基于证据理论和模糊神经网络的汽车换挡平顺性评价方法

针对目前汽车换挡平顺性评价方法的不足,提出了一个基于证据理论和模糊神经网络的汽车换挡平顺性评价方法.运用证据理论对不同驾驶员给出的主观评价进行数据融合;通过模糊神经网络对由仪器测得的客观评价指标和经证据合成后的相应主观评价构成的样本向量进行学习和训练,建立了汽车换挡平顺性评价系统.计算和试验结果表明,该方法克服了主观评价和客观评价各自的缺点,能客观、准确、有效地评价汽车换挡平顺性.     

基于混沌神经网络公路工程建设风险评价研究

鉴于公路工程建设风险评价属多维非线性问题,分析了混沌与神经网络相结合评价公路工程建设风险可行性,建立了混沌神经网络模型和评价指标体系,从而构建了完整的公路工程建设风险混沌神经网络评价系统(HCRCNNAS).经实例研究表明,该系统评价结果稳定可靠,具有良好的应用前景.     

水上交通流冲突严重度BP神经网络评价方法

目前的水上交通流评价方法在评价指标关系模糊、来源不清等情况下难以运用,且主观性较强,存在评价结果严重偏离实际的情况,忽视了客观性不足的问题.为降低专家主观性对水上交通流冲突严重度评价的影响,基于BP神经网络建立评价模型,并通过网络训练进行函数比较,确定最符合模型设定要求的Trainlm函数,以及精度与迭代次数.由于数据的差异性会对BP神经网络的训练效率和评价精度造成影响,基于聚类分析与BP神经网络建立新的评价模型,将训练数据按照欧几里得度量进行归类开展神经网络训练,分别对水上交通流冲突严重度进行评价.运用9个水道数据为例对模型进行验证,通过比较聚类分析数据与未处理的原始数据在BP神经网络中的评价结果,发现评价结果平均误差从42.05%降低到23.74%,进一步验证了BP神经网络在该领域的可行性.评价模型利用聚类分析与BP神经网络相结合的方法,不仅客观性较强,而且与单一使用BP神经网络的模型相比提升了评价精度.      

基于混沌神经网络公路工程建设风险评价研究

鉴于公路工程建设风险评价属多维非线性问题,分析了混沌与神经网络相结合评价公路工程建设风险可行性,建立了混沌神经网络模型和评价指标体系,从而构建了完整的公路工程建设风险混沌神经网络评价系统（HCRCNNAS）。经实例研究表明,该系统评价结果稳定可靠,具有良好的应用前景。     

神经网络在高速公路网综合评价中的应用

应用多层次分析法和神经网络模型,对高速公路网评价指标及综合评价方法进行了研究。建立了适用于高速公路网评价的四大类评价指标;针对定量和定性指标特性分别采取不同的无量纲化函数对其进行无量纲化处理;通过神经网络建模思路及网络模型分析,结合高速公路网评价特点及评价指标个数,建立了三层前馈神经网络综合评价模型。经在江苏省第二轮高速公路网规划评价中进行实际应用分析,结果表明选取的评价指标科学合理,神经网络综合评价方法克服了其它综合评价方法的随意性缺陷。     

基于模糊神经网络的新奥法隧道施工风险评价

为解决新奥法公路隧道施工风险控制评价的问题,以新奥法施工过程为依据,构建了新奥法公路隧道施工风险评价指标体系;通过模糊评价法与神经网络相结合的方法,将模糊综合评价向量作为神经网络训练数据,构建了基于模糊神经网络的公路隧道施工风险评价模型,并运用该模型在具体施工案例上进行风险评价。结果表明,该模型对于新奥法公路隧道施工风险评价具有较高的准确性。     

基于RBF神经网络识别路面不平度的研究

针对应用RBF神经网络识别路面不平度的输入选择、输入方案确定和识别效果评价3个问题,提出了一种解决方法。对RBF神经网络和训练过程进行了分析,选择车辆可以测试的车辆响应作为RBF神经网络输入,引入正交试验设计确定RBF 神经网络输入方案,采用相关系数和均方根误差作为RBF神经网络识别效果的评价指标。通过采用车辆和路面不平度系统4自由度平面模型仿真获得车辆响应和前轮路面不平度,应用RBF神经网络对常用路面等级和常用车速行驶下某汽车的前轮路面不平度进行了识别。结果表明,所提出的方法解决了基于RBF神经网络识别路面不平度的3个问题,可以用于其它神经网络识别路面不平度。     

