神经网络技术在车内噪声预测上的应用

本文根据神经网络理论，建立了单一工况下由发动机悬置点振动信号预测车内特定点低频噪声的神经网络模型，并针对驾驶员耳旁噪声进行了实验研究，结果表明：基于神经网络的单一工况车内噪声观测模型，可以频域内很好地预测出特定点的车内噪声。     

高速公路智能交通控制系统的建模及多层描述

本文提出将神经网络和模糊推理用于高速公路交通控制系统的建模及多层描述的一般性方法和框架，其主要思想是：利用神经网络及其他智能方法建立高速公路稳态和动态模型，在此基础上结合交通系统的特点提出改进的多层描述方法，即把高速公路交通系统控制问题分为自组织层，最优化层和调节层，试图解决传统方法在高速公路交通系统的分析，建模和控制中遇到的问题。     

利用神经网络模型实现压气机特性图的三维逼近

利用BP神经网络模型对涡轮增压发动机中的压气机进行建模，得出其通流特性和效率特性图，给出拟合的相关系数，并将此模型应用于涡轮增压发动机整体系统的模拟计算中。     

汽车防追尾碰撞数学模型研究

为了提高车辆在高速行驶状态下的主动安全性能,研究了处于追尾行驶状态的本车与前车的运动学特征;针对前车的不同运动状态分别推导出了跟车距离的计算模型并分析了模型中3个关键参数的随机性和动态性,对制动迟滞时间提出了基于模糊推理的确定方法,对本车制动减速度和前车的运动加速度提出了比较实用的动态测算公式;另外,研究了防追尾碰撞的控制与执行,建立了动态调整安全制动停车距离的神经网络模型,提出了基于危险裕度判别的安全控制方法。     

基于模糊神经网络的既有钢筋混凝土桥梁构件可靠性评估

介绍了模糊神经网络的基本理论知识,根据其知识体系和既有桥梁可靠性的研究特点,结合相关文献的规定和研究成果,引入与所检测的截面裂缝宽度、应变值和应变值相关的评估参数Z,利用既有钢筋混凝土桥梁养护等级标准给出了构件技术状况等级与可靠指标的对应关系,然后根据模糊神经网络的理论优势,对输入变量(实测数据:裂缝宽度,应变值和应变值)进行训练,计算出构件在不同荷载作用下的可靠指标,其可用于既有桥梁结构构件可靠性评估中。并结合一实桥拆除构件的试验结果,得到了一些有益的结论,验证了本方法应用于既有钢筋混凝土桥梁构件可靠性评估的可行性。     

基于实测数据评估交通事件检测中神经网络应用性的研究

神经网络为交通事件自动检测技术摆脱传统方法探测率低、误报率高的状况提供了新的解决思路。在以往局限于仿真数据研究的基础上,本文利用I-880数据库实测交通事件数据对神经网络在交通事件自动检测中的实际应用进行了研究,结果表明:神经网络应用于交通事件自动检测技术中,具有较高的探测率和较低的误报率,但该算法可移植性较差,在实际应用中要予以考虑。     

大数据背景下的船舶管理风险评估

船舶安全管理工作对于保障船舶安全航行起着十分重要的作用,传统方法如层次分析法、模糊评估法难以对船舶的管理风险进行科学的评价。为了提高船舶的管理风险评估精度,构建了粒子群算法优化RBF神经网络的船舶管理风险评估方法,首先利用粒子群算法对RBF神经网络的参数进行优化,然后利用优化的RBF神经网络对船舶管理风险进行评估,最后进行仿真测试,实验结果表明,本文方法的评估精度比对比方法的评估精度更高,同时耗时更少,可以满足对船舶的风险进行实时监控与管理。     

基于代价敏感RBF神经网络的道岔故障诊断系统

针对铁路道岔故障中几种常见类型故障,为尽量减少道岔故障误分类所造成的损失,特建立基于遗传算法的代价敏感RBF神经网络模型以及基于该模型的道岔故障诊断系统。模型通过建立代价敏感适应度函数,实现基于遗传算法的RBF神经网络向代价最优的方向进行随机搜索。利用某车站道岔动作电流监测数据进行验证,证明系统能够提高故障数据的识别精度,降低故障数据的误分类代价。该系统可帮助维护人员快速、准确地对道岔故障进行诊断,缩短故障处理时间,提高铁路行车的安全性。     

神经网络在船舶电力推进系统故障诊断中的应用

船舶电力推进系统目前成为船舶推进系统的主流选择,电力推进系统对于保障船舶的安全稳定运行具有重要意义。因此,对采用电力推进系统的船舶进行电力推进系统故障诊断,成为船舶日常维护的一项重要工作。本文对船舶电力推进系统故障诊断系统进行研究,在Simulink环境下搭建故障诊断模型,并将BP神经网络应用于诊断系统,对电力推进系统的故障学习和诊断能力进行仿真。结果表明,该故障诊断系统可以提高网络的学习速度和诊断效果,具有很好的故障诊断能力,可以满足船舶电力推进系统的性能要求。