车辆液力缓速器内腔压力特性分析及建模

基于一维束流理论推导某车辆液力缓速器内腔压力数学模型,但试验结果表明了该理论的局限性.通过对试验数据进行统计分析,更深入地揭示了缓速器内腔压力的特性.尝试采用神经网络建模,获得了较好的外推效果,并进行了试验验证.     

基于BP神经网络的列车制动控制仿真研究

针对列车制动过程存在的复杂性、非线性、时变性、不确定性等因素,通过分析影响建立BP神经网络模型的主要因素,建立了用于列车制动控制的BP神经网络模型。以货物列车为仿真对象,在Matlab环境中进行了仿真研究。仿真结果表明,该方法控制安全性好、停车误差小,基于BP神经网络的智能算法运用于列车制动控制是可行的。     

BP神经网络技术在斜拉桥施工控制中的应用

神经网络是一种模拟人脑结构和功能的信息处理系统。通过一工程实例,以BP神经网络技术为基础,对影响斜拉桥线形的各种参数（主梁混凝土弹性模量和容重）进行参数识别及主梁标高的预测。     

隧洞围岩力学参数反演

利用粒子群优化算法的全局寻优能力帮助确定神经网络的隐层神经元的数量,基于某隧洞的实测位移数据,对该隧洞的硬土弹塑性力学参数进行了反演。     

基于自适应神经网络进行的车内噪声主动控制研究

文中提出将自适应神经网络技术用于以压电陶瓷为执行元件的车内噪声主动控制研究中,通过以控制车身板件振动来降低结构的声辐射,进而实现车内噪声主动控制的技术路线,并进行了车身板件的振动主动控制试验和车内噪声的主动控制试验,取得了较好的减振降噪效果,为今后类似研究提供了参考。     

基于BP神经网络的驾驶员昼夜动态空间距离判识规律

为研究昼夜动态环境中驾驶员对空间距离判识的规律,进行了实际道路试验。随机选取32名驾驶员分别在昼、夜环境中不同深度距离和速度下,判识红、绿色障碍物的空间距离,统计并检验驾驶员对红、绿色障碍物判识距离的差异,获得判识特征值;运用BP神经网络拟合距离判识结果,分析距离判识变化规律。结果表明:BP神经网络可以很好地拟合距离判识变化规律,精度优于现有模型;绝对距离和相对距离判识结果均随速度增加而减小,随深度距离增加而增大;夜间判识距离大于白天,驾驶员对相对距离判识准确性高。     

基于粗集和神经网络耦合的短时交通流预测

比较分析神经网络和粗糙集在数据处理过程中的各自优缺点,提出一种基于二者强耦合集成方式的短时交通流预测模型。首先利用粗集对获取的交通流数据进行预处理,简化神经网络训练样本数据集并通过粗集属性约简提取决策规则;其次,利用所提取的规则直接确定神经网络的隐层数、隐层节点数及节点的相互关系;最后训练神经网络用于短时交通流预测。通过与单纯利用神经网络预测的结果进行比较,发现该模型降低了网络训练时间,提高了预测精度。     

压电陶瓷的轿车车身板件振动主动控制

压电陶瓷是一种典型且应用广泛的新型智能材料,能改善汽车振动主动控制效果。文章以压电陶瓷为作动执行元件,设计了自适应神经网络控制系统,并进行了仿真分析、四边简支矩形薄板振动主动控制试验以及轿车车身板件的振动主动控制试验与研究。结果表明,以压电陶瓷为执行元件的自适应神经网络控制能够取得较好的减振效果,这不仅有助于现有轿车振动和噪声主动控制技术问题的解决,而且为其它类似应用提供了参考。     

基于神经网络PID控制的变频恒压供水系统设计

本文就变频技术在伶俐糖厂供水系统中的应用,结合系统可靠性、实用性理论,基于当前神经网络控制技术,提出神经网络PID控制系统设计方案,实现了控制的需要。     

隧洞围岩力学参数反演

利用粒子群优化算法的全局寻优能力帮助确定神经网络的隐层神经元的数量,基于某隧洞的实测位移数据,对该隧洞的硬土弹塑性力学参数进行了反演。