BP神经网络在自动变速器故障诊断中的应用

由于自动变速器故障自诊断系统不易准确判断故障原因和具体位置,文章借助汽车OBD自诊断协议,组建自动变速器电子控制系统的诊断数据采集系统。以某轿车01M型自动变速器不能升挡故障为例,采用V.A.S5052故障诊断仪对其进行数据采集与分析。建立了基于BP神经网络的典型故障诊断模型,并对自动变速器典型故障进行实际数据测试,准确识别出自动变速器不能升挡的典型故障原因是节气门位置传感器线路故障和车速传感器断路故障。结果表明人工神经网络具有很高的诊断精度。     

基于PID神经网络的车用锂电池SOC估算

为了更精确估算车用锂电池荷电状态(SOC)值,采用PID神经网络方法建立电池模型,设定电池电压、放电电流、电池累计放电量和电池电极温度4个变量为模型输入量,电池剩余电量为模型输出量,由此得到了全部神经网络训练数据,并仿真估算出电池SOC值.仿真结果表明,利用该方法对电池SOC进行估算,误差小于3.66％,方法有效.     

基于便携式落锤弯沉仪动态弯沉的路基压实度无损检测与评估

为了提高路基施工中压实度的检测效率和精度,本文以便携式落锤弯沉仪PFWD为平台,根据动态信号分析技术和数字信号处理技术,充分挖掘便携式落锤弯沉仪PFWD荷载及弯沉时程曲线的动态信息,从时域、频域和机械阻抗3个方面对便携式落锤弯沉仪PFWD时程曲线动力学特征参数进行了分析研究,在此基础上,采用多元回归技术和人工神经网络智能方法,分别给出了高液限粘土路基的回归模型和神经网络预测模型,通过与传统灌砂法比较表明,2种模型均可实现对路基压实度的预测.此研究结果可以为路基压实度的预测提供参考.     

基于小波神经网络的电源车故障诊断研究

简要介绍了小波神经网络理论,在分析某武器系统电源车模型的基础上,运用小波神经网络理论,构建小波神经网络,再进行网络训练与测试。算例结果表明,本方法可提高故障诊断的效率和准确性,对电源车的故障诊断具有重要意义。     

基于EEMD-GA-BP的组合客流预测算法研究

以高速铁路泰安站到达客流为研究对象，从客流数据的时频特性角度分析客流的特征，并结合经验模态分解法的时频分析优势以及遗传算法优化的神经网络的拟合能力，探索可行组合预测算法，以泰安站到达客流数据为例进行了实例分析，比较不同的IMF分量重构方法并确定了较优方案。     

GMDH神经网络在数据预测中的应用

利用ＧＭＤＨ（Ｇｒｏｕｐ Ｍｅｔｈｏｄ ｏｆ Ｄａｔａ Ｈａｎｄｉｎｇ）神经网络进行数据预测。与一般的前馈神经网络不同，ＧＭＤＨ网络的结构确定于训练过程之中，因而可大大提高神经网络性能，从而特别适用于数据预测。文中提供的两个实例表明，利用ＧＭＤＨ网络进行数据预测的结果与实际值符合得很好，特别在金融预测方面有很好的应用前景。     

B样条隶属函数的模糊神经网络研究

把模糊子集的隶属函数取为Ｂ样条函数，利用Ｂ样条函数的正定性，紧密性和归一性，可以使得通常模糊系统输出中的分母削法，并且训练过程中权值的调整也限制在局部范围内，最后证明了其全局逼近特性。     

基于粗糙集的模糊神经网络建模研究

利用粗糙集从数据库中发现规则的能力,确定模糊神经网络的初始拓扑结构,再利用原始数据对网络进行训练.由于这样构造的模糊神经网络一开始就具备了良好的符合数据分布特性的拓扑结构,因而可以大大减小网络规模,提高网络训练速度.数值实验结果表明了该方法的有效性.     

基于粗糙集的模糊神经网络建模研究

利用粗糙集从数据库中发现规则的能力，确定模糊神经网络的初始拓扑结构，再利用原始数据对网络进行训练。由于这样构造的模糊神经网络一开始就具备了良好的符合数据分布特性的拓扑结构，因而可以大大减小网络规模，提高网络训练速度。数值实验结果表明了该方法的有效性。