节点递归算法优化合流管网

根据合流制管网系统的图论和矩阵算法 ,提出节点递归优化算法 ,以节点为研究对象 ,优化合流制管网系统。本算法能解决管网在交汇点处上下游管段衔接计算问题、溢流井设置问题 ,克服控制点不易确定的困难 ,达到了费用最低的优化目标 ;并可直接以节点标高为约束条件 ,充分考虑利用原有管道或解决地下管线交叉问题。并通过实例进行了验证     

BP和RBF神经网络在辨识内燃机燃烧过程中的应用

分析了发动机燃烧过程的研究方式,提出了用BP和RBF网络辨识内燃机燃烧过程的方法。选定神经网络的结构、隐层神经元的作用函数和控制参数,成功地得到了发动机的辨识模型,结果由RBF网络辨识的模型给出,从这一模型可以获得任意点缸内压力和温度以延拓的参数,为排放分析、计算和结构优化提供了良好的基础。     

GIS技术在公路建设管理中的应用研究

针对公路建设的发展以及工程项目管理发展的要求,介绍了道路CAD技术、地理信息系统(GIS)技术、数据库技术、网络技术在公路建设项目管理过程中的应用以及如何借助GIS的图形处理功能、信息表现及其空间分析功能对公路建设过程中的各工程实体的工程信息、计划进度、质量监理、费用管理等进行可视化表现和分析,规范和方便建设项目的科学管理,从而为公路建设的管理者和决策者提供直观、可靠、及时和有效的管理手段,便于作出相应的决策。     

桥梁施工进度控制GERT网络仿真研究

根据GERT网络特点,引入计算机仿真技术,研究了桥梁施工进度控制模拟仿真网络模型GERTS,通过网络要素的节点和活动仿真,提出了产生规定分布随机数的中值平方法、中值乘法、线性同余法,建立了GERTS计算机模拟网络模型,结合实桥钻孔桩施工网络仿真,编制了仿真网络的计算机程序并进行了模拟分析,其仿真工期都在150d上下波动,随着程序运行次数的增多,该结果越来越接近工期理论计算值150d,仿真效果符合工程实际规律,结果表明:GERT仿真网络是控制桥梁施工进度的一种有效方法。     

通渝隧道围岩变形的神经网络预测

隧道新奥法施工中，常以围岩变形量作为评判围岩稳定性和支护结构经济合理性的重要指标。公路隧道围岩变形量是随时间而变化的数据序列，因而可以建立一些实时跟踪预测模型和方法。根据通渝隧道围岩拱顶下沉位移变形的特性，采用神经网络技术来预测其变形量，结果表明该方法简易、有效。     

基于复合神经网络模型的四轮独立驱动电动车控制

针对四轮独立驱动电动车的运动控制，提出了一种基于Ackerman转向模型和神经网络方法的复合模型，用于对各个车轮转速进行仿真和控制。这种复合模型的特点是结构非常精简，其参数可用实际整车数据来直接整定，尤其适合于车辆的中低速运行控制。     

用改进的前向神经网络预测铁路货运量

对影响铁路货运量的因素进行了分析。根据影响铁路货运量的诸因素的特点，介绍了一种改进的前向神经网络预测方法，并建立了铁路货运量前向神经网络预测模型。算例表明，其预测精度高于常规预测方法。     

Hub location with flow economies of scale

A characteristic feature of hub and spoke networks is the bundling of flows on the interhub links. This agglomeration of flows leads to reduced travel costs across the interhub links. Current models of hub location do not adequately model the scale economies of flow that accrue due to the agglomeration of flows. This paper shows that current hub location models, by assuming flow-independent costs, not only miscalculate total network cost, but may also erroneously select optimal hub locations and allocations. The model presented in this paper more explicitly models the scale economies that are generated on the interhub links and in doing so provides a more reliable model representation of the reality of hub and spoke networks.     

汽车半主动悬架的神经网络自适应控制

本文提出了用两个线性神经网络对汽车半主动悬架系统进行在线辨识和控制的策略，介绍了该控制系统中神经网络的在线训练方法，进行了仿真计算和结果分析。     

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。