节上,针对传统BP神经网络权值和阈值更新过程中容易陷入局部最优特点,采用自然选择粒子群算法来替代标准BP神经网络内置的最速梯度下降法,以达到进一步优化网络的目的。以贵州省马达岭HP1滑坡为例,验证该方法的优越性,结果证明:(1)该文提出的自然选择PSO-BP算法全局拟合能力更强,构造出的响应面误差更小;(2)降雨对于该边坡可靠性的影响小于地震,敏感性低;(3)天然工况下的HP1处于稳定状态,饱和、天然地震工况下处于低危险状态。     

基于灰色系统和神经网络的实时交通量预测组合模型研究

介绍了将灰色系统理论和人工神经网络模型作为预测工具所具有的优缺点,建立了单一的GM(1,1)灰色系统模型。对传统的BP神经网络模型进行改进,在权值函数中加入一个动量因子作为阻尼系数,可大幅降低其容易陷入局部极小值的可能性。同时对学习率加以改进,使其能进行自我调节,于是构建了单一的BP神经网络模型。将单一的灰色模型和BP网络模型进行有机融合,得到了灰色系统—神经网络的组合模型。为验证这3种模型的预测效果,选取某一高速公路路段的单向交通量数据,通过Matlab软件编程进行拟合和预测,发现所建的组合模型综合预测效果最佳。     

最小二乘法结合BP神经网络在路面平整度数据标定及处理中的应用

在充分调研国内外路面平整度检测技术的基础上,针对平整度数据检测中存在的异常数据、漏检数据等问题,结合其技术指标,基于最小二乘法的原理对试验数据的IRI测量重复性误差和IRI测量误差进行分析,确保数据源的准确性和可参考性,并对BP神经网络算法的有效性和实用性进行了验证,再采用BP神经网络方法对路面平整度检测数据进行识别和补充处理,使检测到的数据能反映被检测实体的真实信息。最后,结合工程实例,在Matlab上实现仿真和计算,把补充的数据和真实数据进行相对误差比较分析,结果表明:数据处理结果能很好地满足工程质量检测数据误差的要求。     

BP神经网络在女性假人颈部标定试验中的应用

采用BP神经网络代替响应曲面法的多项式函数,建立了基于BP神经网络的女性假人颈部减速特性模型.该模型以摆锤冲击速度、标定温度、蜂窝铝孔数、蜂窝铝切割形式为输入,10ms时刻颈部减速度为输出,实现了颈部减速特性的拟合预测功能.两种方法的预测结果表明,基于BP神经网络法的预测误差最大值为0.04m/s,而响应曲面法的预测误差最大值为0.05 m/s.