桥梁施工进度控制GERT网络仿真研究

根据GERT网络特点,引入计算机仿真技术,研究了桥梁施工进度控制模拟仿真网络模型GERTS,通过网络要素的节点和活动仿真,提出了产生规定分布随机数的中值平方法、中值乘法、线性同余法,建立了GERTS计算机模拟网络模型,结合实桥钻孔桩施工网络仿真,编制了仿真网络的计算机程序并进行了模拟分析,其仿真工期都在150d上下波动,随着程序运行次数的增多,该结果越来越接近工期理论计算值150d,仿真效果符合工程实际规律,结果表明:GERT仿真网络是控制桥梁施工进度的一种有效方法。     

通渝隧道围岩变形的神经网络预测

隧道新奥法施工中，常以围岩变形量作为评判围岩稳定性和支护结构经济合理性的重要指标。公路隧道围岩变形量是随时间而变化的数据序列，因而可以建立一些实时跟踪预测模型和方法。根据通渝隧道围岩拱顶下沉位移变形的特性，采用神经网络技术来预测其变形量，结果表明该方法简易、有效。     

基于复合神经网络模型的四轮独立驱动电动车控制

针对四轮独立驱动电动车的运动控制，提出了一种基于Ackerman转向模型和神经网络方法的复合模型，用于对各个车轮转速进行仿真和控制。这种复合模型的特点是结构非常精简，其参数可用实际整车数据来直接整定，尤其适合于车辆的中低速运行控制。     

Hub location with flow economies of scale

A characteristic feature of hub and spoke networks is the bundling of flows on the interhub links. This agglomeration of flows leads to reduced travel costs across the interhub links. Current models of hub location do not adequately model the scale economies of flow that accrue due to the agglomeration of flows. This paper shows that current hub location models, by assuming flow-independent costs, not only miscalculate total network cost, but may also erroneously select optimal hub locations and allocations. The model presented in this paper more explicitly models the scale economies that are generated on the interhub links and in doing so provides a more reliable model representation of the reality of hub and spoke networks.     

汽车半主动悬架的神经网络自适应控制

本文提出了用两个线性神经网络对汽车半主动悬架系统进行在线辨识和控制的策略，介绍了该控制系统中神经网络的在线训练方法，进行了仿真计算和结果分析。     

神经网络技术在车内噪声预测上的应用

本文根据神经网络理论，建立了单一工况下由发动机悬置点振动信号预测车内特定点低频噪声的神经网络模型，并针对驾驶员耳旁噪声进行了实验研究，结果表明：基于神经网络的单一工况车内噪声观测模型，可以频域内很好地预测出特定点的车内噪声。     

以太网技术在机组控制中的应用

叙述了自动化机组控制技术的发展，及以太网技术应用于机组控制的必要性，可行性。     

城市公交线网优化的线性模型

为了对现有公交线网进行优化,有效利用现有交通资源,解决城市交通问题,运用系统科学的思想,通过对城市公交线网优化的主要内容、优化原则、优化目标以及约束条件的分析,兼顾考虑乘客出行时间、公交线网密度和公交企业的利益以及公交线网的布局对整个城市的交通系统的影响,提出了优化目标的函数表达式及相应约束条件的数学表达式,建立了公交线网优化的线性模型,并给出了运用逐步筛选法对所提出的数学模型进行求解的方法。     

汽车防追尾碰撞数学模型研究

为了提高车辆在高速行驶状态下的主动安全性能,研究了处于追尾行驶状态的本车与前车的运动学特征;针对前车的不同运动状态分别推导出了跟车距离的计算模型并分析了模型中3个关键参数的随机性和动态性,对制动迟滞时间提出了基于模糊推理的确定方法,对本车制动减速度和前车的运动加速度提出了比较实用的动态测算公式;另外,研究了防追尾碰撞的控制与执行,建立了动态调整安全制动停车距离的神经网络模型,提出了基于危险裕度判别的安全控制方法。     

基于模糊神经网络的既有钢筋混凝土桥梁构件可靠性评估

介绍了模糊神经网络的基本理论知识,根据其知识体系和既有桥梁可靠性的研究特点,结合相关文献的规定和研究成果,引入与所检测的截面裂缝宽度、应变值和应变值相关的评估参数Z,利用既有钢筋混凝土桥梁养护等级标准给出了构件技术状况等级与可靠指标的对应关系,然后根据模糊神经网络的理论优势,对输入变量(实测数据:裂缝宽度,应变值和应变值)进行训练,计算出构件在不同荷载作用下的可靠指标,其可用于既有桥梁结构构件可靠性评估中。并结合一实桥拆除构件的试验结果,得到了一些有益的结论,验证了本方法应用于既有钢筋混凝土桥梁构件可靠性评估的可行性。