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神经网络的道路交通状态判别方法研究

根据交通流复杂性的特点,提出了基于BP神经网络的交通状态判别方法。并以高速公路隧道为例,通过Matlab软件编程实现模拟仿真,最后通过对神经网络的输出结果与决策阈值相比较,确定其所反映的交通状态。仿真结果表明,该算法可用于实时交通状态判别,并具有很高的精度和较好的收敛度。     

基于自适应遗传粒子群优化模糊神经网络的疲劳驾驶预测模型

为提高疲劳驾驶的预测精度,提出了基于减法聚类和遗传粒子群优化模糊神经网络的疲劳驾驶预测模型.根据训练样本,利用减法聚类确定网络结构和初始参数;借助于进化速度因子,采用自适应遗传粒子群算法优化网络参数.利用疲劳驾驶实车模拟实验获得的数据,对该模型进行了训练和测试,并将结果与传统的粒子群、遗传和反向传播算法进行对比.结果表明,该模型不仅精简了网络结构,缩短了训练时间,而且减小了全局误差,提高了预测精度.     

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.     

基于BP神经网络的短时交通流预测

对比分析短时交通流预测模型,对BP神经网络预测算法的原理进行分析说明,用BP神经网络建立短时交通流预测模型,利用华南快速路的实测交通流数据来验证模型的可行性。     

基于BP神经网络的SOC估算策略研究

针对传统动力电池的SOC估计方法的不足,采用BP神经网络对SOC进行预测。通过编写Matlab程序对BP神经网络进行了训练,并用所建BP神经网络模型对电池性能进行预测,获得电池SOC预测值,最大误差小于0.5%,结果满足精度要求,从而验证了所建BP神经网络能够有效的预测蓄电池电压和SOC之间的映射关系。对提高动力电池的能量效率,延长电池的使用寿命具有重要意义。     

基于BP神经网络的发动机转矩估计

针对并联式混合动力总成在状态切换和换挡时动力协调控制的需要,完成了富康TU5JP/K汽油发动机的稳态和动态性能试验,建立了基于BP神经网络的发动机转矩估计模型:通过对试验数据的训练,完成了全工况范围内的发动机稳态和动态转矩的估计,并实际应用到在基于dSPACE的混合动力总成控制原型中,达到了预期的控制精度,为实现并联式混合动力系统在状态切换和换挡过程中发动机和电动机的协调控制奠定了基础.     

基于神经网络的自适应IIR滤波器

基于神经网络理论中能量函数的概念，提出了一种自适应ＩＩＲ滤波器的设计方法。利用ＨＯＰＦＩＥＬＤ的能量函数来解决ＩＩＲ滤波器的稳定问题，只用了一个人工社网络电路就可完成，而且计算速度快，避免了复杂性，可应用于快速变化信号的实时处理。     

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

基于BP神经网络的储粮安全预测模型研究

介绍BP神经网络在储粮安全预测模型方面的应用情况,根据粮情样本数据建立了储粮安全预测BP神经网络模型,通过已有的粮仓温度、湿度,粮食水分和害虫数据预测储粮的安全状况,及时为粮情测控系统的控制策略提供可靠依据.     

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。     

基于BP神经网络的手写签名识别方法

手写字符识别是一个难度很大，但却具有广阔的应用前景的研究课题。提出了一种基于BP神经网络的手写签名识别方法，实验表明，采用一个签名的6个真伪样本训练BP网络后，对该签名真伪的正确识别率达到80％以上；如果使用10个真伪样本训练网络，那么该签名的真伪识别率约达90％。     

基于改进型BP神经网络的沥青路面大修决策模型研究

针对常规大修决策模型PQI模型的缺陷,利用改进型BP神经网络建立沥青路面大修决策模型。改进型BP神经网络是在神经网络中间层和输出层上加入特殊的偏差单元,以加快BP神经网络的收敛速度、并提高其计算精度。本文根据安徽省高速公路沥青路面的实际情况,建立了有5个输入单元和一个输出单元的神经网络,并利用历年路况检测结果和专家对路况的主观评价结果对网络进行了训练。结果表明神经网络计算结果的精度很高。     

基于BP神经网络的道路交通安全预测模型研究

为了研究影响道路交通安全的因素与事故之间的内在关系,选取对道路交通安全影响相对较大的10个因素作为研究对象,利用 SPSS软件对其进行相关性分析,建立 BP 神经网络模型,对道路交通安全进行预测分析;选取1997-2010年数据作为训练样本,对2011年交通事故中的事故次数、死亡人数、受伤人数及综合死亡率进行预测,经过验证,其预测精度在6%以内,满足应用要求,可为道路交通管理等相关部门制定安全预防措施提供一定依据。     

基于Matlab的BP神经网络的电控发动机故障研究

基于Matlab的BP神经网络,对电控发动机的故障进行研究。采集电控发动机故障数据,运用BP神经网络建立了故障诊断模型,并对几种常见故障进行了诊断,诊断结果表明BP神经网络在电控发动机故障诊断研究方面具有一定的实用价值。     

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神经网络的列车制动控制仿真研究

针对列车制动过程存在的复杂性、非线性、时变性、不确定性等因素,通过分析影响建立BP神经网络模型的主要因素,建立了用于列车制动控制的BP神经网络模型。以货物列车为仿真对象,在Matlab环境中进行了仿真研究。仿真结果表明,该方法控制安全性好、停车误差小,基于BP神经网络的智能算法运用于列车制动控制是可行的。     

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。     

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。