电液主动悬架的自校正控制

运用衰减记忆递推最小二乘参数估计算法和广义加权最小方差自校正控制算法对主动悬架系统进行控制，并利用压力伺服阀控制的液压缸作为执行器。理论分析和仿真结果表明，所提出的控制系统是可行的，这种自适应自校正算法对系统中一些时变参数具有良好的适应性。     

浅析BP神经网络算法的改进和优化

本文简要介绍了BP神经网络的缺点,着重强调了BP神经网络的算法改进,并且,利用Matlab仿真了各种改进算法的学习速度,从结果看改进后的BP神经网络能较好地解决针BP算法学习速度慢的缺点。     

基于改进BP网交通流动态时序预测算法的研究

针对城市交通“智能运输系统”，提出了基于改进BP神经网络理论模型的路面交通流动态时序的预测算法，在BP算法的自适应学习率，在动量法优化网络收敛性等方面，进行了深入研究，并改进了基本BP算法中的收敛速度慢和易陷入局部最小点等问题，章给出了基于改进BP算法的交通流态时序的预测算法仿真实验，结果验证了该算法的可行性和先进性，在交通流时序预测方面有一定的应用价值。     

基于BP模糊神经网络的高速公路项目运营效益评价

基于模糊综合评价的BP神经网络方法,把实际的数据或专家的打分进行模糊处理,采用BP神经网络学习算法进行计算,克服了模糊综合评价权重确定的主观性过大的缺点,达到主观与客观完美结合的目的。该评价系统具有精度高和速度快的优点,相对误差小于1.2％。     

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.     

汽车主动悬架的自校正控制

主动悬系统能使车辆的乘坐舒适性和操纵稳定性同时得到改善，其中执行机构和控制算法的优劣决定了该系统的性能。     

基于模糊聚类BP 神经网络在边坡稳定性评价中的应用研究

利用边坡样本之间存在的相似性,采用模糊聚类分析方法对边坡样本进行分类,并根据择近原则将预测样本划归为贴近度最大的聚类模式,运用该模式对预测样本的稳定系数进行BP神经网络预测。通过实例证明了该方法的可靠性和有效性。     

BP神经网络算法预测路基边坡滑坡变形的应用研究

为了准确掌握降雨量与路基边坡滑坡变形之间的关系,在对金温货线铁路K135+900～K136+400滑坡区域降雨量及路基边坡滑坡变形进行长达3年监测的基础上,采用BP神经网络算法,以前期累计降雨量和累计变形进行样本训练,建立网络关系,并以实测数据加以验证,模型能够对降雨条件下的变形演化发展做出较为准确的预测.研究成果已作...     

主动悬架的参数估计自校正控制

本文采用二自由度的单轮模型，运用衰减记忆递推最小二乘法参数估计算法和广义加权最小方差自校正控制算法，通过控制律隐式结构直接估计控制器参数，再综合得到控制律，从而实现了主动悬架的参数估计自校正控制。经实例计算和数值仿真，证明了该控制方法的有效性和可行性。     

基于改进BP神经网络的柴油机故障诊断研究

根据柴油发动机故障与征兆之间关系来建立一种采用BP算法前馈型神经网络结构,然而采用标准BP算法对神经网络训练进行训练,但存在收敛速度慢等问题。因此,又采用添加动量项和自适应学习速率两种方法对标准BP算法进行改进,并将改进的BP算法运用于神经网络训练,结果表明改进的BP神经网络能够改善收敛速度慢的缺点,而且预测故障效果较好。     

基于BP神经网络算法的悬索桥损伤识别研究

该文基于神经网络损伤识别分析理论,以成都市清水河自锚式悬索桥为例,对将BP网络算法应用于悬索桥损伤识别的效果进行了分析研究。分析研究表明：BP神经网络不仅能对单一构件不同程度损伤进行有效识别,对两个构件的不同程度损伤也能进行一定程度的识别,并且可以同时进行损伤位置与损伤程度的识别。     

BP神经网络在挖掘机电气系统故障诊断中的应用

介绍了BP网络的结构及学习算法,阐明了电气系统故障诊断的实现过程.通过对挖掘机蓄电池常见故障进行试验和测试,验证了该神经网络收敛速度快、学习记忆稳定,具有很好的学习功能.     

改进BP网络在石灰稳定土强度预估中的应用

由于土的成分与稳定土强度之间存在复杂的非线性关系这一特点，目前尚无数学模型来描述其关系。在最佳石灰剂量和湿气养生条件下，本文提出了基于改进ＢＰ网络的土的成分－石灰稳定土强度模型，并以此模型进行了强度预估，不难看出，模型预测精度可满足工程实际的要求。     

车辆悬架的最优自适应与自校正控制

本文研究了车辆主动悬架自适应与自校正控制的策略与算法。     

摊铺机自动找平控制系统自校正探讨

通过分析摊铺机自动找平控制系统的工作原理,构建了找平系统各关键环节的数学模型,以此为基础建立了找平控制系统数学模型,提出了一种针对找平控制系统响应滞后问题的自校正策略,并通过平整度检测试验验证了控制方法的有效性。     

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BP算法的交通流预测

探讨了基于人工神经网络的数据挖掘技术,对标准的BP算法进行了研究;针对现有人工神经网络中BP算法效率较低、容易陷入局部极小等问题,提出了一种改进的BP算法,并进行了分析测试。测试结果表明,改进的BP算法缩短了学习时间,提高了学习效率,在一定程度上避免了学习中局部极小问题的出现。     

基于LM BP算法的隧道爆破振动灾害预测的应用

为了对隧道爆破振动灾害的危险状态进行有效地预测,实验采用基于Levenberg Marquardt（LM）算法改进的BP算法,建立以实测隧道爆破掏槽眼装药量、爆心距和爆破振速为主要爆破影响因素的神经网络模型,对振速进行预测分析,预测结果与实测数据吻合良好;继而引用GB 6722-2014《爆破安全规程》所规定的临界安全振速反向预测掏槽装药量,通过反向预测计算得出满足安全振速要求的临界掏槽装药量。预测结果表明： LM BP算法相比传统的经验模型在振速预测上表现更好,通过反向的预测运算,能有效预知临界装药参数,对爆破振动安全预测及控制有积极的意义。     

基于模糊逻辑的导航定位数据校正算法

为了提高GPS/DR组合定位系统的定位精度,通常采用地图匹配算法来修正定位误差.文中采用了一种基于模糊逻辑的导航定位数据校正算法,对经联合卡尔曼滤波输出的GPS/DR的定位数据进行校正.通过Matlab仿真实验,结果表明,该算法能有效地减小误差,提高组合定位系统的定位精度,改善其对航线跟踪的质量.     

交通冲突量的BP神经网络预测方法

交通冲突预测是进行交通事故预防和制定安全改善措施的有效手段，节约观测时间和人力。针对BP网络的缺点，提出了改进的快速BP算法，建立了交通冲突量的BP神经网络预测方法，并应用该方法对具体的交叉口交通冲突量的预测实例进行了研究，实践验证了该方法的有效性。