基于神经网络的半主动悬架自适应模糊控制

提出了基于神经网络的自适应模糊控制策略。模糊控制主要用来对付系统的非线性；神经网络根据振动响应的方差递推结果来辨识车体的振动情况实时调节模糊控制器的量化因子，使模糊控制器对路面的变化具有自适应的能力。在半主动悬挂1／4车非线性模型的基础上进行了仿真研究。     

液压半主动悬架的自适应神经网络控制

提出了液压半主动悬架系统的自适应神经网络控制策略 ,分析了系统模型及自适应神经网络控制器的设计和实现 ,并对控制效果进行了仿真研究。结果表明通过这种控制策略可以得到比较好的控制效果。     

基于动态神经网络模型的交通事件检测算法

本文将一种新型的动态神经网络结构与传统的基于状态估计的故障检测方法相结合，提出了一种基于动态神经网络的交通事件检测算法。该网络借鉴静态BP网络的训练算法，并针对其训练方法中收敛速度慢及容易陷入局部极小点的缺点采用一种改进的算法，改善了训练效果。最后利用Matlab对提出的算法进行仿真，得到令人满意的效果。     

基于驾驶行为分析的交通流中车辆跟驰建模与仿真

着重从驾驶行为分析的角度，对车辆跟驰模型中与人的因素有关的GM模型、CA模型、线性Helly模型、AP模型以及基于模糊逻辑和神经网络的车辆跟驰模型进行了详细的评述，提出了未来智能交通流中应充分考虑到数字驾驶行为对智能车辆跟驰建模与仿真的影响，以期正确地揭示出交通流的特性和本质。     

神经网络信息融合方法在电控发动机故障诊断中的应用研究

利用虚拟仪器技术研制了数据采集与处理系统，可对发动机进行实时数据的采集、历史数据和暂态数据的显示，以及数字滤波、频谱分析、波形显示等方面的数据后处理。以电控发动机常见的故障现象——怠速不稳为例，研究了一种特征层信息融合方法——基于神经网络的信息融合技术在电控发动机故障诊断中的应用。     

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。     

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。     

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.     

基于图像分析的滚动轴承表面缺陷识别技术研究

系统介绍了滚动轴承表面缺陷视觉检测系统的检测原理及流程,着重分析了表面缺陷二值图像的几何特征和形状矩特征、BP神经网络的各参数选择以及实验结果．实验证明本系统用于滚动轴承表面缺陷检测具有可行性,采用神经网络识别可使表面缺陷分类正确率达到88％．