浮式防波堤消浪特征研究

在分析各类浮式防波堤消浪机理及影响因素的基础上，将将式防波堤的消波作用概化为1种非线性的输出与输入的泛函，以人工神经网络作用原理建立浮式防波堤透射系数神经网络模型，在波浪槽中用不同类型的浮式防波堤进行多次消波效果的试验，结果表明，浮式防波堤透射系数神系数神经网络模型具有较好的模拟预测效果。     

人工神经网络在交通领域中的应用

本文给出了人工神经网络在交通运输领域里的应用，评价了其应用效果存在的问题，给出了今后的发展方向。     

舰船磁场模型参数在目标识别中的应用

在深入研究舰船磁场单一旋转椭球体建模及其模型参数稳定性的基础上,以该模型参数作为舰船目标识别的新特征量,用人工神经网络方法对船型、航向等目标模式进行识别,达到了良好的识别效果。     

基于改进BP神经网络的车轮定位参数动态测量

结合人工神经网络(ANN)技术，提出了基于改进的BP神经网络的车轮定位参数动态测量方法，编制了相应的程序，并进行了试验验证。结果表明，通过将车辆前进时的侧滑量作为已训练好改进BP神经网络的输入，根据网络的输出值可以有效地识别出车辆行驶时的车轮外倾角与前束值，从而实现在侧滑试验台上对车轮外倾角和前束值的测定，并依据测定结果有效地指导检修人员进行车轮外倾角与前束值的调整。     

人工神经网络在ZL5OE装载机自动换档仿真中的应用

以装备有4D180型液力机械变速器的ZL50E装载机为例，通过人工神经网络（ANN）对其两参数换档规律进行系统建模和控制，并利用在换档实验中获得的数据进行验证性仿真，所得到的仿真档位与实验档位基本保持一致。表明人工神经网络档位控制系统可根据操作工况实现正确的变速箱档位控制，使自动变速系统具有了智能化特征，是一种有效的档位控制方法。     

基于粒子群优化人工神经网络的临界行车安全距离预测

针对行车安全距离预测中的各种非线性问题,提出一种基于粒子群优化人工神经网络(PSO-ANN)的临界安全距离预测方法。通过粒子群优化(PSO)算法优化人工神经网络(ANN)的权值和阈值,避免ANN容易陷入局部最优的问题,并通过迭代找到全局最优解。以路面情况、前后车速度以及前车减速度作为输入,临界行车安全距离作为输出,应用PSOANN建立预测模型,通过训练收集的样本数据预测行车安全距离,并与当前常用的ANN预测结果进行比较,结果表明:与ANN方法相比,PSO-ANN算法更稳定,且预测结果的平均绝对误差降低了7.8%。     

BP神经网络在船舶与海洋工程中的应用研究

人工神经网络作为一个具有高度非线性映射能力的计算模型,在工程中具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型.仅通过学习样本数据即可以进行预测.介绍了BP神经网络,并针对实际应用中收敛速度慢,平台效应等问题对网络进行了优化,给出了改进的三层BP神经网络算法.最后结合船舶与海洋工程的一些实际问题.探讨了利用改进的BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.实验表明,神经网络的预测精度在船舶与海洋工程是可以接受的.     

基于BP神经网络和FDM方法的势流问题求解

随着神经网络研究热潮的兴趣，已经提出了许多学习算法，并迅速在各领域得到应用；本试图采用改进的ＢＰ算法来求解平面势流问题，并且与用有限差分法计算的 比较，发现吻合良好。     

基于多源信息融合的高速公路事件检测算法研究

为了研究高速公路交通事件检测算法,以多源信息融合理论为基础,依托人工神经网络技术,设计了固定检测器与浮动车检测器的信息融合事件检测算法,并说明了具体的检测原理和融合过程。通过Vissim仿真获得数据,在Matlab中编程实现了信息融合过程,试验结果表明在三级报警策略下,信息融合算法的事件检测率、误报警率和平均检测时间都达到了较高的检测水平,证明了所设计的信息融合交通事件检测方法的优越性。     

基于神经网络的汽车制动系可靠性分析

以某轻型客车制动系统为例进行可靠性分析,利用威布尔过程对这些数据进行了拟合,用人工神经网络方法进行参数估计,计算所获得分布的参数值,绘制出可靠度曲线。