基于驾驶人决策机制的换道意图识别模型

依据驾驶人换道决策的产生机制,提出速度期望满足度、危险感知系数和换道 可行性系数作为换道决策的识别指标并确定其量化方法.通过实车试验数据的分析表明： 量化指标与换道决策存在不同程度的相关性;同时在换道初期、车道保持及过渡状态阶 段存在显著差异.以速度期望满足度、危险感知系数和换道可行性系数为特征输入参数, 建立基于模糊神经网络的驾驶人换道意图识别模型,进行驾驶人换道意图的识别.结果表 明,该模型在换道初期的预测准确率达到89.93%,虚警率为9.52%,优于以碰撞时间TTC 为输入指标的BP神经网络模型,以及以RV、RP、RS为变量的Logistic 模型,说明模型具 有较好的预测准确性.     

基于BP神经网络的区域交叉口协调控制

城市区域交通协调控制是城市智能交通的研究重点,研究目的是减少车辆延误,提高路网通行能力.针对此问题,根据单交叉口神经网络控制方法,提出一种基于BP神经网络的区域多交叉口协调控制方法.采用五交叉口组成的区域路网,以区域所有交叉口平均车辆延误作为评价指标,利用MATLAB软件编程进行仿真.仿真结果表明,神经网络协调控制方法与定时控制、神经网络单独控制方法相比,能够取得更好的控制效果.     

基于神经网络的砼联锁块铺面厚度计算

神经网络具有很强的非线性映射功能,该文利用BP神经网络计算检验了联锁块铺面块料层的厚度,重点讨论了BP神经网络的拓扑结构和修正算法。通过对检验结果进行分析比较,证明此方法在联锁块铺面块料层的厚度计算及检验中具有很好的实用价值。     

BP神经网络收敛性问题的改进措施

BP算法现在已成为目前应用最广泛的神经网络学习算法,它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用,但存在收敛较慢问题.笔者在文中简述了BP算法原理,针对BP算法的收敛性问题,提出了几点改进措施.     

水下目标自相关检测的一种神经网络方法研究

用权重神经网络知识推理的方法研究水下目标自相关检测．首次总结了水下单传感器目标自相关检测的相关知识,提出了用权重神经网络表示这些知识,用简单的数值计算进行推理的方法,得出了相应检测结果．     

多雷达多目标航迹跟踪法

提出了一种改进的模糊极小极大(Fuzzy Min-Max,FMM)神经网络算法,并结合无师训练FMM神经网络的聚类,给出了一种基于FMM神经网络的多雷达多目标航迹跟踪方法.仿真实验结果表明,这种方法能够有效地完成多雷达多目标的数据融合,并较好地实现了多雷达多目标的航迹相关.     

启发式Hopfield神经网络在车间调度中的应用

调度问题是一类非常复杂的组合优化问题,而Hopfield神经网络通常被广泛应用于各种组合优化问题.针对车间调度问题(JSP)的约束条件和换位矩阵,提出了包含所有约束条件的计算能量函数表达式,并针对神经网络依赖初始解,提出了启发式算法与神经网络相结合的方法,并得到解决车间调度的Hopfield神经网络结构和权值解析表达式.实验仿真结果表明了该方法的有效性.     

一种基于多传感器多目标跟踪数据的时间对准方法

在智能交通系统应用中,常常需要利用多种传感器对不同的交通目标进行数据采集,经常遇到时间不同步、数据率不一致的问题。采用BP神经网络算法,提出了一种基于多传感器多目标数据的时间对准方法,较好地解决了多目标跟踪的基础问题,提高了数据融合效率,并通过仿真实验及与传统时间对准方法的比较给出了该方法的优点。     

预应力管道压浆质量无损检测方法

为了准确评价后张法预应力混凝土结构管道内部的压浆质量,对实际压浆过程中可能出现的缺陷做出定性与定量分析,采用冲击回波法并结合小波神经网络进行无损检测研究。利用管道内置的软泡沫来模拟实际压浆体缺陷开展模型试验,在此基础上通过小波分析探讨冲击回波响应和管道压浆质量之间的关系,并提取测试信号对缺陷敏感的特征向量,创建一个单隐层的BP神经网络对预应力管道的压浆质量进行诊断。最后结合实际工程现场试验,完善智能评价系统。研究结果表明:经过训练、测试的3层BP神经网络具有很好的抗噪性能,在5dB噪声干扰下能够稳定和较准确地识别出缺陷大小,且诊断误差很小;实际工程的现场测试进一步验证了该方法的有效性。     

大型结构系统可靠性分析方法研究

结构系统的可靠性评估是结构设计的一个重要研究内容,而极限状态函数的建立是进行可靠性评估的基础.但是,大型结构系统的极限状态函数极为复杂,响应面法用简单的多项式进行模拟的精度较低,导致误差较大.文章提出用神经网络替代多项式来拟合复杂的极限状态函数,形成所谓的神经网络响应面.然后,基于塑性极限理论,文中提出了不依赖于失效模式的极限状态函数表达形式及采用ICP对该极限状态函数进行计算的方法.最后,依照拟合得到的神经网络响应面,给出了大型结构系统失效概率的方法.通过两个算例计算并和其它方法进行比较,表明该方法的计算精度较高,而计算时间大大降低.