不等时距GM(1,1)模型预测地基沉降研究

分别采用直线插值、三次样条插值、BP神经网络3种方法,用M ATLAB语言编制程序将不等时距序列转化为等时距序列,采用灰色理论预测沉降.由于BP神经网络强大的非线性映射功能,可以避免常规插值法所造成的一系列误差.实际工程应用结果表明,利用直线插值、三次样条插值和BP神经网络与灰色理论联合建模所得的预测值与实测值的最大相对误差分别为17.2%,5.9%和4.6%.由此可见BP神经网络和灰色理论联合建立的GM(1,1)模型用于预测路基沉降最为精确.     

时变时滞细胞神经网络的周期运动的稳定性

利用M-矩阵理论和矢量Lyapunov函数方法,研究变时滞周期运动细胞神经网络的全局指数稳定性．在放松该类神经网络激活函数的有界性、单调递增性、可微性及Lipsehitz连续等条件下,得到了该类神经网络周期解的存在性与全局指数稳定的代数判据．该判据基于神经网络激活函数满足的条件,利用连接权值矩阵及阻尼系数矩阵构造测试矩阵,根据测试矩阵是否为M-矩阵判定系统周期解的存在性与全局指数稳性．     

张弦梁结构的优化设计方法研究

利用神经网络的强大映射功能,采用拟满应力法分析杆件截面变量的离散性,同时与遗传算法相结合而构成的一种新型组合优化方法．经平面张弦粱结构算例优化分析表明,计算速度快捷、有效可靠且能够满足工程精度要求。     

基于神经网络的高温下（后）预应力损失分析

提出了基于神经网络的高温下(后)预应力损失的评价方法.针对影响高温下(后)预应力损失的复杂多变性和相当强的不确定性,建立了基于神经网络的高温下(后)预应力损失模型.运用神经网络强大的自适应、自组织、自学习的能力以及高度的非线性映射性、泛化性和容错性的特点,通过对训练样本的神经网络学习,建立了预应力损失与温度、初始有效预应力以及高温条件的网络关系,最终实现了对测试样本的预应力损失预报.     

车辆运行声车型自动分类的AR模型技术

利用AR参数模型提取采集到的车辆行驶时产生的车外噪声信号的特征,利用假设检验进行特征选择,并设计了BP神经网络进行分类识别.对道路现场采集到的2种车型共计110个信号进行分析,实验结果表明,通过AR参数模型提取车辆车外噪声特征实现车型自动分类是可行的,其分类的正确率达80% 以上.     

基于交通流预测的城市干道相交路口信号控制

提出了一种基于交通流预测的主干道相交路口优化控制方法,将交通流预测与交通信号控制相结合,用于解决交通流量较大的城市主干道相交路口的信号控制问题.建立神经网络预测模型,用变异粒子群优化算法优化网络结构以提高预测精度和速度,将预测的下2个相位队长作为模糊控制的输入以确定下一绿相位时间,在后一绿相位持续时间内放行该相位经预测但尚未全部排队的车辆.仿真实验表明该方法能有效地减小平均车辆延误时间,达到了保持干道交通通畅的目的.     

基于概率神经网络和声压的柴油机故障诊断

论述了利用柴油机运转缸盖噪声信息来诊断内燃机故障的一种方法,通过FIR数字滤波技术从发动机缸盖噪声信号中分段提取发动机的燃爆和气门开闭信息,采用参数平均法消除了缸盖噪声测量的随机误差,利用概率神经网络的分类功能,准确判断出了各种故障。     

基于模糊神经网络的汽车换挡品质评价系统

应用MATLAB软件设计了基于模糊神经网络的汽车换挡品质评价系统.对换挡过程中由仪器测得的客观评价指标和由驾驶员给出的相应主观评价构成的样本向量进行学习和训练,建立了客观评价指标和主观感觉之间的联系.试验结果表明,该系统误差精度为0.060012,即系统评价结果与主观评价结果基本一致,能够客观有效地评价换挡品质.     

基于耐撞性能的白车身简化模型建模研究

以白车身前纵梁为例,基于白车身的耐撞件能对设计初期简化模型的建模进行了研究.引入神经网络技术实现了白车身耐撞性能参数与梁单元特性参数的非线性映射,通过提取和储存梁单元的特性参数,实现了梁单元模型对传统壳单元有限元模型的等效替代和模型优化.研究表明,通过神经网络技术得到的梁单元模型能够准确体现白车身的正碰特性参数,可在概念设计阶段对车身耐撞性进行有效预测.     

基于径向基函数神经网络的公路工程造价估算

本文建立了基于径向基函数(RBF)神经网络公路工程造价的估算模型,并运用MATLAB语言程序将其实现.实例分析表明该方法弥补了传统BP网络存在的收敛速度慢,易陷入局部最优等缺陷,基于神经网络的公路工程造价估算方法是可行的,估算结果是可靠的.