非线性辨识中的一种模糊神经网

基于ＢＰ算法，提出１种用于非线性辨识中的模糊神经网络ＦＢＰ，并用ＦＢＰ对非线性的随机函数进行了学习。显然ＦＢＰ算法比ＢＰ算法跟踪精度高，且学习速度有所提高。     

基于BP神经网络的模式分类

文章在深入分析基本ＢＰ算法的基础上，采用四层ＢＰ网络，利用误差逆传播方法实现了对模式的分类。     

基于BP神经网络的立交匝道布线方法

本文就ＢＰ神经网络对给定的线形设计知识的表达，联想记忆和网络结构进行了研究，提出了立交匝道布线的ＢＰ神经网络方法，或形象地称为“Ｐ→ＲＡＬ”映射算法，提高了立交ＣＡＤ系统自动化和智能化水平。     

BP神经网络汽车故障诊断专家系统

本文介绍了一个基于ＢＰ神经网络模型的汽车发动机故障诊断专家系统，阐述了该系统的基本原理，ＢＰ神经网络的结构，学习算法，并应用该模型对汽车发动机的几种典型故障进行了微机仿真运行。诊断结果表明，该系统诊断精度高，结论可靠。     

BP网络的模糊在线自校正算法

针对普通ＢＰ算法学习周期长的不足，根据网络误差表面形状，文章在学习算法中引入模糊理论，动态地在线调整网络的学习步长η及动量因子α。仿真结果表明，模糊理论的引入改善了学习算法的性能。     

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。     

用神经网络理论预测机场水泥混凝土道面的使用寿命

本文根据机场水泥混凝土道面的使用要求，确定了道面的寿命指标，采胜神经网络理论建立了道面寿命预测模型，并提出了改进的Ｂ－Ｐ算法。对机场道面实例测和预测，结果表明两者吻合较好。     

一种智能的低成本微型交换机的设计

文章描述了一种用８位单片机设计的低的智能微型２－６线小型程控交换机（ＰＡＢＸ），介绍了如何利用８位单片机完成ＰＡＢＸ的实时任务，以及最优化地利用单片机的Ｉ／Ｏ资源，以满足ＰＡＢＸ大量的输入／输出需要。     

一种新的快速路交通事件综合检测算法

介绍了传统交通事件检测系统的组成及传统交通事件检测算法,在指出传统交通事件检测算法存在的主要问题的基础上,提出了一种新的快速路交通事件综合检测算法。该算法主要舍事件检测、检测学习、综合判断三部分,将加州算法、基于交通流模型优化的McMaster算法、基于统计的相邻车道数据比较算法、基于模糊聚类的事件检测算法的检测结果进行综合判断,从而得到交通事件信息。实验表明,该交通事件综合检测算法的判断准确度优于其他算法,且运算速度满足实际应用需要。     

SBS,PE,SBR改性国产兰炼沥青性能研究

介绍了对兰炼沥青分别用ＳＢＳ、ＰＥ、ＳＢＲ进行改性的试验情况，并对改性沥青混合料路用性能及改性机理进行了探讨。     

融合改进YOLO和背景差分的道路抛洒物检测算法

针对现有道路抛洒物检测算法识别准确率低、识别种类有限、实时检测效率低的问题，探索了将深度学习目标检测和传统图像处理相结合的抛洒物检测算法。提出在YOLOv5s目标检测算法基础上，对模型结构进行修改以满足实时性需求。具体地，使用卷积优化YOLO中的降采样模块，采用Ghost网络替代原始的特征提取网络以减少计算量，根据抛洒物检测对象的特点设计符合数据集的锚框以提高目标识别准确度。使用优化后的YOLO检测道路场景中车辆、行人作为交通参与者得到检测框，在检测框周围设定感兴趣区域，并在感兴趣区域内用背景差分算法实现前景目标识别。计算前景目标与YOLO检测结果的交并比，排除交通参与者目标后实现道路抛洒物的识别。针对交通参与者检测的实验结果表明，改进后的YOLO检测算法在整体识别精度没有损失的情况下单帧检测速度为20.67 ms，比原始YOLO检测算法速度提升16.42%。真实道路抛洒物实验结果表明，在没有抛洒物训练数据情况下，传统混合高斯模型算法平均精度值为0.51，采用融合改进YOLO和背景差分的抛洒物检测算法平均精度值为0.78，算法检测精度提高52.9%。改进后算法可适用于没有抛洒物数据或正样本数据稀少的情况。该算法在嵌入式设备Jetson Xavier NX上单帧检测速度达到24.4 ms，可实现抛洒物的实时检测。      

