汽车半主动悬架的神经网络自适应控制

本文提出了用两个线性神经网络对汽车半主动悬架系统进行在线辨识和控制的策略，介绍了该控制系统中神经网络的在线训练方法，进行了仿真计算和结果分析。     

神经网络技术在车内噪声预测上的应用

本文根据神经网络理论，建立了单一工况下由发动机悬置点振动信号预测车内特定点低频噪声的神经网络模型，并针对驾驶员耳旁噪声进行了实验研究，结果表明：基于神经网络的单一工况车内噪声观测模型，可以频域内很好地预测出特定点的车内噪声。     

以太网技术在机组控制中的应用

叙述了自动化机组控制技术的发展，及以太网技术应用于机组控制的必要性，可行性。     

城市公交线网优化的线性模型

为了对现有公交线网进行优化,有效利用现有交通资源,解决城市交通问题,运用系统科学的思想,通过对城市公交线网优化的主要内容、优化原则、优化目标以及约束条件的分析,兼顾考虑乘客出行时间、公交线网密度和公交企业的利益以及公交线网的布局对整个城市的交通系统的影响,提出了优化目标的函数表达式及相应约束条件的数学表达式,建立了公交线网优化的线性模型,并给出了运用逐步筛选法对所提出的数学模型进行求解的方法。     

汽车防追尾碰撞数学模型研究

为了提高车辆在高速行驶状态下的主动安全性能,研究了处于追尾行驶状态的本车与前车的运动学特征;针对前车的不同运动状态分别推导出了跟车距离的计算模型并分析了模型中3个关键参数的随机性和动态性,对制动迟滞时间提出了基于模糊推理的确定方法,对本车制动减速度和前车的运动加速度提出了比较实用的动态测算公式;另外,研究了防追尾碰撞的控制与执行,建立了动态调整安全制动停车距离的神经网络模型,提出了基于危险裕度判别的安全控制方法。     

基于模糊神经网络的既有钢筋混凝土桥梁构件可靠性评估

介绍了模糊神经网络的基本理论知识,根据其知识体系和既有桥梁可靠性的研究特点,结合相关文献的规定和研究成果,引入与所检测的截面裂缝宽度、应变值和应变值相关的评估参数Z,利用既有钢筋混凝土桥梁养护等级标准给出了构件技术状况等级与可靠指标的对应关系,然后根据模糊神经网络的理论优势,对输入变量(实测数据:裂缝宽度,应变值和应变值)进行训练,计算出构件在不同荷载作用下的可靠指标,其可用于既有桥梁结构构件可靠性评估中。并结合一实桥拆除构件的试验结果,得到了一些有益的结论,验证了本方法应用于既有钢筋混凝土桥梁构件可靠性评估的可行性。     

基于实测数据评估交通事件检测中神经网络应用性的研究

神经网络为交通事件自动检测技术摆脱传统方法探测率低、误报率高的状况提供了新的解决思路。在以往局限于仿真数据研究的基础上,本文利用I-880数据库实测交通事件数据对神经网络在交通事件自动检测中的实际应用进行了研究,结果表明:神经网络应用于交通事件自动检测技术中,具有较高的探测率和较低的误报率,但该算法可移植性较差,在实际应用中要予以考虑。     

超大跨度斜拉桥施工过程力学行为

斜拉桥结构效应在施工过程中具有典型的时空变化特性，但目前对效应的时程特性及时空包络关注较少。建立精细的几何非线性分析模型，分析主跨1088m的苏通大桥施工过程力学行为，包括施工阶段效应增量、效应时程、效应包络及恒载效应。研究结果有助于结构设计和施工控制。     

浅谈FAS双中心建设及设备维护

重点分析了西安局集团公司由2K数调主系统组网更新改造为FAS双中心网络的建设方法,并根据日常维护经验,列举了调度台通道故障处理、FASB简易故障判断及计表倒换试验、FASA和FASB系统与MSC之间的业务故障处理等.     

Dynamic stride length adaptation according to utility and personal space

Pedestrians adjust both speed and stride length when they navigate difficult situations such as tight corners or dense crowds. They try to avoid collisions and to preserve their personal space. State-of-the-art pedestrian motion models automatically reduce speed in dense crowds simply because there is no space where the pedestrians could go. The stride length and its correct adaptation, however, are rarely considered. This leads to artefacts that impact macroscopic observation parameters such as densities in front of bottlenecks and, through this, flow. Hence modelling stride adaptation is important to increase the predictive power of pedestrian models. To achieve this we reformulate the problem as an optimisation problem on a disk around the pedestrian. Each pedestrian seeks the position that is most attractive in a sense of balanced goals between the search for targets, the need for individual space and the need to keep a distance from obstacles. The need for space is modelled according to findings from psychology defining zones around a person that, when invaded, cause unease. The result is a fully automatic adjustment that allows calibration through meaningful social parameters and that gives visually natural results with an excellent fit to measured experimental data.