基于动态神经网络模型的交通事件检测算法

本文将一种新型的动态神经网络结构与传统的基于状态估计的故障检测方法相结合，提出了一种基于动态神经网络的交通事件检测算法。该网络借鉴静态BP网络的训练算法，并针对其训练方法中收敛速度慢及容易陷入局部极小点的缺点采用一种改进的算法，改善了训练效果。最后利用Matlab对提出的算法进行仿真，得到令人满意的效果。     

荆州大桥南汊通航孔主桥合理成桥状态确定

荆州大桥南汊通航孔主桥为结构高度不对称的高低塔斜拉桥，其结构构造与架设过程均较为复杂。为研究其受力特性，确保结构安全，以最小弯曲能量法和应力平衡法为基础，运用分步算法确定了该桥的合理成桥状态。     

关于薄壁箱形梁的悬臂翼缘板在翘曲扭转中作用的探讨

分析了带悬臂翼缘板的薄壁箱梁在约束扭转时的内力状态。在此基础上，推导了考虑悬臂板影响的约束扭转微分方程，以及翘曲函数(β)和扭率(θ)的关系方程，并讨论了悬臂板对截面翘曲扭矩的贡献。     

双ECU联合控制式汽车电子防盗系统

电子防盗系统作为体现现代电子技术水平的高科技产品,已广泛应用于各种新型汽车之中.目前各种汽车智能防盗系统很多,传统汽车电子防盗系统一般都是由防盗与门锁控制ECU(电子控制单元)对汽车各个部位或总成进行扫描,如果一旦发现汽车被"入侵",又都是由防盗与门锁控制ECU发出一系列防盗动作的.     

交通状态模式识别研究

在网络层次上进行区域交通信号控制、交通分配和路径诱导是缓解交通堵塞的有效途径之一。大量的实践经验表明，无论是在城市交通网络，还是在高速公路网络中，网络的状态可分为数量有限且不同类型的模式，并且这些模式不断重复出现。而针对不同的交通网络状态模式，可以通过理论分析或仿真研究等途径，求解用于进行区域信号控制、交通分配及路径诱导的优化控制参数及控制策略。当系统识别出网络处于某种模式时，就可参照事先确定的优化参数及策略进行交通控制和诱导，以缓解交通拥塞，提高交通系统的运行效率。本文基于对交通网络状态模式识别问题及其应用的重要性的认识，应用模式识别的理论和方法，对交通网络状态模式识别问题进行了一些初步研究。     

神经网络信息融合方法在电控发动机故障诊断中的应用研究

利用虚拟仪器技术研制了数据采集与处理系统，可对发动机进行实时数据的采集、历史数据和暂态数据的显示，以及数字滤波、频谱分析、波形显示等方面的数据后处理。以电控发动机常见的故障现象——怠速不稳为例，研究了一种特征层信息融合方法——基于神经网络的信息融合技术在电控发动机故障诊断中的应用。     

横向分布测试在既有桥梁状态评估中的应用

以评估某一高速公路桥的状态为背景，介绍了横向分布测试在既有桥梁运营状态评估中的应用，并对评定过程进行了简要分析。     

基于神经网络的半主动悬架自适应模糊控制

提出了基于神经网络的自适应模糊控制策略。模糊控制主要用来对付系统的非线性；神经网络根据振动响应的方差递推结果来辨识车体的振动情况实时调节模糊控制器的量化因子，使模糊控制器对路面的变化具有自适应的能力。在半主动悬挂1／4车非线性模型的基础上进行了仿真研究。     

模糊神经网络在发动机失火故障诊断中的应用

利用模糊神经网络对发动机失火故障进行诊断,建立起了模糊神经网络控制模型,应用MATLAB软件对其进行训练及仿真,结果表明此控制方法是有效的、可行的。     

BP和RBF神经网络在辨识内燃机燃烧过程中的应用

分析了发动机燃烧过程的研究方式,提出了用BP和RBF网络辨识内燃机燃烧过程的方法。选定神经网络的结构、隐层神经元的作用函数和控制参数,成功地得到了发动机的辨识模型,结果由RBF网络辨识的模型给出,从这一模型可以获得任意点缸内压力和温度以延拓的参数,为排放分析、计算和结构优化提供了良好的基础。