人工神经网络用于层状结构参数识别的逆分析

提出一种识别“屏蔽”型数据的伪反馈双三层人工神经网络，由于反馈对信息进行过滤，使被屏蔽数据的识别精度有较大的提高，将此网络与计算力学相结合，用于层状结构的公路面层和基层厚度的识别，取得了较好的结果，该网络可以看作是两个独立的三层网络的组合，在计算方法和程序处理上并未有新的难点，简便易行。     

射频识别卡的关键技术

介绍了射频识别卡在射频识别技术中的重要作用及工作原理、关键技术。     

基于ATIS特种车流信息查询系统的设计与实现

由于实施了基础车流信息的采集,原来具有不确定性的列车预确报向具有实际采集到发时间的"车号识别系统(以下简称ATIS)"以及"电子确报"的方向上发展.鉴于此"基于ATIS的特种车流信息查询系统"的研究便在新的信息源支撑下应运而生.     

比亚迪e5纯电动汽车无法上电故障的检修

一、故障现象有一辆2019年款的比亚迪e5纯电动汽车,正常起动车辆时,仪表显示无法识别到钥匙,对智能钥匙系统进行检修后,再次起动车辆时,车辆系统能识别到钥匙,但是仪表显示无法上电。二、故障分析因为比亚迪e5纯电动汽车有智能钥匙系统,车辆系统无法识别到钥匙,说明该系统存在故障。确认智能钥匙电源正常后,查阅比亚迪e5纯电动汽车维修手册,其智能钥匙控制系统电路如图1所示。     

基于正则化与B样条曲线的桥梁影响线识别方法

为了快速评估既有桥梁的安全性，研究了基于多源实测信息快速准确识别桥梁影响线的方法。首先利用桥梁动力响应及车辆移动的实测信息，建立影响线识别的数学模型。在模型中引入Tikhonov正则化方法以解决病态矩阵求解问题，通过设置罚函数项以取得较光滑并贴近真实的影响线。然后通过基函数扩展法重构影响线，将其表示为一系列三次B样条基函数的线性组合，从而将问题从识别众多影响线因子简化为识别少量基函数权重系数。为了验证上述方法的可行性，先在实验室模拟钢制试验小车在钢筋混凝土三跨连续梁模型上移动的过程。基于实测布置于梁底的多测点挠度和应变响应时程以及相应的试验车信息，可识别出不同位置测点的挠度和应变影响线。试验结果表明无论是影响线的总体形状还是局部峰值，识别解与基准解均能较好地吻合。该方法还被进一步应用到一座简支现浇预应力混凝土箱梁桥。该试验通过实测检测车过桥期间的桥梁跨中截面若干测点的动应变、动挠度以及车辆重力、实时位置等信息，准确识别了对应于不同车道的挠度和应变影响线。通过对比桥梁静载实测和影响线虚拟加载结果，发现两者偏差绝对值在5%以内。在一定程度上表明了该影响线识别方法具有较高精度，并具备工程应用的良好潜力。     

基于高阶谱的水下目标识别

利用高阶谱估值法,对具有很强非高斯性和非线性的舰船辐射噪声信号进行分析及特征提取,并通过结构自适应神经网络作为分类实验,表明基于高阶谱的特征提取具有较强的类别可分性,在无源声纳目标识别中特具潜力。     

一种水下目标识别方法──基于模糊理论的多种神经网络融合分类

在应用多种方法提取目标噪声中分类特征的研究基础上,本文设计出基于模糊理论的多神经网络融合分类器,其研究重点主要包括有监督分类的模糊聚类神经网络分类、多神经网络与模糊综合分析相结合的融合分类。基于大量海试实测信号样本的多组实验表明,该分类方法具有良好的工程应用前景。     

基于数据融合的公交客流规模测算方法

公交客流规模测算往往存在调查成本受限和准确度要求较高的矛盾.提出基于公交IC卡历史数据与人工补充调查数据的数据融合测算方法,以准确推算公交客流规模.首先根据公交线路的基本属性,采用聚类分析方法划分线路类型,从每一类中选择具有代表性的线路.基于IC卡数据分析公交客流时变特征,运用有序样本聚类Fisher算法将线路小时刷卡量进行聚类分析.划分刷卡量相似时段,进而采用优化方法确定调查抽样率,确定相应的调查车辆进行人工补充调查,最终经过数据融合计算获得公交客流规模.基于上海市某辖区IC卡数据进行案例分析,测算得到三类公交线路的日均客流量.     

Feature extraction and modeling of welding quality monitoring in pulsed gas touch argon welding based on arc voltage signal

Arc sensing plays a significant role in the control and monitoring of welding quality for aluminum alloy pulsed gas touch argon welding （GTAW）. A method for online quality monitoring based on adaptive boosting algorithm is proposed through the analysis of acquired arc voltage signal. Two feature extraction algorithms were developed in time domain and frequency domain respectively to extract six statistic characteristic parameters before removing the pulse interference using the wavelet packet transform （WPT）, based on which the Adaboost classification model is successfully established to evaluate and classify the welding quality into two classes and the classified accuracy of the model is as high as 98.81%. The Adaboost algorithm has been verified to be feasible in the online evaluation of welding quality.