基于神经网络理论的三层体系弯沉拟合的研究

以《公路沥青路面设计规范》（ＪＴＪ０１４－９７）为依据,根据神经网络理论,提出采用三层ＢＰ网络近似计算柔性路面三层弹性层状体系理论弯沉的方法。     

柔性路面中层底面弯拉应力分析

通过有限弹性层状体系理论，计算出大量的常用情况下的路面中层底面弯拉应力，并利用回归分析的方法，建立了弯拉应力与路面各结构层厚度与材料特性之间关系的回归方程，可简便迅速地计算出中层底面弯拉应力。     

基于BP神经网络的GPS高程拟合方法的探讨

为了提高GPS高程测量的精度，提出了基于BP神经网络的GPS高程拟合方法，并以2座特大桥控制网数据为例，与常规多项式曲面拟合方法进行了比较．理论和实例证明，利用BP神经网络进行GPS高程拟合是可行的。尤其是在已知点较少的情况下，该方法具有实际意义．     

超载条件下混合式基层沥青路面层底拉应力研究

分析半刚性基层的缺点,提出混合式基层沥青路面结构,并给出超载条件下轴载计算参数。采用Bisar3.0软件,计算在完全连续、部分连续和完全光滑三种界面条件下混合式基层沥青路面各结构层层底拉应力。结果表明,在完全连续条件下沥青层不会产生拉应力,路面内部拉应力最大值出现在半刚性基层底部;当沥青层与半刚性基层之间的接触条件由完全连续向完全光滑转变时,沥青层层底和半刚性基层层底的拉应力逐渐增大;在三种界面条件下,沥青面层表面轮隙中心处都出现较大的拉应力。     

基于弹性层状体系理论的多孔混凝土基层荷载应力计算

利用弹性层状体系理论,对多孔混凝土基层荷载应力进行数值分析,建立了荷载应力的回归模型,得到了回归模型的各项系数,结果表明回归系数均能通过检验,由此得到的多孔混凝土基层荷载应力计算公式精度好,表达形式简单,使用方便,可满足工程设计和理论研究的需要;最后分别采用刚性路面规范设计公式和回归公式2种方法对荷载应力进行计算,结果显示前者的计算值偏于保守。     

基于应力吸收层的沥青加铺层温度应力分析

对加铺沥青面层的水泥混凝土路面进行温度应力分析发现：应力吸收层并不是越厚越好,应力吸收层的厚度对层间剪应力和结构竖向位移影响较大,而对沥青层底拉应力的影响比较小;高模量的应力吸收层材料对结构竖向位移、层间剪应力和沥青层底拉应力均不利。     

柔性路面层底最大弯拉应力发生位置的探讨

通过典型路面结构模式的计算分析,得出柔性路面层底最大弯拉应力发生的位置,有助于简化设计过程。     

基于神经网络的引线键合质量预测模型研究

针对引线键合质量与其影响参数之间存在非线性、强耦合关系的特点,提出一种基于弹性BP算法的BP神经网络引线键合质量预测模型.通过引线键合工艺过程的分析,提取了影响引线键合质量的工艺参数,采用BP神经网络结构,建立了引线键合质量预测模型.不同算法下的网络训练结果表明,弹性BP算法具有较快的收敛速度和较高的训练精度.仿真结果表明所建模型具有较高的预测精度,能够准确地反映键合质量综合指标的变化趋势.     

基于神经网络的引水渠分流比预报研究

运用动量法和学习率自适应调整策略，建立了三层前馈网络模型预报明渠侧面分流比。将预测结果与实际值进行对比分析后表明，神经网络模型可用于预测明渠侧面分流比。     

级配碎石层结构应力影响因素分析

基于弹性层状体系理论,研究了级配碎石三向应力水平随半刚性基层厚度、级配碎石层厚度、沥青层厚度、路面基础模量、半刚性基层模量、级配碎石模量和沥青模量等参数的变化规律,继而推荐了各影响参数的合理取值,为级配碎石结构应力分析、模量取值和旧路加铺改建设计等提供依据。     

基于模糊神经网络的故障诊断系统的设计与实现

提出了一种远程模糊神经网络故障诊断系统,该诊断系统采用多个子网络的结构实现对多种标准故障模式的记忆。对于未知样本输入,该系统针对每种标准故障模式采用双向联想记忆过程联想出最佳结果,通过计算联想结果和标准模式的子集函数,确定该样本的故障类别。利用船舶柴油主机系统实例。详细介绍了该系统的组件模型实现技术。最后给出相应的结果。     

一种基于神经网络的模型参考自适应控制的研究

本文将ＢＰ网络的非线性映射特性和联想记忆功能用于模型参考自适应控制中，用以克服传统模型参考自适应控制算法的不足。仿真研究表明，该方法不仅能实现原方法的功能，而且该系统稳定性和抗干抗方面中优于原方法。     

基于RBF神经网络的控制系统PID调节器的设计

为了改善传统PID控制器的控制效果,采用RBF神经网络对控制系统PID参数进行自整定。分析了RBF神经网络PID整定原理,给出了相应的实例,并对该系统进行了仿真分析。仿真结果表明,采用RBF神经网络整定的PID控制器快速性好,自适应力强,具有良好的控制品质。     

基于神经网络的汽车车型识别

本文介绍了“多品种混流机器人喷漆自动线的汽车车型识别系统”的一种识别方法,主要是运用多层前馈神经网络对自动喷漆线上的汽车车型进行识别。     

基于GA-BP神经网络算法和粗糙集理论的交通事故黑点模型

道路交通事故黑点的预测鉴别是改善道路交通安全状况最重要、最关键的一步,采用基于GA-BP神经网络算法与粗糙集理论相结合的方法建立交通事故黑点预测模型.分析天津市津围公路的交通事故统计数据,通过GA-BP神经网络算法建立静态单元,考虑静态道路状况,分析得出道路的事故黑点样本.考虑实时动态道路交通环境条件的影响,并利用粗糙集理论建立有效的交通道路事故黑点预测模型,2种理论的有机结合,减少糙杂繁冗的数据量,降低伪报警率,提高事故黑点的预报精度,并通过实例进行实证分析.     

多目标模糊优化问题的神经网络解法

基于函数联接神经网络，提出了一种解决工程结构多目标模糊优化问题的新算法。该算法以设计人员对目标函数值的满意程度作学习样本，采用神经网络取代传统的隶属度函数，从而较好地解决了隶属函数的描述问题。在解决多目标模糊优化问题中，该算法较传统算法具有更大的灵活性。     

基于模糊神经网络的船舶调距桨控制系统仿真

利用人工神经元网络(ANN)的学习与联想能力,模拟人的经验操作,实现对船舶调距桨系统的智能控制.在实际控制过程中,当误差及其变化率与样本点匹配时,控制器直接复现所记忆的"原则";当与样本不匹配时,控制器通过联想以相近的"原则"处理,实现连续模糊控制.     

基于深度神经网络的高铁站空调系统智能控制策略

高铁站是公共设施中高能源消耗的大型半封闭建筑.针对高铁站如何在满足乘客舒适度的同时,尽可能降低空调能耗这一问题,本文设计了一种基于深度神经网络算法的空调控制策略.首先,设计了基于Energy Plus平台的仿真模型;然后,结合多种传感器获取高铁站的室内外环境参数,并提取出室外温度、客流密度、室内温度、室内湿度、室内二氧...