基于神经网络和遗传算法结合的桥梁结构损伤诊断

利用神经网络对有限元计算的样本数据建立起桥梁结构的损伤参数——损伤位置、损伤程度（输入）以及位移差——损伤结构与完好结构的位移差（输出）的全局性映射关系，以获得遗传算法求解桥梁结构损伤问题所需的目标函数值，从而识别桥梁的损伤参数．某连续梁桥算例表明，此方法可以在较少的有限元分析次数下获得较好的损伤诊断结果．     

基于人工神经网络的车次追踪算法研究

在高速铁路运营调度系统中,对列车进行跟踪,实时获取准确的列车车次号是必不可少的。车次追踪主要包括原始车次号的获取、车次号的逻辑追踪处理和列车车次校核3个方面。逻辑追踪是在某一时刻和某一地点,根据列车的实际运行情况,自动推算当时运行或者停车的列车的车次号。车次校核是根据计划或无线等车次号对追踪结果进行校核。基于人工神经网络算法的车次追踪技术,快速、有效,可以避免由于轨道电路故障而引起的车次追踪错误。     

地铁车-地无线通信引入LTE后的干扰分析

针对国内地铁的车-地无线通信技术,将LTE(long term evolution,长期演进)与WLAN(wireless local area networks,无线局域网)技术进行对比,提出一套LTE组网方案。针对该方案,分析下行链路预算,对LTE基站的覆盖能力进行评估,认为引入LTE后,地铁中覆盖了多频段的无线通信系统;由于系统间频率相近,无线信号之间容易形成干扰。从干扰形成的角度分析干扰的成因,定量计算系统间的隔离度,从技术和工程建设角度给出减少干扰的措施。     

OFDMA多跳中继蜂窝网络的干扰协调策略

多跳中继蜂窝网络由于具有吞吐率高和覆盖性强的优点受到广泛关注。但是,中继站的引入改变了传统蜂窝网络的频率规划策略,因此如何在策略设计中对中继链路进行高效的频率资源分配成为极具挑战的问题;其次,小区频率复用越紧密,同频干扰越严重,对系统的整体性能产生影响。本文基于IEEE 802.16j/m标准,以下行链路的无线资源管理为基本手段,设计合理的资源复用策略及其对应的多跳中继下行子帧结构,在保证网络的资源利用率的同时,降低干扰给相邻小区边缘用户带来的影响;再将高效的比例公平调度算法扩展到多跳中继蜂窝网络,旨在兼顾系统整体性能和用户公平性。仿真和分析结果表明,干扰协调与资源调度策略相结合能显著提升系统吞吐率并改善用户公平性。     

基于模糊神经网络的Horn集上的输入归结

关于定理机器证明的归结原理已应用到人工智能的很多领域，同时提出了各种改进方法，其中，输入归结是一种非常好的推理方法，它对于Horn集是完备的，模糊神经网络是模糊逻辑与神经网络的融合，文中利用模糊神经网络的知识表示及学习的特点，结合输入归结的优点，进行Horn集上的输入归结。     

基于AMFNN的非线性噪声消除器

提出基于加乘性模糊神经网络(AMFNN)的非线性噪声消除器，讨论了AMFNN模型和学习算法及其通用逼近性．该消除器利用AMFNN逼近噪声，然后从测量信号中消去噪声即得到有用信号．该噪声消除器具有神经网络分布式并行信息处理能力、较好的容错性和鲁棒性以及除噪性能．     

铁路枢纽作业轮廓计划优化模型及算法

本文给出铁路枢纽日常运输组织工作轮廓计划多商品时空网络流模型及算法，对次日枢纽内大小车流、机车应用配合我纽内各站装、卸、排空计划作出合理安排。揭示枢纽内各站次日工作的重点与关键。为进一步编制日班计划及阶段计划提供指导及辅助决策基础。     

神经网络在车辆半主动控制中的应用

针对车辆半主动悬挂模型的非线性特性，研究了采用神经网络的自适应控制在车辆悬挂半主动控制中的应用，设计了采用前馈神经网络的辩识器和控制器，对控制器网络采用的学习规则进行了分析。仿真计算表明，采用神经网络自适应控制方法能有效改善车辆的平稳性，采用的神经网络辩识器和控制器的改进BP算法是有效的。     

IP ADDRESS AUTOCONFIGURATION FOR WIRELESS AD HOC NETWORKS

IntroductionWireless ad hoc networks are gaining increas-ing popularity in recent years because of their easeof deployment. No wired base station or infras-tructure is supported,and each hostcommunicatesone anothervia packetradios. In ad hoc networks,routing protocols are challenged with establishingand maintaining multihop routes in the face of mo-bility,bandwidth limitation and power con-straints. In ad hoc networks,each node( host)acts as a router since routes are mostly multihop.Nodes in …     

Practicability study on the suitability of artificial,neural networks for the approximation of unknown steering torques

For steer-by-wire systems, the steering feedback must be generated artificially due to the system characteristics. Classical control concepts require operating-point driven optimisations as well as increased calibration efforts in order to adequately simulate the steering torque in all driving states. Artificial neural networks (ANNs) are an innovative control concept; they are capable of learning arbitrary non-linear correlations without complex knowledge of physical dependencies. The present study investigates the suitability of neural networks for approximating unknown steering torques. To ensure robust processing of arbitrary data, network training with a sufficient volume of training data is required, that represents the relation between the input and target values in a wide range. The data were recorded in the course of various test drives. In this research, a variety of network topologies were trained, analysed and evaluated. Though the fundamental suitability of ANNs for the present control task was demonstrated.