基于ANFIS的CFG桩复合地基承载力预测研究

研究目的:影响CFG桩复合地基承载力的主要因素有桩的参数、置换率、土的物理力学特性、褥垫层厚度和施工工艺等,且各因素之间存在高度复杂的非线性关系,CFG桩复合地基的承载力比较难于确定。为合理准确预测CFG桩复合地基承载力,通过研究提出基于自适应模糊神经网络的预测方法。研究结论:在分析自适应模糊神经网络原理及结构的基础上,利用减法聚类获得模糊推理规则数目,确定网络结构,建立适用于CFG桩复合地基承载力预测的自适应模糊神经网络模型。通过对实测资料的预测结果表明,自适应模糊神经网络比BP网络和最小二乘支持向量机LS_SVM模型具有更高的精度和适应性,为CFG桩复合地基承载力的判别提供了一条新的途径。     

城市轨道交通车载信号设备状态的自适应采集研究

提出一种适用于城市轨道交通车载信号ATO/ATP设备状态的自适应采集方法。相比传统的固定频率采集方法,它能够有效地减少信号采集的冗余性,减少关键信号数据的丢失。该方法通过试验的方式进行了验证。     

广州轨道交通沿线岩溶形成和发育特征及对隧道施工的影响

广州地区轨道交通沿线岩溶是在有利的地层条件、地质构造条件和水文地质条件下形成的。溶洞高度大多数小于3m,溶洞埋藏较浅,溶洞顶板较薄等。岩溶分布规律与发育程度主要受岩性、地质构造、地下水位变化等因素的控制。查明岩溶形成条件、分布规律和特征,对于隧道施工风险防范具有重要意义。     

变学习因子神经网络自适应控制研究

利用网络逼近的思想，提出了一种用ＢＰ网络逼近对象的学习算法及相庆的控制算法，并得到了一种快速学习因子的选择方法，结合多种不同对象进行领导具，均获得了满意的效果。     

具有自适应温度补偿的自动变速器起步控制

根据电控机械式自动变速器起步性能指标及起步过程离合器转矩传递特性，提出了确定离合器目标接合速度的加权方法．该方法兼顾了驾驶员起步意图及自动变速器起步性能要求．模仿人工控制的-特点，同时考虑液压油温度变化的影响，提出了基于误差峰值采样的自适应温度补偿的起步过程离合器接合速控制算法．实验表明，该算法既满足了3种典型起步工况(爬行起步、正常起步和急起步)的性能要求，又提高了系统对温度变化的适应能力．     

基于AHP-Fuzzy方法的危岩危险度评价

危岩影响因素复杂，具有多因素、模糊性和不确定性．文中在危岩发育影响因素分析的基础上，运用层次分析模型，量化各影响因素的权值矩阵，并将该权值矩阵引入模糊综合评价，通过将层次分析法和模糊评价有机结合，提出了危岩危险度AHP—Fuzzy综合评价方法．通过工程应用，及同当前通行稳定性计算方法的对比分析表明，本文方法具有较好的可靠性，而且该方法使危岩危险度评价建立在部分定量、部分定性、易获得的指标之上，避免了传统方法对勘查质量、岩体参数的高要求．     

车站联锁控制系统的仿真

微机联锁系统是以微型计算机为主要技术手段实现车站联锁的系统,自适应车站联锁模拟控制系统是一套车站联锁的仿真模拟系统.阐述了自适应车站模拟控制系统与微机联锁系统的关系,介绍了自适应车站模拟控制系统的功能、设计和特点.     

Closed Loop Space-Time Block Coding for Wireless Downlink Transmission

In order to improve the poor performance of Space-Time Block Coding (STBC) in a downlink correlated fading environment, a closed loop scheme is proposed. With the known channel fading statistics fed from the receiver, eigenbeamforming is utilized to improve the performance of STBC at the transmitter. The new system achieves the array and diversity gain simultaneously. Because reduced dimension processing is adopted, the proposed system has a relative simple structure compared with the traditional beamforming system. The validity of the scheme is verified in several situations by simulation experiments.     

STC-OFDM系统的post-IDFT多波束形成技术

提出了适用于空时编码-正交频分复用(OFDM)系统的后-逆离散傅立叶变换(post-IDFT)多波束形成技术.该技术通过对空频信道相关矩阵进行特征分解获得多个特征模式,再利用空时分组码(STBC)各发射分支信号的正交性使OFDM系统形成多个post-IDFT波束.接收端根据STBC传输矩阵的正交性对多波束解码.系统获得的空间分集增益为空频信道相关矩阵的特征值之和,最大空间分集增益与子载波波束形成方案相同,误码率比STC-OFDM的低.该技术将复杂度降低到子载波波束形成方案的1/S(S为OFDM系统的子载波数目),而且当波束维数(m)小于发射天线数目(M)时,可进一步减少M-m个IDFT模块     

CLASSIFICATIONS OF EEG SIGNALS FOR MENTAL TASKS USING ADAPTIVE RBF NETWORK

Objective This paper presents classifications of mental tasks based on EEG signals using an adaptive Radial Basis Function (RBF) network with optimal centers and widths for the Brain-Computer Interface (BCI) schemes. Methods Initial centers and widths of the network are selected by a cluster estimation method based on the distribution of the training set. Using a conjugate gradient descent method, they are optimized during training phase according to a regularized error function considering the influence of their changes to output values. Results The optimizing process improves the performance of RBF network, and its best cognition rate of three task pairs over four subjects achieves 87.0%. Moreover, this network runs fast due to the fewer hidden layer neurons. Conclusion The adaptive RBF network with optimal centers and widths has high recognition rate and runs fast. It may be a promising classifier for on-line BCI scheme.