基于并联型灰色神经网络模型的港口吞吐量预测方法探讨

港口吞吐量预测是港口规划的基础,在确定港口发展方向、投资规模等方面发挥着十分重要的作用,因此有必要对港口吞吐量的发展趋势做出合理的预测。结合灰色理论和神经网络模型的特点,尝试用灰色神经网络组合模型之一——并联型灰色神经网络模型进行港口吞吐量预测。用实际算例证明了该方法在港口吞吐量预测中的有效性。     

OLISTER无人潜器及其特征信号管理

ECA公司研制的OLISTER新型无人潜器是一种集水雷战、调查和侦听于一体的多功能无人航行器，它能方便而且迅速地在遥控潜器和自主潜器之间转换。讨论了该水下无人潜器特征信号管理的两个问题，即声辐射和电磁辐射(尤其在静态情况下)。采用两种动态神经网络，并且是两种不同的四元函数对上述问题进行了阐述。     

多雷达多目标航迹跟踪法

提出了一种改进的模糊极小极大(Fuzzy Min-Max,FMM)神经网络算法,并结合无师训练FMM神经网络的聚类,给出了一种基于FMM神经网络的多雷达多目标航迹跟踪方法.仿真实验结果表明,这种方法能够有效地完成多雷达多目标的数据融合,并较好地实现了多雷达多目标的航迹相关.     

利用RBF神经网络预测和消弱低频无线电导航定位误差

由于诸多因素的影响，导致了低频无线电导航系统的定位误差和GPS卫星导航系统的定位误差之间存在较大的差距，拟采用径向基函数（RBF）网络来预测电波传播误差，以期达到修正现有低频无线电导航系统定位误差的目的，从而进一步提高低频无线电导航定位的精度。     

BP神经网络预测船体焊接变形

实现无余量造船的重要前提是准确预测船体结构的焊接变形,从而满足造船精度要求。由于焊接变形的起因以及现场工作环境非常复杂,几种回归公式难以完全覆盖所有范围。为此,本文应用C 语言实现BP神经网络学习算法,来预测船体构件焊接横向变形和角变形。     

Elman递归神经网络在结构分析中的应用

给出了Elman动态递归神经网络的网络结构和基本原理。基于Elman递归神经网络能够逼近任意非线性函数的特点,提出了一种基于Elman递归神经网络建立结构分析模型的方法。利用Elman递归神经网络对桁架进行建模,真实地反映了桁架结构的动态特性。     

基于BP神经网络的铁路客运设备故障监测模型设计与研究

由于铁路客运设备种类众多并且分布区域分散,致使人工巡检工作效率低。为了提高巡检工作的效率,实现铁路客运设备巡检工作智能化,本文提出并设计了基于BP神经网络的铁路客运设备故障监测模型。通过无线传感器获取影响客运设备状态优劣的因素,运用所建模型进行决策,判断铁路客运设备是否运行正常并能准确地诊断出故障部位,实现了铁路客运设备巡检工作智能化的目标。最后通过对机房空调设备的仿真研究,验证了所建模型的有效性。     

基于神经网络联锁系统故障诊断专家系统的研究

介绍神经网络的专家系统的基本结构和工作原理,描述了基于神经网络的计算机联锁系统故障诊断专家系统.     

基于BP网络的铁路货运量预测

阐述了铁路货物运输需求预测的重要性,并以煤为例构建了基于BP网络的预测模型,通过对该模型的训练,得到了较好的预测效果,提出了可利用BP神经网络对其他货物品类进行预测的建议。     

基于神经网络的感应电动机特性辨识新方法

提出并论证了一种基于神经网络的感应电动机特性辨识新方法,只需测得电机两相电流数值便可以辨识出电动机转矩和转速,用改进的Levenberg-Marquardt算法对神经网络进行学习和训练,构建了适合电动机转矩转速观测的BP神经网络。由于RBF神经网络无论是在逼近能力、函数拟合和学习速度方面都优于BP网络,也利用RBF网络进行了辨识。该方法较已经提出的方法相比,需要的检测量少,辨识方法简单。仿真研究表明,RBF神经网络辨识效果优于BP神经网络。