基于多传感器数据融合的齿轮箱故障诊断方法

为了解决单通道单维度振动信号输入不能全面表达齿轮箱故障特征的问题,提出一种基于多传感器多通道数据融合的诊断模型,结合卷积神经网络应用于齿轮箱振动信号的特征学习和故障分类中.利用连续小波变换对多通道数据进行二维时频变换,得到二维时频图像;构建神经网络诊断模型,以多通道的时频图作为输入,实现多通道信号特征的故障分类.通过动...     

基于异构模糊神经网络集成算法的自主车导向控制

设计了基于神经网络的自主车导向控制器,建立了异构模糊神经网络控制器的结构,并由实验数据产生训练样本和验证样本集.该控制器通过精确控制2个驱动轮的差动转速实现路径跟踪.实验结果表明,采用异构模糊神经网络集成算法的导向控制器能够稳定地实现跟踪导向路径的控制功能.     

BP神经网络应用于散货船空船质量估算

以搜集的200余条散货船为样本,建立了空船质量统计回归模型和三种情况下的BP神经网络模型,并选取10条散货船对各模型进行了测试和比较。三种BP神经网络模型测试结果与实际值很接近,精度优于传统的统计回归模型,表明用BP神经网络进行空船质量估算是可行和实用的。     

船舶与海洋工程中的焊接变形预测方法研究概述

文章介绍了焊接变形预测理论的发展及现状,并将其归纳为基于实验和理论相结合的经验计算阶段、基于计算机数值模拟的模型分析阶段、基于新兴数据挖掘方法的研究应用阶段三个标志性阶段,详细论述了每个阶段预测技术在实际中应用的优劣.着重以BP、RBF人工神经网络为例阐述了神经网络等数据挖掘方法在焊接变形预测中的应用前景,并指出了目前存在的不足及未来亟待研究的方向.     

电液线控制动系统压力反步控制算法研究

为实现线控制动系统液压精确控制,本文中设计了一种新型线控制动系统,通过对该系统进行动力学分析,建立了面向控制的系统动力学模型,基于该系统模型设计出反步控制算法。利用径向基网络逼近连续函数特性,对与系统状态量相关的非线性摩擦力进行估计,作为反步控制器的补偿,并证明该算法李雅普诺夫稳定。基于电液线控制动系统台架开展了多组制动工况测试,结果表明,所设计的控制策略能实现对线控制动系统液压力的精确控制且反应迅速。     

基于深度主动学习的MVB网络故障诊断方法

多功能车辆总线MVB （multiple vehicle bus）用于传输重要的列车运行控制指令和监视信息,准确地诊断MVB网络故障是列车智能运维的基础,为此,提出一种将主动学习和深度神经网络相结合的MVB网络故障诊断方法. 该方法采用堆叠去噪自编码器自动提取MVB信号物理波形特征,并将该特征用于训练深度神经网络来实现MVB网络故障模式分类;基于不确定性和可信度的高效主动学习方法,可解决实际应用中标记样本不足和人工标记成本高昂的问题,使用少量标记训练样本就能得到高性能的深度神经网络模型. 实验结果表明:为达到90%以上分类准确率,所提方法只需要600个标记训练样本,小于随机采样方法所需标记训练样本数的2 800个;在相同标记训练样本数下,所提方法在3种性能指标下均优于传统方法.      

基于PCA-BP的高速公路工程造价预测模型

为了确定高速公路的投资，提出PCA（主成分分析法）-BP神经网络预测模型，通过对各因素进行主成分分析，以少数新的低维综合变量取代原始高维变量，降低神经网络输入层的维数，提高网络的收敛速度。结果表明PCA-BP神经网络模型具有更高的预测精度和收敛速度。     

基于深度学习的驾驶员状态识别

提出了基于驾驶员脸部及周围信息的驾驶员状态检测方法。文章通过实车摄像头采集了驾驶员驾驶状态视频数据,利用Dlib和OpenCV库对采集的驾驶员图像进行脸部检测,基于驾驶员脸部数据建立了深度学习数据集,然后基于该数据集设计了一种卷积神经网络模型FaceNet,利用PyTorch深度学习框架在数据集上对模型进行训练,最终得到了有较高准确率的驾驶员状态检测模型,其可识别抽烟、睡觉、左手打电话和右手打电话四种驾驶员状态。     

基于TSK模糊系统的模糊对向传播神经网络

充分利用了TSK（Sugeno-Tanaka)模糊系统的优点，提出了改进的模糊对向传播神经网络Improved-FCP，并给出了其学习算法，实验结果表明Improved-FCP网络之FCP网络对样本有更高的逼近精度。