神经网络模型在港口吞吐量预测中的应用与误差分析

应用神经网络BP算法对杭州港的吞吐量预测实例进行了详细分析。通过对网络各种参数的调试与组合得出,当隐含层节点数为15,训练控制误差为0.035,分级迭代级数为4级,平滑因子参数为0.2,学习速率参数为1.5时,网络性能最佳。将网络预测结果与时间序列和回归分析2种方法进行了比较,得出神经网络方法在短期预测中要优于传统方法。通过对模型预测误差产生原因的简要分析,得出神经网络方法并不适用于吞吐量长期预测。最后对其应用过程中可能存在的一些问题提出了建议。     

面向混合动力汽车的LPG发动机神经网络建模方法研究

在对LPG(Liquefied Petroleum Gas,液化石油气)发动机进行实机测量和试验数据采集的基础上,利用GT-power软件,建立了LPG发动机仿真模型,该模型输出的扭矩和功率仿真值与试验值最大误差不超过3%;利用该仿真模型对发动机的动力性进行计算,运用BP神经网络模型对计算结果进行Matlab/Simulink建模。计算结果显示,神经网络模型的相对误差均方根值为0.032 1,而插值法的相对误差均方根值为0.057 0,可见LPG神经网络模型优于插值模型,该神经网络模型可以进一步应用于气电混合动力汽车控制策略的研究。     

BP神经网络汽车故障诊断专家系统

本文介绍了一个基于ＢＰ神经网络模型的汽车发动机故障诊断专家系统，阐述了该系统的基本原理，ＢＰ神经网络的结构，学习算法，并应用该模型对汽车发动机的几种典型故障进行了微机仿真运行。诊断结果表明，该系统诊断精度高，结论可靠。     

遗传算法—优化设计—神经网络的耦合技术

论述了遗传算法－优化设计－神经网络的耦合技术，以一台机器的主控制参数作为样本，采用这种耦合技术，将实际工程参数转化为遗传进化样本，再通过优化技术变成最优样本，来训练神经网络系统，旨在提高控制参数质量。     

基于量子技术的目标探测研究

通过模拟人类视觉成像原理,将量子探测方法与技术,用于雷达探测,提出了量子雷达的概念。特别是提出利用激光的原理,用于雷达信号的接收与识别。量子雷达不仅克服了现有雷达功耗大,抗干扰性能差的弱点,而且探测距离更大,分辨率高且便于成像。     

汽车发动机故障诊断系统的虚拟样机硬件研发

发动机是汽车的心脏,影响到汽车行驶的动力性和经济性,伴随着资源的匮乏和道路的拥挤,人们对发动机提出了越来越高的要求。电控发动机已逐渐发展成为集电子技术、计算机技术、信息技术于一体的智能控制系统,这也给汽车维修人员提出了更高的技术要求,传统的发动机故障诊断方法已经很难满足现代发动机故障诊断的要求。由于神经网络具有容错、联想、推测、记忆、自适应、自学习和处理复杂多模式的独特功能,利用虚拟仪器技术和神经网络技术相结合的方法,可方便快捷地对发动机不同工况进行实时数据采集,并对采集的数据作有效的分析,直接给出诊断结果,这样可使汽车发动机故障诊断在一定程度上实现自动化和智能化。     

大型机电设备仿真建模的智能方法研究

本文提出了一种基于神经网络的大型机电设备仿真建模智能方法，详细讨论并解决了该法实施过程中的若干关键技术问题。通过对某船用蒸气动力装置简易训练模拟器进行仿真建模研究，表明该法对大型机电设备的仿真建模非常有效。     

基于BP神经网络的铁路客运设备故障监测模型设计与研究

由于铁路客运设备种类众多并且分布区域分散，致使人工巡检工作效率低。为了提高巡检工作的效率，实现铁路客运设备巡检工作智能化，本文提出并设计了基于BP神经网络的铁路客运设备故障监测模型。通过无线传感器获取影响客运设备状态优劣的因素，运用所建模型进行决策，判断铁路客运设备是否运行正常并能准确地诊断出故障部位，实现了铁路客运设备巡检工作智能化的目标。最后通过对机房空调设备的仿真研究，验证了所建模型的有效性。     

用人工智能和神经网络的方法组建数据压缩系统

数据压缩是现代信息处理的基础课题之一。文中对数据压缩的设计思路作了分析和拓展，从系统的角度对数据压缩与人工智能、神经网络的结合作了一些大胆的、初步的尝试，并对这个研究方向作了一些功能上和性能上的分析，提出了再压缩的概念。     

基于并联型灰色神经网络模型的港口吞吐量预测方法探讨

港口吞吐量预测是港口规划的基础,在确定港口发展方向、投资规模等方面发挥着十分重要的作用,因此有必要对港口吞吐量的发展趋势做出合理的预测。结合灰色理论和神经网络模型的特点,尝试用灰色神经网络组合模型之一——并联型灰色神经网络模型进行港口吞吐量预测。用实际算例证明了该方法在港口吞吐量预测中的有效性。