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.     

智能压路机故障诊断系统的实现

为了实现对压路机的状态监控、故障预防及诊断,建立了神经网络与专家系统相结合的智能压路机故障诊断系统．实现了对智能压路机常见故障的诊断。从系统最终运行结果来看,该智能压路机故障诊断系统基本实现了所需功能     

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。     

基于BP神经网络的钢-混组合结构PBL剪力键承载力

为实现钢-混组合结构PBL剪力键极限承载力的准确预测,通过分析既有推出试验结果,对PBL剪力键的作用机理及破坏模式进行总结,确定PBL剪力键纵向抗剪承载力的主要影响因素为开孔直径、钢板厚度、混凝土抗压强度、贯穿钢筋直径、钢板屈服强度等.以神经网络理论为基础,选用误差反向传播(BP)神经网络算法模型,选取钢板厚度、开孔直...     

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.     

基于减法聚类模糊神经网络高速公路混沌控制

研究了基于减法聚类的高速公路混沌系统模糊神经网络控制方法.提出通过数据挖掘技术建立交通流混沌控制器知识库的思想,设计了以密度、上游流量和最大李亚普诺夫指数作为输入,红灯时间作为输出的T-S模糊神经网络混沌控制器.采用减法聚类确定控制器结构提取模糊规则、控制器初始参数;应用模糊神经网络方法对控制器参数进行优化;结合遗传算法对聚类半径进行优化.仿真实验分析了该控制方法的控制效果,证明了该混沌控制方法的有效性.     

高速公路主线最佳行驶速度综合算法

为寻求计算高速公路主线车辆最佳行驶速度的有效方法,将影响速度的因素进行了分析处理,给出了具有多层模糊决策的最佳速度模糊逻辑,应用神经网络记忆和学习模糊规则,同时对神经网络的初始权值采用遗传算法进行标定,避免陷入局部极值,加快收敛.仿真结果表明:该方法能够针对高速公路的交通流实际状况,充分利用与速度有关的因素来确定高速公路主线最佳行驶速度,克服了传统算法依靠历史数据或建模困难的缺陷,得到的最佳行驶速度值具有实时性好、准确度高.