基于神经网络的汽车操纵稳定性模型研究

对神经网络隐层神经元个数的确定方法以及神经网络预测结果评价方法进行了研究.在此基础卜建立了SX6120型大型客车操纵稳定性神经网络模犁,并对该模型进行了仿真研究和试验验证.结果表明,所建立模型对车身侧倾角、横摆角速度和侧向加速度都具有较高的仿真精度,能较好地表征该客车的操纵稳定性.     

Kohonen神经网络模型在边坡稳定性评价中的应用

在综合分析Kohonen神经网络技术特点的基础上,将该神经网络应用于边坡稳定性分析,建立了评价边坡稳定状态的网络模型,并以大量工程实例样本对网络进行了训练和检验.结果表明,该网络模型预测精度高、简单易行,是评价边坡稳定性的一种有效方法.     

神经网络技术在洋碰隧道围岩分类及其稳定性评判中的应用

针对隧道工程传统围岩分类及其稳定性评判中特别强调经验和难以定量的特点，本提出了一种基于神经网络技术的工程地质评价方法。实例研究表明该方法不仅有效，而且还有定量、简便、实时、自适应等优点。     

DE—BP神经网络的边坡稳定性分析

引入BP神经网络技术对边坡稳定性进行分析,建立了边坡稳定性分析模型.针对BP神经网络参数优化容易陷入局部最优解所存在的缺陷,结合差异演化算法(Differential Evolution,DE),提出了实数编码的DE-BP神经网络预测模型.研究结果表明,该模型对边坡稳定性的分析精度较高,应用DE-BP神经网络进行建筑工程边坡稳定性分析是可行和高效的.     

边坡稳定性影响因素定量分析神经网络法

探讨圆弧式破坏的边坡稳定性分析的一种新算法———BP神经网络法,与多元线性回归和多元判别分析法相比较,神经网络方法具有精度高、收敛速度快、容错能力高等特点,用于边坡稳定性评价是可行的。     

基于T—S模糊神经网络的边坡稳定性评价

边坡的稳定具有模糊性。基于模糊数学和神经网络理论,建立了边坡分定性分析的T—S模型,并结合具体工程进行了应用。研究表明：T—S模糊神经网络分析模型具有较好的适应性和应用性,对于边坡稳定性分析是一种较好的方法。     

车辆横向稳定性自适应神经网络控制策略研究

设计了一种"前馈+反馈"自适应神经网络控制器,通过直接横摆力矩和前轮主动转向的复合控制来提高车辆横向稳定性。反馈控制器采用PD控制策略,以实际横摆角速度与目标横摆角速度的偏差为输入量;前馈控制器采用RBF神经网络,以反馈控制器的输出为误差进行学习,而实现自适应控制。仿真结果表明,采用上述复合控制,能有效跟踪目标横摆角速度并降低质心侧偏角,提高了车辆在高速急转向时的稳定性。     

用概率神经网络对水电边坡稳定性预测

概率神经网络(PNN)是一种训练速度快、结构简洁明了、应用广泛的人工神经网络,该方法采用贝叶斯分类决策理论建立系统的数学模型,以高斯函数作为激励函数,具有非线性处理和抗干扰能力强等特点。阐述了PNN的基本结构及其训练算法,提出了基于PNN的水电边坡稳定性预测方法,并采用免疫进化算法(IEA)对高斯型函数的标准偏差σ进行参数优化。理论分析和实例结果验证了基于IEA-PNN的水电边坡稳定性预测方法的正确性和有效性。     

基于卷积神经网络的汽车操纵稳定性试验类型识别方法

针对汽车操纵稳定性试验评价指标自动化处理需要自动识别试验类型的需求,提出一种基于卷积神经网络的汽车操纵稳定性试验类型自动分类方法。在分析汽车操纵稳定性试验类型数据图像特征的基础上,建立了由1个输入层、3个卷积层、3个批归一化层、2个最大池化（Max-pooling）层、5个线性整流函数（ReLU）层、3个全连接层、2个活化（Dropout）层、1个激活函数（Softmax）层和1个分类输出层组成的汽车操纵稳定性试验类型分类卷积神经网络模型。利用2 250组试验采集的数据对模型进行了训练和验证。经验证,类型分类准确率为99.33%,平均识别时间为0.05 s。结果表明,本文提出的基于卷积神经网络的汽车操纵稳定性试验类型自动识别方法可有效区分不同试验类型,可用于汽车操纵稳定性试验结果的自动处理,显著提升汽车操纵稳定性试验自动化处理水平。     

