基于RBF网络的小型车自由流车速模型的建立

充分考虑了自由流车速的主要影响因素,在30组观测数据的基础上,利用RBF网络建立了小型车自由流车速模型,并验证了该模型的可信性。     

基于电路仿真的BP神经网络故障诊断技术研究

某型末制导雷达系统复杂、难于建立精确数学模型,因此采用常规方法对其进行故障诊断难度较大。而采用Multisim软件对其接收组合中的和路视频放大器电路进行仿真,再由实测样本数据训练BP神经网络的方法可较好的将故障定位到元器件级别。     

舰炮武器系统保障性神经网络评价模型及分析

针对舰炮武器系统保障性评价问题,根据其保障性内涵,运用BP神经网络,建立了舰炮武器系统的保障性评价模型,给出了研制阶段舰炮武器系统保障性定性与定量相结合的评估方法,克服了以往定性评价方法的模糊性和不确定性,能更准确地为舰炮武器的保障性设计提供依据。并以多种型号舰炮武器系统为例,对其保障性进行了评价。计算结果说明该方法可有效地用于舰炮武器系统的保障性评价。     

基于功效系数法与BP神经网络的造船业风险预警研究

将功效系数法和BP神经网络相结合,从汇率、利率、出口退税、钢材综合价格指数、行业平均工人工资、设备价格、新船价格指数、BDI指数(八个对造船业影响最大的指标)来综合衡量中国造船业的风险;运用功效系数法得出历史数据的警情,用历史数据训练BP神经网络预警模型;通过一组数据进行检验,并对2011年前的造船业风险进行了预警.研究表明:该方法能够对造船业风险进行测评并预报警情,对防范我国造船业风险具有一定的现实指导意义.     

防空兵群指挥员综合素质模糊评价

根据人工神经网络的理论,利用BP神经网络建立了防空兵群指挥员综合素质的模糊评价模型,通过仿真和实例验证模型评价的有效性。     

一种基于RBF神经网络无位置传感器控制

利用人工神经网络在处理非线性、不确定问题上的优势,提出一种基于FRA优化的RBF神经网络实现无刷直流电机的无位置传感器控制,通过对电机相电压和相电流的映射,估算出准确的电机换相信号。实验结果验证了本文方法的有效性。     

基于径向基神经网络的铁路客货运量预测研究

根据径向基神经网络具有分析非线性动态系统的混沌特性的特点,对铁路客货运发送量相关时间序列进行分析和研究,在Takens相空间重构的基础上,利用互信息方法求嵌入时延、伪邻域方法求嵌入维数;应用G-P方法和最大Lyapunov指数方法对铁路客货运量时间序列进行混沌识别;根据RBF神经网络的学习算法和辨识原理,对铁路客货运量预测流程进行分析。应用径向基神经网络对铁路客货运量自1999-01-01-2012-08-27共4 988 d的发送量为基础进行径向基神经网络预测;并对预测误差进行检验及对预测结果进行分析。研究结果表明：基于径向基神经网络预测值能很好地与实际值相吻合,因而在铁路客货运量相关时间序列中预测有广泛的实用价值。     

沪通铁路土压力盒标定工装设计及试验研究

为获取精确的测试数据,提出土压力盒标定需求,通过ANSYS建模分析,设计适用于试验室土压力盒的标定工装:承压板直径取32 cm,标定桶高15 cm,内径33 cm,承压板板厚2 cm,标定桶壁厚0.5 cm。并进行了试验研究,试验表明:采用最小二乘法线性拟合获得的相关系数R~2均大于0.99,线性较好,且同一量程下的2个土压力盒的砂标K_1与厂标K_2的比值相近,数据重复性较好,工装合理适用;砂标K_1大于厂标K_2,工程应用之前,结合工程实际进行标定是必要的;量程选取时,使用范围不宜超过土压力盒最大量程的2/3。     

基于深度卷积神经网络的钢材微观组织分类识别

通过引入多种深度卷积神经网络及分类器构建机器学习模型,对钢材金相图数据集进行学习,研究了一种能够准确、高效识别钢材微观组织的方法。研究结果表明,文章中所涉及的3种深度卷积神经网络在钢材微观组织的分类识别上均表现出优异性能,其中Inception-V3表现尤为突出,其与人工神经网络分类器组合而成的机器学习模型的分类精度可达99.60%。     

基于B/S和C/S架构的船舶动力装置远程故障诊断系统

依据“智能船舶”的理念,针对船舶动力装置故障诊断系统,提出一种基于C/S和B/S混合架构的船舶动力装置远程故障诊断系统。依据B/S和C/S架构的优势,开发了基于C/S架构的数据管理平台,实现了船、岸间的数据、信息交互;将基于模糊神经网络的专家诊断模型应用于B/S架构的岸基船舶动力装置故障诊断系统的故障诊断判别,并利用BP算法训练实例对该模型进行了精度验证。结果表明,系统稳定可靠,故障诊断准确性高,为“智能船舶”发展提供了一个良好的解决方案。