高速公路事故多发点鉴别及诱发因素识别

为了提高事故多发点鉴别的客观公正性及自动化识别水平,提出了在公路沿线上划分初始评估地点的动态聚类算法,建立了鉴别事故多发点的自组织神经网络模型,给出了基于离散多变量算法与概率分布相结合的事故多发点突出事故诱发因素识别过程. 方法应用结果表明,基于动态聚类的初始评估点划分方法能够客观地描述出事故点在公路沿线上的集中与分散状况,而神经网络鉴别模型能够对初始评估地点的安全状况进行自动分类且结果较合理. 在掌握了能够满足统计分析要求的事故样本点数量的基础上,能够应用突出事故诱发因素识别方法建立一套评估标准,并用来识别事故多发点的突出事故诱发因素.     

基于模糊神经网络的结合部匝道控制方法研究

针对高速公路与关联城市快速路（简称结合部）路段拥堵日益严重的现状,从匝道控制影响要素分析入手,基于模糊控制和神经网络思想,本文提出了以主线交通状态与期望状态差值和匝道交通状态为输入变量,以匝道调节率为输出变量的模糊控制方法. 同时针对结合部路网互通式立交设计的实际情况,分单匝道控制和双匝道控制两种情况进行了分析,提出了相应的匝道控制方法,并建立了5层模糊神经网络控制模型. 最后以北京京津塘高速公路与北京三环和四环关联城市快速路为案例,对建立的模型进行效果验证,结果证明了所建立方法的有效性.     

基于改进RBF神经网络的产业损害预警指数预报

为了有效的保护产业安全,产业损害预警指数的预报成为重要的研究方向.针对这种非线性的时间序列和产业损害预警系统的应用特点,本文对RBF网络的学习算法进行了一定的改进,提高了预测结果的稳定性.根据实验仿真结果显示,该模型优于传统使用的分析方法,为各生产行业的生产计划提供决策支持.     

轨道交通户外站台门与列车间隙背景灯带图像分割算法研究

轨道交通在发车前需要清空站台与列车间隙,否则异物入侵会对乘客与列车运行造成安全隐患,基于背景灯带的异物入侵检测需要对灯带在图像中进行图像分割、提取、识别。针对在户外站台场景下,复杂背景和日光等因素为背景灯带提取带来困难的问题,提出一种无监督的图像分割算法。首先通过卷积神经网络进行特征提取,然后将特征图输入到后续分类器中对所有像素进行类别输出。在训练过程中,使用的损失函数从三方面进行设计：考虑特征相似度和空间连续约束、基于深度支持向量描述以及基于几何与光度增强。算法能够实现单样本无监督对神经网络参数进行调优。通过对某城轨站台真实数据采集及实验结果表明,本文提出的方法在与训练样本不同光照条件、拍摄角度条件下,对背景灯带进行分割的F1分数为78.47%;在性能优于其他方法的同时,耗时最多能减少97.1%;算法为基于背景灯带的异物检测方案提供一种行之有效的图像分割方法,为后续的异物自动检测提供基础。     

基于PNN的发动机PT燃油系统故障诊断

针对传统故障诊断方法的局限性,提出了基于PNN的故障诊断方法,并以发动机的PT燃油系统为例,进行了故障诊断研究;通过与常用的BP神经网络进行对比试验,验证了基于PNN的故障诊断方法的有效性.     

危化品货物在途安全状态模糊识别方法研究

通过探究危化品货物在途安全状态的影响因素,确定了危化品货物在途安全状态识别的输人量,并制订了模糊识别规则,从而实现了危化品货物在途安全状态的辨识,采用神经网络进行验证,表明该方法能有效地对危化品货物在途安全状态进行分类,具有良好的实用性.     

城市桥梁结构状态评估系统开发

以城市桥梁为对象,从影响桥梁承载力和耐久性的因素出发,建立了桥梁状态评估指标体系。基于Sugeno模糊模型建立了桥梁状态评估系统,并开发了桥梁信息数据库和友好的管理界面。通过算例检验了系统的学习能力,应用评估系统对杭州市高新八路跨线桥的评估实例表明,学习后的系统具备桥梁专家的经验及推理能力,系统在实际旧桥评估工作中具有良好的应用效果。     

基于遗传神经网络的高速公路纵坡运行速度预测方法研究

车辆运行速度预测取决于多因素、非线性函数关系的建立,预测模型建立的准确与否取决于各个影响因素之间的相互作用的特性。将遗传算法与神经网络有机结合起来,以高速公路上的实测运行速度为基础,建立遗传神经网络训练和检验样本集,利用Matlab7.04的神经网络工具箱和遗传算法工具箱的函数,完成程序的编写,建立基于遗传算法的高速公路纵坡路段运行速度(V85)的神经网络预测模型,并将预测结果与实测数据进行比较。结果表明:所用遗传神经网络模型可靠,预测精度高,对我国采用运行速度的路线设计方法和线形质量评价有较高的参考价值。     

船舶电力推进系统状态评估软件设计与实现

电力推进系统的状态评估是船舶电力推进系统高效性和安全性的保障。文中探讨了该软件的功能、结构、数据库的设计,给出基于模糊神经网络的舰船电力推进系统状态评估模型,并通过模型仿真验证了其准确性;分析了系统实现所采用的关键技术。     

基于小波神经网络的海流预测模型

海流是一种重要的海洋水文学要素,由于海洋环境恶劣复杂,海流监测仪器有时会由于不可预知的原因而发生故障,从而导致在一段时间内宝贵的海流数据的缺损。文中将小波神经网络和多种神经网络模型运用于短时海流数据的预测,并与实际海流数据进行比较,以达到缺失数据智能补漏的目的。计算机仿真结果表明,相比于单独的神经网络模型,小波神经网络在数据精度和稳定性方面可达到更高的要求。