人工神经网络在冲击响应计算中的应用

基于人工神经网络在系统辨识和函数拟合方面的优势,以单自由度隔冲系统为研究对象,提取了决定冲击响应的几个参数作为网络输入,以最大响应加速度值和隔振器最大变形量为最终目标参数,采用人工神经网络的方法来计算其冲击响应,实际计算结果表明神经网络方法计算的结果具有较好的精度。     

智能压路机故障诊断系统的实现

为了实现对压路机的状态监控、故障预防及诊断,建立了神经网络与专家系统相结合的智能压路机故障诊断系统．实现了对智能压路机常见故障的诊断。从系统最终运行结果来看,该智能压路机故障诊断系统基本实现了所需功能     

车用可插拔式燃料电池增程器匹配设计研究

为一款正在开发的燃料电池增程式微型电动车,提出了可插拔式燃料电池增程器/蓄电池动力系统的方案和系统关键部件,如燃料电池、DC/DC转换器等的选型原则和匹配设计方法;为在仿真中考虑排氢动作对风冷自增湿燃料电池耗氢量的影响,提出了瞬时氢气过量系数查表法;最后,利用M atlab/Cru ise联合仿真平台对匹配设计结果进行了验证。     

一种基于多传感器多目标跟踪数据的时间对准方法

在智能交通系统应用中,常常需要利用多种传感器对不同的交通目标进行数据采集,经常遇到时间不同步、数据率不一致的问题。采用BP神经网络算法,提出了一种基于多传感器多目标数据的时间对准方法,较好地解决了多目标跟踪的基础问题,提高了数据融合效率,并通过仿真实验及与传统时间对准方法的比较给出了该方法的优点。     

预应力管道压浆质量无损检测方法

为了准确评价后张法预应力混凝土结构管道内部的压浆质量,对实际压浆过程中可能出现的缺陷做出定性与定量分析,采用冲击回波法并结合小波神经网络进行无损检测研究。利用管道内置的软泡沫来模拟实际压浆体缺陷开展模型试验,在此基础上通过小波分析探讨冲击回波响应和管道压浆质量之间的关系,并提取测试信号对缺陷敏感的特征向量,创建一个单隐层的BP神经网络对预应力管道的压浆质量进行诊断。最后结合实际工程现场试验,完善智能评价系统。研究结果表明:经过训练、测试的3层BP神经网络具有很好的抗噪性能,在5dB噪声干扰下能够稳定和较准确地识别出缺陷大小,且诊断误差很小;实际工程的现场测试进一步验证了该方法的有效性。     

基于BP神经网络的钢-混组合结构PBL剪力键承载力

为实现钢-混组合结构PBL剪力键极限承载力的准确预测,通过分析既有推出试验结果,对PBL剪力键的作用机理及破坏模式进行总结,确定PBL剪力键纵向抗剪承载力的主要影响因素为开孔直径、钢板厚度、混凝土抗压强度、贯穿钢筋直径、钢板屈服强度等.以神经网络理论为基础,选用误差反向传播(BP)神经网络算法模型,选取钢板厚度、开孔直...     

基于BP神经网络的交通异常事件自动检测算法

对现有公路交通异常事件自动检测算法进行介绍,在此基础上提出从人工神经网络角度方向建立检测模型,摆脱以往使用仿真数据研究的局限,利用广深高速实测交通异常事件数据对BP神经网络（Back Propagation NN）在交通异常事件自动检测算法中的应用进行研究。结果表明BP神经网络算法具有检测率高、误报率低和检测速度快等优点。     

����ģ����ϵ���·��װ������Ԥ��

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.     

����BPNN-MOPģ�͵�����·�������ģԤ���о�

区域公路网规模是保障交通供给能力的基础,确定合理的路网规模是调节交通供需平衡的关键. 本文从路网发展数量和质量两方面,里程、密度、等级结构三项指标出发,建立了基于BP神经网络与马尔可夫链的公路网里程规模组合预测模型,并采用多目标规划方法对公路网等级结构进行了优化研究. 该方法能够充分挖掘公路网规模演变的宏观调整与微观波动规律,提高了预测的精度和可靠性. 最后本文结合实际案例,对区域特征年公路网的合理规模及结构进行了分析预测. 结果表明,组合预测方法能够较科学、客观地反映公路网发展的数量特征和质量要求,具有一定的理论价值和现实意义.     

民用汽车拥有量非线性时空组合预测模型

基于时空理论,结合未来我国经济发展趋势,对中国民用汽车拥有量进行预测. 首先,根据国内外汽车发展经验,利用灰色Verhulst模型拟合中国汽车拥有量的发展规律,并初步估计中国未来20年汽车拥有量;然后,根据关联理论筛选出与民用汽车拥有量关系密切的若干个社会经济指标,运用主成分分析法对这些指标进行降维,提取出几个主要的彼此不相关的综合指标,运用计量经济学理论建立民用汽车拥有量预测模型,并再次估计中国未来20年汽车拥有量;结合上述两个模型的优点,利用BP神经网络建立非线性组合预测模型. 2003～2007年数据证实该非线性组合预测模型具有更强的可靠性和预测精度. 最后利用该非线性组合预测模型对中国未来20年的民用汽车拥有量进行预测.