β-淀粉样蛋白增加基底前脑神经元对谷氨酸的易感性

目的探讨β-淀粉样蛋白25-35(Aβ25-35)与谷氨酸(Glu)联合应用,对原代培养的大鼠基底前脑神经元的作用。方法原代培养大鼠基底前脑神经元,应用形态学、MTT法结合ChAT免疫组织化学染色,分别观察Aβ25-35与Glu联合应用,对原代培养的基底前脑神经元存活率、形态学及ChAT免疫反应阳性神经元的影响。结果将100 nmol/L、1μmol/L Aβ分别和20μmol/L Glu联合用于培养的基底前脑神经元,在倒置显微镜下观察,细胞表面粗糙,立体感减弱,胞浆中出现深色颗粒,细胞肿胀或收缩;尼氏染色显示尼氏体减少;MTT检测显示神经元存活率明显下降,100nmol/L Aβ+20μmol/L Glu组与100 nmol/L Aβ组间,1μmol/L Aβ+20μmol/L Glu组与1μmol/L Aβ组间比较均具有统计学差异(P<0.05);ChAT免疫阳性神经元的灰度和截面积均减小。结论Aβ25-35可增加神经元对Glu神经毒性作用的敏感性,表明Glu在阿尔茨海默病发病中起着非常关键的作用。     

铁路钢板梁桥的损伤识别与诊断研究

根据结构在损伤前后其固有频率的变化能够反映出结构的损伤信息这一特征,以洛河大桥为工程背景,通过BP神经网络模型在考虑无噪声和有噪声两种情况下分别对钢板梁桥整体损伤程度进行识别与诊断的研究.通过利用ANSYS软件提取出该桥在损伤前后的固有频率,并将其变化率作为网络的输入向量对网络进行训练,同时将该桥固有频率的实测值作为网络模型的测试向量,从而对钢板梁桥整体损伤程度进行准确的诊断.     

基于神经网络的传感器故障诊断仿真

针对现代工业大型复杂系统的不确定性使得对其进行建模比较困难的特点，提出了一种用神经网络进行传感器故障诊断的方法．以凝汽式汽轮机调速系统中的转速传感器为例进行了传感器故障诊断研究，给出了仿真实现结果，并加以分析．仿真结果表明，所提出的利用神经网络进行传感器的故障诊断的方法具有可行性．     

基于ANN下的岩质路堑深边坡稳定性评价

在综合分析岩质路堑深边坡变形破坏模式的基础上 ,提出评价岩体边坡工程稳定性的指标 ;讨论了神经网络在岩质路堑深边坡稳定性评价中的应用 ,提出了基于 ANN下路堑深边坡稳定性评价的方法 ;通过样本训练和实例预测评价结果表明 ,该方法是有效、可行的     

基于神经网络和遗传算法结合的桥梁结构损伤诊断

利用神经网络对有限元计算的样本数据建立起桥梁结构的损伤参数——损伤位置、损伤程度（输入）以及位移差——损伤结构与完好结构的位移差（输出）的全局性映射关系，以获得遗传算法求解桥梁结构损伤问题所需的目标函数值，从而识别桥梁的损伤参数．某连续梁桥算例表明，此方法可以在较少的有限元分析次数下获得较好的损伤诊断结果．     

基于模糊神经网络的单交叉口变相序控制

针对城市交通流时变的特点，提出了一种可变相序自适应单交叉口控制算法，该算法根据通行权转移度来决定放行相位及通行时间，并综合考虑了所有相位车辆排队长度以及绿灯相位通行时间。通过多层BP神经网络实现单交叉口多相位模糊控制。结果表明，该控制器具有学习和泛化能力，可以有效的提高绿灯时间利用率并减少车辆平均延误。     

地铁换乘客流实时监测模型研究

针对地铁换乘客流随机性强及短时冲击性等特点,在分析地铁线网结构的基础上,提出基于时序倒推的地铁换乘客流实时监测模型,并采用BP神经网络算法进行模型求解。选取南京地铁典型换乘站对所述方法进行分析验证,进一步说明模型的合理性和可行性。     

基于WPA优化神经网络的扼流适配变压器故障诊断研究

针对传统铁路扼流适配变压器故障诊断模型结构复杂和精度不高的问题,运用狼群算法(WPA)、粗糙集(RS)理论和神经网络(NN)相融合的方法对其进行故障诊断研究。用粗糙集理论对故障样本数据进行约简处理,减少样本数据的监测及关键特征量的输入个数;利用约简后的数据对神经网络训练。利用狼群算法优化BP神经网络参数,提出WPA-BPNN故障诊断模型,以侯马电务段扼流适配变压器故障数据为例进行验证。研究结果表明:WPA-BPNN故障诊断模型相比传统方法,简化了网络结构,缩短了训练所需时间,提高了故障诊断精度,保证了列车行车安全及线路的高效运行。     

一种基于人工神经元网络算法的 谐波多路同步快速检测装置

通过对高铁牵引供电系统中谐波传输特性进行分析,设计以人工神经元网络算法为核心的快速谐波检测算法,实现牵引供电系统多路谐波数据同步检测。试制装置现场测试表明,该装置可实现牵引供电系统多路馈线50次以内谐波的同步快速检测,并具有较高的精度及良好的实时性。     

基于人工神经网络的车次追踪算法研究

在高速铁路运营调度系统中,对列车进行跟踪,实时获取准确的列车车次号是必不可少的。车次追踪主要包括原始车次号的获取、车次号的逻辑追踪处理和列车车次校核3个方面。逻辑追踪是在某一时刻和某一地点,根据列车的实际运行情况,自动推算当时运行或者停车的列车的车次号。车次校核是根据计划或无线等车次号对追踪结果进行校核。基于人工神经网络算法的车次追踪技术,快速、有效,可以避免由于轨道电路故障而引起的车次追踪错误。