基于BP神经网络的甘肃省公路客运量预测方法

公路客运是交通科学管理的基础数据,提高公路交通管理水平,对建立平稳高效的道路交通系统具有重要意义。为了提高公路客运量的预测精度,选择与公路客运量相关的三个指标(国内生产总值、公路长度和民用车拥有量),建立了基于BP神经网络的公路客运量预测模型,并对该模型进行了应用测试,与多元线性回归预测模型进行了比较。结果表明:BP神经网络模型具有更高的精度。     

基于有限元分析的FSC赛车车架轻量化设计

以大学生方程式赛车为实例,为了设计更高性能的车架,利用ANSYS软件校核车架的刚度,结合实验数据作为参考,在保证车架扭转刚度在目标值以上的前提下,不断修改车架的结构、钢管尺寸等,达到轻量化优化设计的目的,再通过软件分析车架强度与模态,保证车架的工作稳定性。优化后车架扭转刚度达到了2468.5N*m/deg,质量为27.659kg,达到预期设计目标。     

深度学习在舰船前方障碍物图像识别中的应用

在舰船前方障碍物图像识别中,传统的图像识别系统漏检概率高、检测性能较差,难以满足舰船安全航行要求。深度学习是一种智能化技术,将其应用到障碍物图像识别中可以提高图像信息筛选、计算和检测效率。本文介绍深度学习中的神经网络模型和卷积神经网络,以及深度学习在舰船前方障碍物图像识别中的检测方法。基于传统深度学习算法的不足,提出改进后的Faster R-CNN方法在障碍物图像识别中的应用,并通过对比实验进行论证,实验结果表明改进后的图像识别模型具备检测精度高的应用优势。     

基于碰撞安全性的铝合金吸能盒轻量优化

本文中以一种匹配碳纤维复合材料保险杠防撞梁的吸能盒为研究对象,通过试验设计优化,获得吸能盒最佳锥角和溃缩孔的直径及其排列;然后采用拉丁超立方抽样和基于Kriging代理模型加点策略的多目标粒子群优化算法对吸能盒厚度进行多目标优化.优化后不仅吸能盒吸能量大幅提升,且吸能盒质量明显下降.刚性壁100％重叠率正面碰撞和25％...