基于Q-learning和BP神经元网络的交叉口信号灯控制

解决单交叉口信号灯最优控制问题。提出了基于强化学习的信号灯控制系统结构,应用强化学习中Q学习,将信号灯最优控制问题转变成是否切换运行相位的决策问题,提出了采用BP神经元网络实现Q学习的信号灯控制系统。应用微观交通仿真软件PARAMICS进行仿真分析,结果表明该系统能够感知交通流变化,并能够自适应地调整信号灯切换策略,以达到最优的控制效果,该方法是可行的,与定时控制相比具有明显的优势。     

改善桥梁结构损伤识别系统的分析与思考

在分析桥梁结构损伤的类型及近年来发展的典型结构损伤识别方法的基础上,总结了桥梁结构损伤识别系统面临的瓶颈问题,在此基础上提出了一个基于传统有限元模型修正方法及人工神经元网络方法的改进桥梁损伤识别系统。     

人工神经元网络在公路隧道围岩判别中的应用

基于人工神经元网络原理,结合公路隧道围岩判别的工程实际资料,通过BP神经网络模型的有师学习记忆和预测功能,对公路隧道围岩判别预测进行了研究。通过实例预测检验,证明了人工神经元网络在公路隧道围岩判别中的可行性和实用性。     

一种基于人工神经元网络算法的 谐波多路同步快速检测装置

通过对高铁牵引供电系统中谐波传输特性进行分析,设计以人工神经元网络算法为核心的快速谐波检测算法,实现牵引供电系统多路谐波数据同步检测。试制装置现场测试表明,该装置可实现牵引供电系统多路馈线50次以内谐波的同步快速检测,并具有较高的精度及良好的实时性。     

基于模糊神经网络的船舶调距桨控制系统仿真

利用人工神经元网络(ANN)的学习与联想能力,模拟人的经验操作,实现对船舶调距桨系统的智能控制.在实际控制过程中,当误差及其变化率与样本点匹配时,控制器直接复现所记忆的"原则";当与样本不匹配时,控制器通过联想以相近的"原则"处理,实现连续模糊控制.     

神经网络和PID控制器在过程控制中的应用

将PID控制器和神经网络相结合，对一种非线性、变参数的受控对象的控制进行研究．仿真结果表明，控制效果令人满意。     

并联型自适应有源电力滤波器的研究

基于神经网络的自适应谐波电流检测方法是应用于下一代有源电力滤波器的主要控制方法，把这种谐波电流检测方法应用于并联混合型有源电力滤波器，提出了一种新型有源电力滤波器系统，利用Matlab得到的仿真实验结果表明，这种新型有源电力滤波器系统不仅结构简单，而且对电源和负载的扰动不敏感，有较强的自适应能力。     

神经元网络在冷连轧过程控制模型中的应用

神经元网络作为现代化的信息处理工具得到越来越广泛的应用在本文重点讨论了神经元网络在冷连轧自动化系统的过程控制层(二级过程监控系统)中的应用,并对应用前后的相对误差进行了对比分析。     

船舶通信网络安全评估模型研究

随着现代化工业的发展,船舶网络通信系统的复杂程度也逐渐提高,在此背景下,对船舶通信网络的安全评估性能也提出新要求。由于传统的通信网络评估架构难以满足现阶段船舶通信网络发展对数据传输的准确性和安全性的要求。为提高船舶综合安全评价水平,优化其工作性能,对船舶通信网络安全评估体系进行建模,以便更好的对船舶通信网络安全进行评估。首先根据船舶通信网络的特点建立基于神经网络的服务器的安全评估系统,并通过神经网络对船舶通信安全性进行检测,以达到提高安全评估的精确性目标。为了对模型安全评估性能进行验证,设置了仿真实验,实验结果证明,与传统的安全评估系统相比,基于神经网络的船舶通信安全评估系统能够更准确、快速的对网络安全情况进行评估。