解交通运输任务安排问题的一种算法

提出了用ＰＤＰ技术解交通运输任务安排问题的一种算法。该算法具有优化程度高，运算速度快等特点。     

物流系统和物资管理软件

本文结合物流系统的特点，介绍南京汽车研究所目前使用的物资管理软件“ＴＯＰＢＡＳＥ１．０”和即将完成的“ＴＯＰＢＡＳＥ２．０”，分析软件的特点，同时提出管理软件开发的远景设想。     

高速公路交通流分形特性分析

采用分形理论研究交通流的自相似性；基于嵌入空间理论、状态空间重构和Ｇ－Ｐ算法对实际检测的广佛高速公路２４ｈ交通流情况进行了分形特性分析，分析结果表明交通流在一定的区间内存在尺度不变性。     

NURBS曲线转化为Bezier表示形式的快速算法

曲线不同表示形式间的相互转换是ＣＡＤ／ＣＡＭ领域中的重要研究课题之一。基于Ｂ样条曲线的节点插入技术，就ＣＡＤ／ＣＡＭ中广泛采用的曲线的ＮＵＲＢＳ表示和Ｂｅｚｉｅｒ表示之间的快速转换问题进行了讨论，给出了ＮＵＲＢＳ曲线转换为Ｂｅｚｉｅｒ表示的优化算法。结果表明所给算法计算量最小、通用性强、稳定、可靠。     

桥梁主梁断面空气力学特性分析的人工神经网络方法

研究了人工神经网络的ＢＰ模型应用于学习、预测主梁断面静力三分力系数的问题，分析了各种情况下的预测精度。     

基于深度学习的土木基础设施裂缝检测综述

基于深度学习的裂缝检测对于降低基础设施运营风险、节约运维成本并推进中国土木工程行业智能化转型具有重要意义。算法、数据集和评价指标是构建深度学习裂缝检测模型的关键要素；裂缝检测模型集成于机器人平台，从而实现对土木基础设施的全自动裂缝检测。为此，从以上4个方面对当前研究进行了系统梳理。首先，回顾了深度学习的发展历程，重点介绍了深度卷积神经网络在计算机视觉领域的应用及其在图像处理方面较传统算法所具有的显著优势。接着，详细介绍了3类基于深度学习的裂缝检测主流算法，包括分类算法、目标检测算法和语义分割算法。然后，对现有裂缝图像数据集以及模型性能评价指标进行了归纳。最后，总结了土木基础设施的各类裂缝检测机器人平台。综合分析表明：基于卷积神经网络主干结构的深度学习算法已被广泛用于土木基础设施表面裂缝的精准定位与分类，而裂缝的尺寸信息仍需依靠传统图像处理技术进行提取；由于像素级标注的成本和专业性高，大型的裂缝语义分割数据集相对缺乏，致使当前基于语义分割算法的裂缝检测模型鲁棒性较差；目前多数研究人员采用个人建立的裂缝数据集进行模型训练且采用不同的指标进行模型性能评价，缺乏统一的基准测试数据集和评价指标体系，无法对不同模型的性能进行平行比较；目前针对不同基础设施已相应开发了一些裂缝检测机器人，提高裂缝检测机器人的多场景适应性，并降低其应用成本是未来的发展方向。     

基于动态神经网络模型的交通事件检测算法

本文将一种新型的动态神经网络结构与传统的基于状态估计的故障检测方法相结合，提出了一种基于动态神经网络的交通事件检测算法。该网络借鉴静态BP网络的训练算法，并针对其训练方法中收敛速度慢及容易陷入局部极小点的缺点采用一种改进的算法，改善了训练效果。最后利用Matlab对提出的算法进行仿真，得到令人满意的效果。     

改性沥青混合料施工工艺初探

结合工程实践，略要介绍ＰＥ和ＳＢＳ改性沥青混合料施工工艺。针对湖北夏天炎热冬天寒冷的气候特点，建议高等级公路优先选择３％ＳＢＳ改性沥青。     

用NURBS曲线绘圆锥曲线的算法

探讨了用ＮＵＲＢＳ曲线绘圆锥曲线的算法，并给出了ＮＵＲＢＳ曲线及均匀Ｂ－样条曲线表示圆的充要条件。