基于神经网络的冷藏集装箱远程故障监测诊断系统

冷藏集装箱迅速发展成为国际贸易中的一种重要运输手段,但是,冷藏箱的故障监测和诊断还局限于原始的人工检查状态,文章探讨了利用VB开发基于BP神经网络的远程故障监测诊断系统．通过此系统能够把船公司、码头堆场和航行的船舶有机地联系在一起。     

混凝土结构钢筋锈蚀率BP神经网络预测模型

文章基于对钢筋锈蚀率与锈胀裂缝关系的分析,建立了根据锈胀裂缝宽度预测钢筋锈蚀率的BP神经网络模型,并将该模型的预测结果与采用线性拟合法预测的结果进行了比较。结果表明：用BP神经网络模型可以较准确、简便、快速地预测钢筋混凝土结构的钢筋锈蚀率。     

基于试验数据的城轨车辆二系悬挂系统神经网络辨识研究

针对城市轨道车辆二系悬挂系统的输入-输出动态关系,根据实测数据应用神经网络对城市轨道车辆二系悬挂系统进行辨识,建立了二系悬挂动态系统神经网络模型。仿真结果表明:所采用的辨识网络能够对城市轨道车辆二系悬挂系统的动态关系进行有效的辨识,可以建立一个分析二系悬挂系统特性的神经网络模型。     

基于改进算法的多层神经网络的结构优化设计

简要地介绍了工程中应用较多的多层前向神经网络(BP网络)的结构和网络的设计.通过采用一种改进的训练算法(参考隐层的输出),并结合科学的样本选择方法("超立方体"法)设计网络,进行网络训练.最后通过数字仿真证明了这个网络模型用于结构优化设计的有效性.     

基于小波神经网络的地铁基坑地表沉降随机预测

通过南通地铁软土层基坑降水模型试验发现,降水引发的基坑地表沉降随着监测点距基坑支护桩距离的增大而减少,工程中距离支护桩越远,沉降量越小.在不同的监测点沉降量的监测值与公式计算值总体变化规律相似,但受降水因素、施工扰动和地下多变的岩土环境等影响,存在一定的随机性.利用权值参数对小波神经网络的激励和输出函数进行修正,利用梯度下降的方法对伸缩和平移参数进行优化.在此基础上,以水位降深、土层的压缩模量、厚度、固结度和监测点方位为输入参数,基坑总沉降量为输出参数建立改进后的随机小波网络基坑地表沉降预测模型.工程实例表明,改进后的随机小波网络模型能使基坑地表沉降预测值较好地拟合工程实测值,误差均小于±8％,相比传统公式的计算值更具合理性.     

先进车辆与集成技术国际学术会议(VTI2012)征稿通知北大核心

先进车辆与集成技术国际学术会议VTI 2012（The 2012 International Conference on Advanced Vehicle Technologies and Integration）将于2012年7月16日-19日在中国长春市举办。     

吊舱式推进系统在实船上的集成应用和接口分析

对吊舱式推进系统在智能型无人系统母船上的集成应用和接口进行分析,对智能航行与远程控制系统的集成和智能航行与吊舱式推进系统的接口进行分析。阐述智能型无人系统母船的人工驾驶、智能航行和远程控制等操作模式及其控制逻辑,为类似智能船舶的设计与建造提供借鉴与参考。     

深度学习在激光熔覆领域的发展与应用

介绍激光熔覆的基本原理、应用领域和深度学习模型的发展状况,阐述深度学习在激光熔覆领域的应用。深度学习利用神经网络模型监控激光熔覆过程,在熔覆工艺参数优化和熔覆过程质量控制等方面具有较好优势,可有效提升激光熔覆过程的精度和稳定性。     

基于PINN方法的不可压流场求解

将残差网络（Res Net）结构引入物理信息神经网络（PINN）,提出一种基于Res Net的PINN方法（Res Net-PINN）。采用该方法对二维不可压圆柱绕流尾迹流场进行重建和预测,结果表明：Res Net-PINN能更准确地重建绕流尾迹的非定常变化规律;在圆柱绕流尾迹的短期预测方面,Res Net-PINN的预测精度和收敛速度相比全连接PINN均能提升3倍左右。Res Net能提高PINN对非定常流场的求解和预测能力,该研究可为采用机器学习方法求解更复杂流动问题提供参考。