工程系统模糊故障诊断现状

该文综述了工程系统模糊故障诊断研究的最新研究成果及它的技术难点和发展趋势。ＦＦＤ技术将为复杂工程系统故障诊断的智能化提供有效的技术支撑。     

自组织径向基神经网络在数据融合中的应用

径向基神经网络是一种基于数值计算方法插值逼近原理构造的人工神经网络，学习速度快且可以避免局部极小问题。文中提出了使用一种自组织径向基人工神经网络来构造雷达功能推理机的方法，此网络采用非监督自组织和监督学习相结合的混合学习算法。实验结果表明，径向基神经网络只需要用比模糊神经网络少很多的学习时间即可达到相同的识别结果。     

用神经网络和分光光度法测定废水中的多元素

为了快速测定工业废水中吸收光谱重叠的Cd与Co和Cr与Fe 2组元素,采用4-（2-吡啶偶氮）-间苯二酚（PAR）-Cd-Co和二苯碳酰二肼-Cr-Fe显色体系,采用分光光度法测定吸光度,用训练过的人工神经网络进行数据处理,建立了不经分离而能同时测定Cd与Co,Cr与Fe含量的方法.用此方法测定合成样品,Cd,Co,Cr和Fe的回收率分别为101%,98%,102%和98%,平均相对误差分别为1.61%,-0.23%,0.00%和-0.08%.     

膨胀土地区边坡稳定性探讨

探讨了成都膨胀土的一些物理、化学性质,以吸力经验公式为基础,结合某路堤边坡工程,分析了膨胀土吸力对边坡稳定性的影响。采用“条分法”分别按照均质边坡、无孔隙水压力,均质土坡、有孔隙水压力,均质土坡、有孔隙水压力且坡顶开裂三种工况对膨胀土边坡稳定性进行预测分析,计算结果表明后两种情况下边坡的稳定性大大降低,并提出了防止边坡失稳相应的工程措施。     

基于人工神经网络的船舶操纵运动仿真

探讨神经网络技术在船舶操纵运动仿真领域的应用,构造一种网络结构和训练方法,验证船舶操纵指令与船舶运动态势参数映射的可行性,并构建了基于典型BP神经网络模型的操纵运动仿真系统.     

基于时间序列神经网络的气象预测研究

月平均气温是气象的主要特性参数，也是影响气候变化的重要因素．文中配合实例介绍了一种基于时间序列的人工神经网络学习算法的流程，给出了该算法的实验结果并对不同情况下的结果作了比较，同时就在实现该算法的过程中所出现的问题以及解决方案进行了阐述．员后提出了将L—M神经网络与时序分析方法相结合的设想．     

基于人工神经网络的沥青混合料体积性质预测

在变级配多组试验数据的基础上，建立了人工神经网络预测模型。以各筛孔通过率作为输入，矿料间隙率和粗骨架间隙率作为输出，得到的神经网络预测模型，对于某种具体的材料，能够预测其它各种不同的级配在相同的沥青用量下所具的体积性质。     

人工神经网络在运行车速预测中的应用

基于太旧高速公路运行车速实测数据,利用Matlab人工神经网络建立运行车速与平面线形要素之间的神经网络关系模型,以期用于对新建公路的线形设计和已有公路的运行车速评估.在太旧高速公路应用发现预测精度较高,有实际利用价值.     

Prediction of Axial Capacity of Concrete-Filled Square Steel Tubes Using Neural Networks

The application of artificial neural network to predict the ultimate bearing capacity of CFST （ concrete-filled square steel tubes） short columns under axial loading is explored. Input parameters consiste of concrete compressive strength, yield strength of steel tube, confinement index, sectional dimension and width-to-thickness ratio. The ultimate bearing capacity is the only output parameter. A multilayer feedforward neural network is used to describe the nonlinear relationships between the input and output variables. Fifty-five experimental data of CFST short columns under axial loading are used to train and test the neural network. A comparison between the neural network model and three parameter models shows that the neural network model possesses good accuracy and could be a practical method for predicting the ultimate strength of axially loaded CFST short columns.     

用相关路段交通流逼近目标路段流量的神经网络方法

为了研究城市道路动态变化的交通流量之间的关系，本文分析了城市道路交通流量分布的特点，提出了用相关路段的流量数据逼近目标路段流量的思想，给出了用于逼近的神经网络模型、具体算法和评价标准，在比较精确的训练样本基础上对网络进行了训练，测试了训练后的网络的性能，并与传统的多项式逼近方法进行了比较．实验表明，采用基于神经网络的非线性动态逼近方法较传统的多项式逼近方法能够更加有效的改善逼近的误差．