基于遗传神经网络的路面使用性能评价预测

基于遗传神经网络算法,在进行高速公路路面使用性能评价与预测时,引入遗传神经网络,建立高速公路路面使用性能评价与预测模型,通过该模型,评价和预测了吉林某高速公路路面使用性能。结果表明:与BP网络预测PCI的结果相比,遗传神经网络预测PCI的结果与高速路面PCI实际值误差缩小更明显,这表明遗传神经网络模型预测精度得到很大程度提高。测试结果说明,本研究提出的遗传神经网络预测方法是可行的,它可以作为高速路面一种有效预测手段,提供科学方法进行公路路面使用性能的评价与预测。     

基于4种典型神经网络识别路面不平度的研究

为识别路面不平度,对4种典型神经网络及其应用选择、输入方案优化和评价指标进行研究,提出4种典型神经网络输入选择和输入组合优化的解决方案。建立了汽车系统振动的4自由度平面模型,通过仿真获得神经网络的输入和输出。采用正交试验设计确定了每种神经网络的32个输入方案,在常用的B级路面和车速60 km/h下得到每种神经网络输入方案的评价指标,通过方差分析选出每种神经网络的最优输入方案和4种典型神经网络中的最优神经网络。研究结果表明,4种典型神经网络中,NARX神经网络是识别路面不平度的最优神经网络,其最优输入方案的相关系数和均方根误差分别为96.75%和0.003 3。     

径向基函数网络在沥青路面使用性能评价中的应用

根据神经网络技术对处理非线性映射问题有较好适应性的特点,开发了基于神经网络技术的路面使用性能评价模型。     

基于BP网络的道路水泥再生混凝土性能的评价

为了评价道路水泥再生混凝土的性能,在分析BP神经网络原理的基础上提出了用BP神经网络模拟道路水泥再生混凝土性能与各影响因素间关系的方法。根据道路水泥再生混凝土的实际工况,建立了3个输入节点、4个输出节点的BP神经网络模型,通过9组试验,验证了模型的可靠性。结果表明,实测结果与预测结果相接近,BP神经网络模型可以较准确的评价道路水泥再生混凝土的性能。     

基于MATLAB的边坡稳定性评价方法

针对边坡变形破坏的复杂性，建立了基于MATLAB的边坡稳定性评价神经网络模型，对面向MATLAB神经网络设计中的若干问题进行了探讨。研究表明基于四种快速算法的边坡稳定性评价模型均可满足工程的要求。     

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％。     

基于神经网络的DCT换挡品质评价系统的开发

通过对DCT换挡过程的分析,确定了换挡时间、车辆加速度、换挡冲击度和发动机转速波动量等4个物理量作为客观评价指标。依据BP人工神经网络的基本原理,应用Matlab软件的神经网络工具箱函数,建立了用于评价车辆换挡平顺性的神经网络模型。利用GUI工具箱建立人机交互界面。通过内置的三种评价标准以及可以自行设计评价标准的方法,大大增强了该评价系统的灵活性和针对性。最后,对该评价系统进行了总结。     

基于模糊理论和神经网络技术的公路网络综合平价方法研究

在深入研究公路网评价指标体系及其属性值量化的基础上，提出了一种基于模糊理论和神经网络技术的综合评价方法，并对神经网络输入、输出指标属性值的量化方法进行了讨论，建立了两在公路网综合评价模型。最后，介绍了两种模型在天津市公路网络综合评价中的应用实例。     

基于BP神经网络下的发电企业核心竞争力评价

通过建立反映发电企业核心竞争力的评价指标体系,采用BP神经网络评价法,对发电企业上市公司进行了核心竞争力的评价。     

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.     

基于神经网络的车辆急加速工况驾驶性评价研究

针对驾驶性评价中主观评价一致性差及客观评价无法反映人体主观感受的问题,基于对急加速工况的特点分析,构建了急加速工况的驾驶性客观评价体系,并使用BP神经网络搭建驾驶性主观评分预测模型,建立主客观评价间的映射关系.最后,通过实车试验得到驾驶性主客观评价数据集,对神经网络进行训练和测试.结果表明,预测模型的整体准确率在95％...     

隧道施工安全评价模糊神经网络技术应用研究

针对高速公路隧道施工系统的安全评价问题,将模糊理论与神经网络相融合,研究建立了一种模糊神经网络评价模型。阐明了评价系统的工作原理及实现方法。利用历史样本数据对网络模型进行学习训练和测试,工程实例结果显示,评价精度满足工程应用要求。该评价模型具有对环境变化的自学习能力,对权值进行调整,动态地评价公路隧道施工系统的安全状态,是公路隧道施工安全评价方法中的一种新的评价方法。     

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。