基于神经网络数字化自适应PID控制

介绍了PID调节器的数字化推导过程和采样周期的选择，讨论了一种基于神经网络的自适应PID调节器的设计。     

基于实船数据的船舶航速与油耗优化建模

为获得水路运输中船舶的最佳航速,实现燃油效率的最大化,以长江航线货运船的航速、燃油等真实监测数据为基础,提出一种新的船舶航速与油耗优化模型。模型包括白箱模型(White-Box Model,WBM)和黑箱模型(Black-Box Model,BBM)两个部分:WBM由改进后的物理方程和数学公式组成;BBM是BP(Back Propagation)神经网络。两者结合成新的灰箱模型(Grey-Box Model,GBM)。通过分析船舶航行过程中影响船舶燃油消耗的多种因素,确定WBM参数,分别用串联和并联的方式将白箱与BP网络结合构建船舶航速与油耗优化模型,采用牛顿-拉普森迭代算法进行求解。计算结果表明:优化模型可在选定的航段内找到最佳的指导航速,并且模型的R2达到了0.945。此外,将建立的模型与单一的WBM进行对比验证,所建立的船舶航速与油耗优化模型得到的最佳航速更加精确,整体误差也从0.130减小到0.071。     

基于虚拟仪器和神经网络的汽车自动变速器故障诊断方法的研究

研究一种基于虚拟仪器和人工神经网络的汽车电控自动变速器故障诊断的新方法。利用虚拟仪器技术,可方便地对变速器运行状况进行数据采集,配合神经网络系统,能对采集的数据作实时有效的分析,直接给出故障诊断结果。