基于BP神经网络的DSS焊接应力和收缩变形预测研究

针对川东造船厂化学品船建造中使用特种钢——2205双相不锈钢(DSS),在其焊接试验的基础上分别建立了双相不锈钢焊接应力和收缩变形的BP神经网络预测模型,并与多元线性回归方法进行比较,较好地模拟了焊接残余应力和变形与板厚、焊接电流、电弧电压、焊接速度等工艺参数之间的非线性关系。预测结果表明,BP神经网络比多元线性回归在预测精度和泛化能力上都有很大的提高。     

基于改进均值模型的汽油机瞬态空燃比控制研究

结合平均值模型(MVEM)和BP网络的优点,对平均值模型进行改进,将BP网络替代均值模型中经典X-τ油膜模型,对喷油脉宽进行辨识。将改进后的均值模型和原均值模型在SIMULNK中建模,研究结果表明,采用改进后的均值模型,发动机瞬态空燃比最大偏离值和偏离时间明显得到改善,具有精度高、跟踪快速的特点,为基于模型的发动机瞬态工况空燃比的控制提供参考。     

柔性防护网在青海西久公路红土山高边坡的应用

西久公路红土山段地处青海三江源,地质构造复杂,褶皱和断裂破碎带较为发育,公路沿线滑坡、崩塌、落石等地质灾害频发,严重威胁公路的运营安全,经常造成公路中断。2007年采用柔性防护网边坡防护技术,较好地解决了传统防护措施难以整治边坡浅层破坏的难题,整片长度为540 m,平均高度33 m,最大高度77 m,总挂网面积18 000 m2。柔性防护网在边坡应用一年多后,格栅后的岩土体上已长出青草,滑塌、掉块等灾害得到了有效控制。     

基于BP神经网络的列车制动控制仿真研究

针对列车制动过程存在的复杂性、非线性、时变性、不确定性等因素,通过分析影响建立BP神经网络模型的主要因素,建立了用于列车制动控制的BP神经网络模型。以货物列车为仿真对象,在Matlab环境中进行了仿真研究。仿真结果表明,该方法控制安全性好、停车误差小,基于BP神经网络的智能算法运用于列车制动控制是可行的。     

港口照明智能控制系统设计

开发港口照明系统的智能调光系统,并通过网络对港口照明系统进行集中网络控制与管理可实现港口照明综合节能。文中对港口照明智能控制系统进行分析,构建了无线传感网络与局域网组合的港口照明智能控制系统构架,同时解决了港口照明系统关键技术问题：港口照明控制单元的主控电路、检测电路以及通信电路等,结合港口GIS技术,设计了港口照明智能控制软件的架构,并对系统的功能进行分解与描述。     

面向微观交通仿真的路网建模模块实现方法

路网描述模型是微观交通流仿真的基础,其建模过程较为烦琐。为了简化路网建模工作,设计了1个路网建模模块,为用户提供路网绘制、道路属性编辑及保存工具。该模块能自动提取绘图区及编辑区的关键信息,并通过转化算法快速建立路网数据库,为道路交通场景的三维可视化及微观交通仿真模型道路动态链表构建提供数据支持。实际效果表明,该路网建模模块能够快速生成路网相关数据,以动态链接库形式创建并嵌入到微观交通流仿真软件中,移植性较好。     

隧洞围岩力学参数反演

利用粒子群优化算法的全局寻优能力帮助确定神经网络的隐层神经元的数量,基于某隧洞的实测位移数据,对该隧洞的硬土弹塑性力学参数进行了反演。     

边坡稳定性分析中水作用力计算方法研究

水作用力计算的正确与否对边坡稳定性分析结果有着重大影响,然而当前计算水作用力的方法有缺陷。文中在力的正确选取的前提下确定了两类水作用力的计算模型,在此基础上对现有常用方法进行了合理性分析。提出了边坡稳定性分析中单个条块的地下水流网形态,导出了新的水作用力计算方法。     

基于BP神经网络的驾驶员昼夜动态空间距离判识规律

为研究昼夜动态环境中驾驶员对空间距离判识的规律,进行了实际道路试验。随机选取32名驾驶员分别在昼、夜环境中不同深度距离和速度下,判识红、绿色障碍物的空间距离,统计并检验驾驶员对红、绿色障碍物判识距离的差异,获得判识特征值;运用BP神经网络拟合距离判识结果,分析距离判识变化规律。结果表明:BP神经网络可以很好地拟合距离判识变化规律,精度优于现有模型;绝对距离和相对距离判识结果均随速度增加而减小,随深度距离增加而增大;夜间判识距离大于白天,驾驶员对相对距离判识准确性高。     

灾害事件下局域路网应急疏散交通分配模型

应急疏散的目的是要在灾害发生时将处于危险地带的人群尽快转移至安全地带。针对不同灾害事件类型而引发的单源单汇、单(多)源多汇网络状态的路网疏散问题分别进行了分析。在各路段通行能力的约束条件下,以疏散交通流量最大、总疏散时间最小为优化目标,运用最小费用最大流理论建立了局域路网疏散分配模型。通过实例对模型进行了求解,并在Matlab中得到了实现。通过查找最小截量组成弧的分布位置,并对路网中最小截量组成弧的路段扩容改造,进而有效提高局域路网的应急疏散能力。