基于神经网络的公路边坡稳定性实时判断

为了实现对非粘性土公路边坡的稳定性实时预警,采用神经网络方法建立了公路边坡稳定性安全系数Fs和变形值的关系模型,该方法克服了Fs不能实时获取的弊端,由实时测量的变形值计算出Fs,并通过Fs实现无粘性土公路边坡稳定性的实时预警,避免了传统实时预警方法中需要根据经验设定各种变形值阈值的问题.对某无粘性土公路边坡的实验研究表明,神经网络模型计算精度优于其他经验模型,且能够满足工程实时监测的需要.     

挡土墙整体稳定性的数值分析

基于有限差分软件FLAC3D,对重力挡土墙的整体稳定性进行了数值分析,同时将整体稳定性数值分析的结果与传统瑞典条分法结果进行了比较,并对影响整体稳定性的参数进行了分析,得到了一些有益的结论。     

基于神经网络的无黏性土公路边坡稳定性实时判断研究

为了实现对非黏性土公路边坡的稳定性实时预警,采用神经网络方法建立了公路边坡稳定性安全系数Fs和变形值的关系模型.该方法克服了Fs不能实时获取的弊端,由实时测量的变形值计算出Fs,并通过Fs实现无黏性土公路边坡稳定性的实时预警,避免了传统实时预警方法中需要根据经验设定各种变形值阀值的问题.对某无黏性土公路边坡的试验研究表明,神经网络模型计算精度优于其他经验模型,且能够满足工程实时监测的需要.     

基于动态网络结构优化的神经网络的自学习稳定性控制算法

为了解决稳定性控制算法的PID控制参数的自适应调整问题,并针对控制算法大多无自学习功能的现状,提出了SORBF(Self-Organizing Redial Basis Function)算法自适应优化PID控制参数,同时通过增长型算法和修剪型算法自适应优化神经网络结构,解决了初始设定的网络结构参数需要丰富的经验和大量的标定工作,并且网络结构无法自适应调整而导致网络泛化能力下降,冗余的神经元占用计算资源的问题。验证结果表明其具有很强的自学习功能,大量减少了标定时间,并控制横摆角速度实际值在参考值附近,更好地体现了驾驶员意图,在极限工况下控制误差减小,并更容易通过试验规范路径。     

岩质边坡稳定性的整体计算机扫描

本文通过对结构体赤平投影的空间解析几何分析，和平面特征分析，结合滑动体极限平衡理论，得出了不同类型结构稳定系数的计算方法。编制了分析计算软件，用以准确迅速地评价岩质边坡的整体稳定性。     

一种改进的神经网络及其在交通流量预测中的应用

针对BP神经网络运行的特点，提出用隔离小生境遗传算法优化传统的BP网络。实例证明，该神经网络的进化建模方法设计简单．模型性能评价全面合理，全局搜索效率较高，能有效地用于短时交通流量的预测。     

基于BP神经网络的隧道围岩分类

应用BP神经网络建立了隧道围岩分类模型,对其影响因素进行分析,并对模型进行优化,将训练好的分类模型运用到贵安隧道,为隧道围岩分类提供了一种简便可行的方法。     

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。     

神经网络在电控柴油机实时故障诊断系统中的应用研究

本文主要针对电控柴油机故障诊断的特点，分析了神经网络用于故障诊断的可行性，探讨了神经网络用于故障诊断的机理，阐述了BP网络的设计方法，并设计了适合本诊断系统的BP网络结构。实验结果表明，在电控柴油机故障诊断系统中运用神经网络技术进行实时诊断是完全可行的。     

混凝土斜拉桥整体稳定性的有限元模拟及参数分析

以工程实际的一座混凝土斜拉桥为研究对象,对结构的刚度、质量、边界条件以及几何非线性、材料非线性的处理做了详细介绍,分别建立单主梁和双主梁模型对成桥运营阶段的整体稳定性进行比较分析;通过模拟有无索塔上横梁、塔梁之间横向连接刚度、墩梁之间的横向连接刚度以及采用梁板式主梁替代分离式双箱梁,讨论了不同横向刚度和不同主梁断面形式对混凝土斜拉桥整体稳定性的影响,并提出了有益建议.