基于模态应变能和神经网络的分步损伤诊断法

神经网络用于损伤识别遇到的最大问题就是训练样本的组合爆炸,单纯利用神经网络进行实际工程结构的损伤诊断有很大困难。丈中提出了一种分步损伤诊断方法,即先用模态应变能判断损伤位置,然后用BP神经网络识别损伤程度,并使用该方法成功地对一座模拟损伤的两跨连续梁桥进行了损伤位置与损伤程度识别。     

人工神经网络在路面模量反分析中的应用

随着落锤式弯沉仪在公路工程中的广泛应用,路面模量的反分析方法日益受到国内外研究人员的重视。文中使用MATLAB神经网络工具箱研究了BP神经网络在路面模量反分析中的应用。研究结果表明,只要合理处理输入和输出参数,利用BP神经网络可较好地预测路面各层的弹性模量,且相对于其他分析方法,该方法运算速度很快,适合于实际工程中应用。     

基于融合CNN和SSA-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断问题,提出一种融合一维卷积神经网络(1D CNN)和麻雀算法优化支持向量机(SSA-SVM)的网络结构。该网络结构通过卷积运算对原始时域振动信号直接进行特征提取,将提取到的特征输入到麻雀算法优化的支持向量机中,使用支持向量机代替Softmax进行分类。利用滚动轴承故障数据进行验证,此方法故障诊断精度高达0.983,高于其他网络结构,且整体网络结构简单,有一定实际应用价值。     

基于进化神经网络的超声回弹综合法火灾后混凝土强度的评定

基于火灾高温后混凝土强度的评定是判断火灾后建筑结构损伤程度、剩余承载力的重要依据,设计了一个进化神经网络模型,用遗传进化算法优化RBF网络的连接权和网络结构,并将其应用于火灾后混凝土抗压强度的评定,给出了混凝土强度测试的实验方法。研究结果表明,所提出的进化神经网络比回归计算方法具有更高的识别精度和较强的实用性。     

一个基于灰色神经网络组合的交通量预测模型应用研究

GM模型在预测中对历史数据作不同取舍时,其预测值并不相同,即这种预测结果将是一个预测值的区间,这就给预测人员的取舍带来一定困难。利用GM模型少数据建模和人工神经网络非线性逼近的优点把两种模型结合起来,用对历史数据作不同取舍的GM模型的预测值和纯神经网络的预测值作为组合神经网络的输入,由人工神经网络确定这些不同GM模型和纯BP网络的组合,实例验证得出更为准确的预测值,从而证明这一模型的可行性和有效性。     

基于地铁综合监控系统的环境设备监控系统应用技术

地铁综合监控系统集成或互联了环境设备监控系统等诸多子系统。对环境设备监控系统的神经网络感知、基于客流量模型灰色系统预测、设备优化控制技术,以及设备状态检修和RAMS(可靠性、可用性、可维护性和安全性)管理等应用技术进行了研究,这些应用技术能够更好地实现对地铁机电设备全面、高效的自动化监控及管理,保证设备安全、可靠、高效、节能地运行,并为乘客提供安全、舒适的乘车环境。     

汽车发动机故障诊断系统的虚拟样机硬件研发

发动机是汽车的心脏,影响到汽车行驶的动力性和经济性,伴随着资源的匮乏和道路的拥挤,人们对发动机提出了越来越高的要求。电控发动机已逐渐发展成为集电子技术、计算机技术、信息技术于一体的智能控制系统,这也给汽车维修人员提出了更高的技术要求,传统的发动机故障诊断方法已经很难满足现代发动机故障诊断的要求。由于神经网络具有容错、联想、推测、记忆、自适应、自学习和处理复杂多模式的独特功能,利用虚拟仪器技术和神经网络技术相结合的方法,可方便快捷地对发动机不同工况进行实时数据采集,并对采集的数据作有效的分析,直接给出诊断结果,这样可使汽车发动机故障诊断在一定程度上实现自动化和智能化。     

基于线谱特征提取的被动声纳目标识技术研究

该文针对被动声纳目标识别,着重研究了线谱特征提取方法,提出了一种自适应遗传BP算法,并用该算法训练神经网络目标分类器。经对上海上实录三类目标噪声分类识别实验结果表明,所设计的被动声纳目标识别系统具有很好的分类效果。     

一种提高DCT变换编码性能的神经网络方法

提出了一种提高ＤＣＴ变换编码性能的神经网络方法，内容包括：ＤＣＴ变换编码的失真分析、神经网络模型、网络学习算法和计算模型结果。     

ART—2神经网络分类器的研究

ＡＲＴ神经网络是按照自适应谐振理论建立的一种自组织的人工神经网络。西方通过ＡＲＴ神经网络的结构，发现其用于模式识别中有很好的在特性人工晴天 数据处理过程中有部分数据量丢失的现象，也就是说，非常重要的幅度信息没有被考虑到，本文提出一种新的结构和相应的新算法，并成功地把这种结构算法用到分类器设计中。