基于神经网络方法的柴油机气缸压力识别

分析了柴油机气缸盖系统激励和响应信号的非线性特性,阐述了基于BP神经网络的柴油机气缸压力识别方法.对测试的振动响应信号进行时域统计平均和低通滤波后,训练BP神经网络,利用自适应梯度下降算法,自适应调节学习速率,提高网络精度,识别柴油机气缸压力.结果表明,恢复出来的缸内压力信号和实测信号十分接近,该方法对柴油机的实时在线控制、监测和故障诊断有重要的应用价值.     

结合遗传算法的BP神经网络训练方法研究

针对BP神经网络存在收敛到局部极小问题,研究了直接利用遗传算法训练BP网络的方法和结合遗传算法训练网络初始权值的BP算法;通过简单异或问题说明了第一种方法所需训练时间较长;将第二种用于解决结构损伤识别问题,得到较好结果,说明利用遗传算法训练初始权值可以克服BP神经网络局部极值点问题,加快网络的收敛速度。     

交通方式划分预测模型的研究

针对目前较为关注的非集计类交通方式划分模型，对目前较为常用的Logit模型的原理进行简单阐述，重点介绍了几种较为适用的Logit改进模型，最后采用文中介绍的模型对赣州市居民出行方式进行拟合比较．     

铁路钢板梁桥的损伤识别与诊断研究

根据结构在损伤前后其固有频率的变化能够反映出结构的损伤信息这一特征,以洛河大桥为工程背景,通过BP神经网络模型在考虑无噪声和有噪声两种情况下分别对钢板梁桥整体损伤程度进行识别与诊断的研究.通过利用ANSYS软件提取出该桥在损伤前后的固有频率,并将其变化率作为网络的输入向量对网络进行训练,同时将该桥固有频率的实测值作为网络模型的测试向量,从而对钢板梁桥整体损伤程度进行准确的诊断.     

非线性混沌时序预测研究及应用

混沌是一种普遍存在的非线性动力学行为，针对混沌时间序列的难以预测和控制的问题，提出了基于趋势的混沌预测模型，利用混沌系统的初值、参数敏感性来微调和控制系统扰动，并用改进的最优化方法来估计模型的参数，在其相空间中对时序的未来值进行预测．算例表明，选取最佳的模型阶数能增加预测的准确程度，它不仅克服了仅用延迟嵌入技术的弊端，也降低了直接使用预测误差决定输入模式的盲目性．预测效果比其他时序方法要好。     

基于神经网络的传感器故障诊断仿真

针对现代工业大型复杂系统的不确定性使得对其进行建模比较困难的特点，提出了一种用神经网络进行传感器故障诊断的方法．以凝汽式汽轮机调速系统中的转速传感器为例进行了传感器故障诊断研究，给出了仿真实现结果，并加以分析．仿真结果表明，所提出的利用神经网络进行传感器的故障诊断的方法具有可行性．     

神经网络用于刚架结构裂纹识别的反问题

对刚架结构，利用传递矩阵方法建立含裂纹单元的刚度矩阵，用有限元正分析得到在裂纹的不同位置和深度时结构的固有频率。用已知（计算）的裂纹与结构频率所相应的一定数量的样本，对三层前蚀式神经网络进行训练，自学习后的网络将用于裂纹位置和深度的识别。以悬臂梁为算例，计算实验结果表明，此方法对裂纹的识别有一定的精度。     

基于神经网络和遗传算法结合的桥梁结构损伤诊断

利用神经网络对有限元计算的样本数据建立起桥梁结构的损伤参数——损伤位置、损伤程度（输入）以及位移差——损伤结构与完好结构的位移差（输出）的全局性映射关系，以获得遗传算法求解桥梁结构损伤问题所需的目标函数值，从而识别桥梁的损伤参数．某连续梁桥算例表明，此方法可以在较少的有限元分析次数下获得较好的损伤诊断结果．     

基于模糊神经网络的单交叉口变相序控制

针对城市交通流时变的特点，提出了一种可变相序自适应单交叉口控制算法，该算法根据通行权转移度来决定放行相位及通行时间，并综合考虑了所有相位车辆排队长度以及绿灯相位通行时间。通过多层BP神经网络实现单交叉口多相位模糊控制。结果表明，该控制器具有学习和泛化能力，可以有效的提高绿灯时间利用率并减少车辆平均延误。     

基于马尔可夫预测模型的桥梁养护时机研究

文章研究了桥梁技术状况的时变规律,根据模糊评价理论结合马尔可夫过程方法 ,给出了桥梁技术状况和养护费用的预测模型。算例分析表明,该方法可进行桥梁技术状况预测,从而揭示出桥梁技术状况发展规律并预判到潜在的危险,以便在时间和空间上优化分配养护预算,确保桥梁在目标使用期内安全和合理使用。