具有峰值识别的神经网络模型对水沙过程的预报

在经典BP神经网络模型的基础上,增设误差修正系数,实现网络误差修正权重倾向于输出样本的较大值.同时提出了一种计算输入输出向量的归一化公式.在此基础上建立了具有洪峰识别的BP网络预报模型.该模型能根据实测资料模拟和预报不同特征年的流量或含沙量过程.采用建立的模型,对宜昌水文站典型年实测流量过程及含沙量过程进行了预测检验,其结果与实测值吻合较好,对峰值的预报较经典BP模型有所提高.     

基于LSTM的电池组工作状态预测

运用长短期记忆神经网络（LSTM）对电池的电压、电流、荷电状态（SOC）进行预测。考虑驾驶行为对电池组工作状态的影响,确定了含加速度、车速、电压、电流、SOC在内的多参数LSTM模型;根据中国亿维新能源车辆云平台数据,采用Adam优化算法完成对LSTM模型的训练、测试与预测。结果表明：多参数LSTM模型可有效预测电池的SOC和电压变化状态,电流均方误差由14.848%降到3.192%。     

改进型PID参数神经网络自学习的船舶操纵控制器

船舶操纵的模型参数具有非线性、慢时变特性。船舶操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用改进型BP神经网络实现PID参数自整定的控制方法。此法能根据船舶动态特性的变化,自动重新整定PID参数,从而改善了操纵性能和鲁棒性,     

基于自编码模型的沥青路面表面横缝识别研究

以上海某高速路段为研究依托,采集相关的沥青路面表面图像,利用卷积神经网络提取图像特征后再通过基于长、短期记忆神经网络的自编码模型对路面图像是否含有表面横缝进行识别,并对模型识别效果进行评价。结果表明,该方法可以快速有效地提取图像特征,在样本不均衡的条件下对表面横缝依然有较好的识别能力。     

基于LSTM神经网络的桥梁损伤预警方法

为准确把握桥梁服役期内的健康状况,提高损伤评估效率,基于泗安塘大桥主桥某年多个测点的车致应变数据,建立了一种桥梁损伤预警方法。首先使用长短时记忆(LSTM)神经网络建立了车辆荷载作用下桥梁不同测点的多输入相关性模型,之后建立桥梁有限元模型模拟有损工况的桥梁状态,并提出损伤评估指标,最后根据损伤评估指标进行桥梁损伤预警。结果表明：采用LSTM神经网络建立的多输入相关性模型能够实现桥梁任意测点间车致响应的高精度预测;基于有限元模拟的车致应变提出的4个损伤评估指标能对假定的桥梁损伤进行明显识别;对泗安塘大桥主桥进行状态评估,4个损伤评估指标均稳定分布在一定的范围内,表明该桥近期没有增加新的损伤;建立了基于多测点的结构损伤评估指标体系,设定同时刻75%及以上的损伤评估指标超限时发出预警。     

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.