船舶柴油发电机转速神经网络容错控制

结合人工神经网络与智能容错控制,形成船舶柴油发电机转速神经网络容错控制。对由故障诊断后获取的特征值进行归一化处理,把经过处理的特征值作为神经网络的输入样本集,设计输出样本集,建立BP神经网络和ELMAN神经网络,用整理后的数据训练神经网络,使神经网络具有容错控制功能,并对神经网络模型进行仿真测试。仿真试验显示可以实现对船舶电力系统容错控制,保证船舶的安全运行。     

RBF神经网络在柴油机燃油系统故障诊断中的应用研究

本文主要介绍了径向基（RBF）神经网络在柴油机燃油系统故障诊断中的应用,并且首次将神经网络和虚拟仪器技术相结合,成功用于柴油机故障诊断中。比较了RBF和误差反传（BP）神经网络的学习速度和诊断精度。研究表明,将RBF神经网络和虚拟仪器相结合进行柴油机故障诊断具有良好的诊断效果和精度,有很好的工程应用前景。     

基于模糊神经网络的汽车换挡品质评价系统

应用MATLAB软件设计了基于模糊神经网络的汽车换挡品质评价系统.对换挡过程中由仪器测得的客观评价指标和由驾驶员给出的相应主观评价构成的样本向量进行学习和训练,建立了客观评价指标和主观感觉之间的联系.试验结果表明,该系统误差精度为0.060012,即系统评价结果与主观评价结果基本一致,能够客观有效地评价换挡品质.     

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.     

高速公路动态交通流Elman神经网络模型

为了提高高速公路交通流建模的精度, 分析了离散的高速公路动态交通流数学模型, 基于Elman网络原理, 建立了回归神经网络交通流模型。回归神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为8、30、30和2, 采用Levenberg-Marquardt算法对回归神经网络进行训练, 并对一条5路段的高速公路进行仿真。结果表明: 回归神经网络平均相对误差为8.683 7×10^-5, 最大相对误差为4.237 1×10^-4, 与BP神经网络和RBF神经网络相比较, Elman回归神经网络能更好地逼近交通流数学模型, 真实地描述交通流基本特性, 能准确地建立动态交通流模型, 适应交通状况的变化。     

黄土沟壑区湿软路基沉降预测模型

为合理考虑路基沉降预测时诸多影响因素的不确定性与随机性, 提出基于神经网络范例推理的路基沉降预测模型。以同类工程的成功经验为基础, 建立了基于神经网络的沉降范例检索模型, 在范例相似度计算中, 引入归一化效用函数, 通过神经网络的学习, 建立当前沉降范例与沉降源范例之间的相似关系, 最终实现当前沉降范例的沉降预测。对黄土沟壑区湿软路基沉降预测结果表明, 该模型具有较高的预测准确性, 预测值与实测值绝对误差小于10%。     

基于用地和交通特征的停车需求预测模型

为了解决城市停车难问题, 对停车需求进行合理预测, 考虑目前日益紧张的土地资源和快速增长的交通流量, 分析了用地与交通影响预测模型建立的基本原理, 采用用地特征函数描述了土地使用性质与停车生成率之间的关系, 采用交通影响函数分析了路网流量增长率和停车率对停车需求的影响, 在此基础上建立了停车需求预测模型。利用开发的软件系统, 根据典型区域的土地资源规划和道路交通调查数据, 进行了城市停车需求预测。预测结果表明: 随着时间的变化, 在各种因素影响下, 停车需求近5 a增长较缓慢, 而在随后的5 a中停车需求快速增长, 且日停车需求量的增长速度明显高于高峰小时的增长速度。     

轨道交通轮轨噪声预测模型

为了准确预测轮轨噪声, 在分析轮轨噪声产生机理的基础上, 运用车辆-轨道耦合动力学理论、噪声辐射与传播理论, 建立了轮轨噪声预测模型。在模型中, 车轮采用LOVE圆环模型, 钢轨采用Timoshenko梁模型, 轮轨接触采用Hertz非线性弹性接触。模型计算结果与国际知名软件TWINS的仿真结果比较表明, 各轮轨部件的噪声峰值频率不尽相同, 但对总噪声贡献的主要频率范围是一致的; 模型声级频谱计算值与秦沈客运专线高速行车试验的现场实测值比较吻合, 且变化趋势一致。由此说明轮轨噪声预测模型是可行的, 可用于铁路轮轨噪声的预测与评价。     

非线性季节型航空公司客运收入的组合预测方法

针对航空公司的客运收入同时具有增长性趋势和季节波动性特征, 使得客运收入的变化呈现出复杂的非线性组合特点, 依据灰色预测GM (1, 1) 模型原理, 建立客运收入预测模型, 以反映其增长性趋势的特点, 建立客运收入季节变动预测模型, 以反映其季节波动性特点, 最终形成非线性季节型客运收入组合预测模型。航空公司客运收入的预测结果表明, 预测值与实际值误差小于1%, 该模型有效、可行。