神经网络在数控机床智能控制中的应用

介绍了人工神经网络的万能逼近特性，提出了一种结构新颖的神经网络控制器及其算法，并在数控铣床上进行了性能验证。结果表明这种控制器性能优越，自适应能力强。     

智能驾驶实时目标检测的深度卷积神经网络

为提高深度学习神经网络运行速度,满足智能驾驶对算法实时性的要求,基于一种一体化实时目标检测算法YOLO和一种目标检测网络模型Faster RCNN,提出一种结合两者特点的实时目标检测神经网络。该网络保留区域卷积神经网络(R-CNN)算法的二次检测模式和区域生成神经网络RPN,去掉先验框,采用YOLO直接预测位置。结合Mask R-CNN中的ROI-Align方法进行二次位置修正,减少了Faster R-CNN中ROI-pooling所带来的位置预测偏差。对改进后的网络在KITTI数据集上进行测试,结果表明:改进后的神经网络检测一次仅耗时38 ms,检测的平均精确度高于YOLO和Faster RCNN,且对于不同大小的目标都具有很好的泛化能力。     

基于大数据平台的动态票额智能预分系统的研究与实现

本文提出了以Hadoop为核心的大数据分析平台架构，并设计了基于MapReduce的分布式预测算法、动态票额预分、敏捷票额调整等流程，构建了动态票额智能预分系统，使得客票销售形成“预测、预分、监控、调整、再预测”的闭环流程，实验数据证明，该系统可有效提升铁路客运产品收益。     

基于神经元网络的钻杆热处理温度信号校正

神经网络是非线性系统建模的重要方法。反向传播（BP）算法常常用于神经网络的权值训练中，但是BP算法收敛慢。为此，将非线性最小二乘法用于前馈神经网络的权值学习。采用这一建模方法对石油钻杆在热处理中的温度测量偏差进行校正。研究结果表明，该方法具有很快的收敛速度和很好的拟合精度，适用于工业过程中测量信号的在线校正。     

基于神经网络的软土地基工后沉降预估分析

为了控制软土地基的工后沉降,对软土地基处治提供合理依据,采用沉降预测理论双曲线法、神经网络法与软土地基沉降现场实测相结合的方式对软土地基的工后沉降进行预估,通过对比分析,得出神经网络法沉降规律更符合工程实际情况。     

基于三维锥形栅格的激光点云语义分割方法EI北大核心CSCD

激光点云语义分割是自动驾驶系统中道路场景感知的重要分支。虽然主流方法将点云转换为规则的二维图像或笛卡尔栅格进行处理,减少因点云非结构化所带来的计算量,但二维图像方法不可避免地改变点云的三维几何拓扑结构,而笛卡尔栅格忽略了室外激光点云的密度不一致性,从而限制了包括行人和自行车等小物体的语义分割能力。因此,本文中提出了一种基于三维锥形栅格和稀疏卷积的激光点云语义分割方法,利用锥形栅格分区解决了点云的稀疏性和密度不一致的问题;为提高模型推理速度,设计了重参数化三维稀疏卷积网络。在SemanticKITTI和nuScenes两个大规模数据集上对所提方法进行评估。结果表明,与目前最新的点云分割方法相比,所提方法的平均交并比分别提升了1.3%和0.8%,尤其对小物体识别有显著的提升。     

基于神经网络的膜法薏苡仁油脱胶过程动态模拟和预测

应用BP神经网络对膜法薏苡仁油脱胶过程的膜通量动态模拟与预测.研究了神经网络的构建、训练、结果测试和模型泛化,并用得到的神经网络对不同运行条件下(操作压力和温度)膜通量进行预测.结果表明:神经网络能够很好地模拟膜法脱胶过程的通量变化,预测结果与实验实测结果能够很好的吻合.与传统模型法相比,神经网络能快速简便地得到模拟和预测膜分离过程.     

浅谈BP神经网络力学参数反分析法的应用

通过现场原位滑坡试验,获取岩石的物理力学参数及滑坡体的深部位移和地表位移,将力学参数经过均匀试验设计,用于FLAC3D数值模拟计算,得到边坡开挖产生的深部位移,并建立BP神经网络,进行力学参数反分析,反分析值和真实值误差在5%~10%之间,用反分析获得的力学参数进行边坡开挖的FLAC3D数值模拟所获得的2号测斜管不同深度的位移与现场实测位移基本吻合。     

基于神经网络的倒立摆模型参考自适应控制研究

本文应用Matlab的Simulink工具箱中Model Reference Controller模块的plant identification模块来控制辨识带有反馈的倒立摆系统.在研究过程中,利用状态反馈稳定了倒立摆系统,并将稳定的倒立摆系统看作一个整体进行神经网络辨识和控制.此方法简单易行,容易实现.