燃料电池混合动力汽车能量控制策略仿真研究

燃料电池客车采用多动力源的动力系统结构，需对其能量流动进行有效的控制。文章探讨了动力系统驱动模式下的3种能量分配控制策略，以及在再生制动模式下的一种简单的能量回馈控制。在ADVISOR软件平台上建立了控制策略和整个系统的仿真模型，并基于性能评估函数对汽车性能进行了分析。仿真结果表明，再生制动可以提高整车燃油经济性达20％，与恒压和离线能量分配相比，在线能量分配下燃油经济性好、蓄电池SOC波动小，但要精确估计蓄电池SOC，可能使其性能比预期的低。     

多层反馈混沌神经网络及其在交叉口优化控制中的应用

研究城市交叉口交通控制信号优化配时问题。以Hopfield网络和混沌模型为基础,开发了多层反馈混沌神经网络,将其应用于城市交通控制信号配时优化,并开发了应用于优化计算的能量函数和车辆平均延误计算式;探讨了城市交通系统的混沌特性,并开发混沌定量判别算法。以广东某交叉路口为对象进行了仿真,结果表明:与传统的配时方法相比,采用所开发的多层反馈混沌神经网络进行优化配时,交叉路口车辆的平均延误可以平均减少25.1%,可以大大提高路口的通行效率。该网络也可以应用于其他对象的优化。     

基于人工神经网络的公路黄土高边坡稳定性预测研究

文章介绍了BP网络模型的计算过程并对其性能进行了改进。在此基础上,分析了影响黄土高边坡稳定性的因素,包括土体的容重γ、粘聚力c、内摩擦角φ、孔隙水压力比γu,地震烈度,边坡坡比和边坡高度H。在对西部四省地区上百个黄土高边坡稳定性进行调查的基础上,结合典型的实测数据,应用改进的神经网络BP模型对其进行预测和评价研究。结果表明:改进的BP模型具有收敛快、数据输入方便等优点,预测结果相对传统方法来说更准确、可靠,具有一定的推广的价值。     

孤立交叉口多相位自适应模糊控制及其神经网络实现

针对城市中心区交叉口交通流分布的特点,综合考虑本相位和相邻相位车道上的车辆排队长度(以下简称“队长”),应用模糊控制和神经网络具有的学习功能,提出了一种孤立交叉口多相位自适应模糊控制算法,该算法采用两个规则前件进行模糊推理,并给出了基于3层神经网络实现的模糊控制器的网络结构及其改进的BP网络训练算法和运行程序,结合已有类似研究成果进行了仿真比较研究,结果表明:该控制方法在信号周期自动调节和减少车辆延误方面都有明显改进,在实现城市交叉口智能控制中具有推广应用价值。     

EQ6700EV3整车电气控制系统的设计与研究

根据燃料电池的特殊性和使用要求,对EQ6700EV3燃料电池电动客车的整车电气控制系统进行了分析,并对 燃料电池、DC/DC变换器、电机控制器等电气系统与整车电气控制系统的关系进行了分析。     

基于BP神经网络的正交异性钢桥面系多目标结构优化设计

正交异性钢桥面铺装体系结构优化就是设计出力学性能最好、重量最轻的桥面系,给出铺装结构参数的优化组合。本文建立一个钢桥面铺装体系多目标优化模型,其中目标函数是正交异性钢桥面板铺装结构众多参数的复杂函数,可以应用BP神经网络模型模拟这种函数关系。利用大量的有限元计算结果作为BP神经网络的训练样本,将训练后的BP网络用于优化求解过程中的目标函数值的仿真计算。最后给出多目标优化模型的求解步骤和算例。     

基于改进的灰色BP神经网络的区域物流成本预测

区域物流成本的测量与分析是考察一个地区物流水平的关键问题,合理地计算和预测物流成本可以使各级政府对物流发展采取有效的宏观调控措施。本文提出了适合中国地区的物流成本的较合理的测算方法,以吉林省为例进行了实证分析,并采用改进的灰色BP神经网络模型对吉林省的物流成本进行预测,取得了满意的预测结果。研究表明控制物流成本仍然是振兴区域经济,提高经济效益的源泉。     

采用补偿模糊神经网络识别雨天导航路径的方法研究

为实现视觉导航智能车辆对雨天导航路径的准确识别,在分析雨天导航路径特点的基础上,提出了采用补偿模糊神经网络识别雨天导航路径的方法,设计了具有5层结构的补偿模糊神经网络,并分别取大雨、小雨、雨后水迹、雨中模糊反光环境的部分导航路径图像作为样本进行训练,又采用剩余部分路径图像进行了识别试验,试验结果表明该方法能够很好的识别雨天导航路径,并具有较强的实时性。     

基于BP神经网络的手写签名识别方法

手写字符识别是一个难度很大，但却具有广阔的应用前景的研究课题。提出了一种基于BP神经网络的手写签名识别方法，实验表明，采用一个签名的6个真伪样本训练BP网络后，对该签名真伪的正确识别率达到80％以上；如果使用10个真伪样本训练网络，那么该签名的真伪识别率约达90％。     

基于遗传神经网络的货运量预测的研究与实现

针对BP网络和遗传算法的缺陷，提出了一种新的遗传神经网络优化模型，可以用来同时优化BP神经网络的网络结构和权值阈值，叙述了该算法的设计过程。利用该算法对货运量进行预测，并与标准的BP算法预测结果进行比较，计算结果表明，该算法的预测精度大大高于标准的BP算法的预测精度。