神经网络于拥挤指针之研究

拥挤是国内外用来描述路况最通俗的代名词,主要在于简单易懂;目前以车速间距发布拥挤等级的方式常会发生与用路人主观之行车拥挤感知经验不符的现象。文中以路段固定侦测器之实时交通参数、CCTV信息画面,结合类神经网络理论,探究群体用路人于号志化干道上之拥挤感知。以台15线为例,进行主观拥挤指针之模式建构与评估。     

一种基于舰船磁场的神经网络识别模型

为获得更为精确的识别结果,需要对舰船三轴磁场之间的相关性研究并进行融合。本文提出了一种将神经网络数据融合技术应用于舰船目标识别的模型,分析了舰船三个方向磁场的通过特性以及它们之间的相关性,并利用神经网络数据融合技术实现对舰船目标航速、横距和船型的模式识别。经过实测数据验证,该识别模型对舰船目标具有较高的检测概率。     

基于ANSYS的舰船桅杆振动半主动神经网络控制仿真

舰船桅杆在风载、船舶横摇惯性载荷以及由螺旋桨引起的桅杆基础加速度激励等载荷作用下,其顶部雷达处会产生较大的转角振动,严重影响雷达追踪的分辨率.文中以磁流变液阻尼器(Magneto-Rheological Damper)为作动器,采用神经网络模拟该阻尼器的逆向动特性,并运用独立模态空间控制算法设计了半主动控制系统.研究了基于ANSYS平台的振动半主动控制实现方法,并最终在ANSYS中实现了基于磁流变阻尼器的舰船桅杆振动半主动控制.数值计算结果表明,文中设计的控制系统能有效地减小桅杆顶部雷达的转角振动,基于ANSYS实现结构振动控制仿真是可行的.     

某型平台罗经专家故障诊断系统知识库和推理机研究

某型平台罗经是大型复杂精密机械电子设备,为了快速提高维修速度,需建立一套高效适用的专家诊断系统,而专家知识库是系统的关键组成部分。在充分分析平台罗经各种故障类型的基础上,选择采用故障树诊断方法、专家系统方法、神经网络方法相结合,建立了一套高效的故障诊断系统知识库。     

基于BP神经网络的舰艇战损装备抢修排序

针对现代海战中影响舰艇战损装备抢修排序的因素不断增多,作战环境更加复杂,单一指标已不能满足抢修决策的需求,为了提高舰艇指挥员战时抢修决策的准确性和合理性,本文采用BP神经网络对舰艇战损装备抢修排序进行决策,建立了BP神经网络模型,最后通过实例进行网络训练,结果表明该方法具有较高的准确性和可行性。     

水面舰船综合生命力评估方法研究

为了改进和完善当前舰艇生命力的评估方法,将神经网络和贝叶斯网络评估方法应用到舰艇生命力评估中,提出了综合生命力评估方法。将水面舰艇的生命力体系结构划分为全舰、一级子系统、二级子系统和设备层4个层次。对于全舰与一、二级子系统的生命力评估,采用基于贝叶斯网络的系统生命力评估方法;对于设备层到二级子系统,采用基于神经网络的系统生命力评估方法。同时开发了生命力评估仿真软件,可以解决不同武器模拟攻击下的全舰综合生命力指标评估问题。     

隔挡式背斜构造区隧道涌突水量的BP网络预测

川东隔挡式背斜区具有其特殊的岩溶地质构造,已修建的数十条隧道每每揭露背斜区,均发生较大地下水涌突水灾害,对这种特殊构造下涌突水灾害的研究具有重要现实意义.针对岩溶地下水系统具有强烈的非线性特征,建立合适的BP神经网络,评价某在建公路华蓥山隧道的涌突水灾害危险等级.结果显示,背斜两翼非可溶岩层等级为Ⅰ～Ⅲ级;核部可溶岩地层为Ⅲ～Ⅴ级,且越靠近核部危险性等级越高;西翼涌突水危险性等级高于东翼.评价结果与勘察阶段的研究相互印证.     

BP神经网络在冷凝器建模中的应用

本文利用神经网络的非线性映射和泛化能力,建立了一个冷凝器的BP神经网络模型.仿真结果表明,该建模方法直接有效,具有一定的研究意义和应用价值.     

船舶柴油发电机转速的BP-PID并行控制

针对船舶柴油发电机转速控制问题,结合BP神经网络对非线性系统的高拟合性与经典PID控制的优良性能,形成船舶柴油发电机转速BP-PID并行控制系统。控制系统中BP神经网络控制器与PID控制器相结合,经过神经网络控制器的不断训练学习,控制器获取船舶柴油发电机转速系统的模型,并逐渐地由BP神经网络控制器占主要控制作用,从而达到对系统的实时控制。仿真结果证明了该方法的可行性。     

金属疲劳裂纹扩展速率的贝叶斯正则化BP神经网络预测

人工神经网络是进行预报裂纹扩展率的一个重要方法。文章针对不同金属的疲劳裂纹扩展速率分别建立贝叶斯正则化BP(Back Propagation)神经网络,将各材料在不同应力比R下的疲劳裂纹扩展速率试验数据分为两部分,一部分用来进行训练网络,另一部分用来测试训练好的网络,检验其泛化能力。将从文献中获取的4种不同金属材料的疲劳试验数据作为算例,来检验网络的性能。计算结果表明贝叶斯正则化BP神经网络不仅对训练样本有很好的拟合能力,而且对于未训练过的测试样本也有较好的预测能力,即有较强的泛化能力。同时,指出了建立网络时减少门槛值附近的试验样本点,可以提高网络的预测能力。研究结果表明,该方法可以方便地获得不同应力比R下的疲劳裂纹扩展速率,从而达到减少试验次数,充分利用已有数据的目的。并且可以进一步应用于其他金属的疲劳裂纹扩展速率的预报。