弹性限位浮筏隔振系统的动力学建模与算法

文章从接触动力学的角度,建立多自由度多弹性限位浮筏隔振系统的动力学模型,采用人工神经网络算法用于判别限位器的接触状态.实例分析指出,神经网络算法接触判别的时间大大缩短,接触计算得以实现.得出了对工程有指导意义的结论:限位器单向约束时,筏体和设备的最大位移与限位器之间存在最优间隙.限位器双向约束时,筏体的最大位移与限位器之间存在最优间隙,而设备的最大位移随着限位器的间隙增大而增大.限位器间隙对系统的影响与限位器的约束状态有关.     

基于人工神经网络的胶州湾浮游植物生物量模拟

文章首先介绍了BP网络数据标准化、隐层神经元选择、网络训练和有效性检验方法。以2003年胶州湾环境监测资料为基础,建立了多输入单输出的3层BP人工神经网络模型,采用8个水环境因子预测浮游植物生物量(Chla浓度)。检测集样本网络预测值与观测值的相关系数为0.8943,平均绝对误差为11.33%。为避免个别网络输入初值对输出的干扰,采取全局灵敏度的方法,分析了各水环境因子变化对浮游植物生物量的相对影响。结果表明,浮游植物生物量对各水环境因子变化响应的敏感系数顺序为DOCODPO4-PSSTpHOilDINSiO3-Si。     

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。     

基于案例推理和神经网络的车辆故障诊断研究

将人工神经网络和基于案例的推理技术相结合,应用于车辆故障诊断系统中,建立了应急故障诊断模型;基于此模型,研究了车辆维修案例的表示方法并设计了CB神经网络的学习规则,通过系统的仿真训练和仿真诊断,该模型有效地提高了故障诊断的效能,满足车辆应急故障诊断的需求。     

基于BP人工神经网络的公路软土地基沉降预测

采用BP人工神经网络,利用杭瑞高速公路软土地基实测沉降数据直接建模,进行了软土地基最终沉降量的预测,将预测结果与曲线拟合法中的双曲线法、指数曲线法、三点法的预测结果进行了对比分析。证明神经网络法能避免传统方法计算过程中各种人为因素的干扰,计算精度高,泛化性强,简便易行。     

基于实测数据软土地基沉降预测方法的比较

考虑到软土的复杂性和各种沉降理论计算方法的局限性,利用有限的沉降实测数据,选取合理的模型及方法来预测软基的沉降。以深圳盐田港西港区纳泥塘地区软基沉降预测为例,采用了BP向前型网络模型和Elman反馈型网络模型两种不同的神经网络建模法,通过高度非线性的曲线拟合,推求工程后期沉降(包括最终沉降),并与曲线拟合法中的双曲线法、指数曲线法、泊松曲线法及 Asaoka 法对比,对拟合预测结果进行检验,使其具有统一的量化标准。对比结果表明：BP神经网络模型和双曲线法的预测效果最好,适用于本工程的沉降预测。     

平面交叉口事故预测及突出事故形态鉴别

应用神经网络技术建立了基于三层感知机的平面交叉口事故预测模型,该模型的特点是可预测出具体事故形态的事故数.模型检验结果表明,预测精度达到了89%.在得到分事故形态的事故数预测结果后,基于"突出性"原理建立了一种鉴别事故多发形态的方法.     

基于改进的BP神经网络的产品生产成本估算

基于BP神经网络的成本估算模型,利用全局搜索能力较强的遗传算法优化BP神经网络连接权,克服传统的BP算法易陷入最小值的缺点,使模型预测性能、预测精度和泛化能力得到有效改进.以列车转向架为例,建立产品生产成本GA-BP估算模型,通过8组检测样本检验训练好的遗传人工神经网络.计算结果表明:预测值与期望值的误差小于4%,说明利用遗传神经网络模型对产品成本进行估算切实可行.     

基于EKF的神经网络在网络流量预测中的应用

在网络资源有限的情况下,建立合理的网络流量预测模型,并根据其预测结果及时做出控制决策或调整措施,对网络性能和服务质量的提高均有重要意义.根据网络流量的时变、非线性特点建立一个时间相关的流量预测模型,预测和分析网络流量状况,并利用人工神经网络在非线性建模方面的优势,给出了基于EKF算法的前馈神经网络的结构设计及学习算法.最后在Matlab环境下使用该预测模型对网络流量进行了仿真,结果表明该模型具有较好的自适应性和较高的预测精度.     

多源数据融合的区问车辆速度预测算法研霸

不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同。在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性。文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法。在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测。研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵。算法验证结果表明,速度预测的精度在90％以上。