改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

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。     

基于实测数据评估交通事件检测中神经网络应用性的研究

神经网络为交通事件自动检测技术摆脱传统方法探测率低、误报率高的状况提供了新的解决思路。在以往局限于仿真数据研究的基础上,本文利用I-880数据库实测交通事件数据对神经网络在交通事件自动检测中的实际应用进行了研究,结果表明:神经网络应用于交通事件自动检测技术中,具有较高的探测率和较低的误报率,但该算法可移植性较差,在实际应用中要予以考虑。     

一种基于语义分割结果的车道线检测拟合方法

车道线等地面标志物的检测是自动驾驶车辆环境感知的重要内容,能够为车辆提供可行驶区域的信息。文章提出一种基于语义分割结果的车道线检测拟合方法。使用车载单目相机获取车辆行驶过程中采集的道路图像,送入卷积神经网络进行车道线语义分割。将分割得到的仅含车道线的二值图像进行透视变换得到鸟瞰图,筛选有效车道线像素点,对有效车道线点使用最小二乘法进行多项式拟合,输出左右车道线多项式拟合系数,能够有效解决传统车道线检测算法的环境适应性差,鲁棒性不强,对弯道车道线检测信息不够准确等问题。     

神经网络在船舶主柴油机建模中的应用

该文研究用BP神经网络建立船舶主柴油机模型的方法,并对BP算法进行了改进,提出了一种动态优化学习率的方法,对6L80MC柴油机实际数据用BP网络进行计算的结果表明,该算法能有效地建立船舶主柴油机模型。该模型已成功用于船舶主机遥控仿真系统中。     

基于神经网络预报的实时专家控制器设计

该文提出一种在保证控制系统稳定的前提下,能实时跟踪船舶航行环境变化和船舶操纵动态特性变化,以逐步提高自动操纵系统控制性能的实时专家控制器。仿真结果表明了此实时专家控制器的有效性,且算法简单,易在线实现。     

自适应神经网络用于船舶动力定位系统

船舶动力定位（DP）采用一种控制系统驱动装在船上的侧推器和尾部推进器或者几个全回转的推进器，使船定位在海平面的要求位置上。船受到风、浪及流等海洋环境力的作用时会漂移离开原位置，传统的控制方法是采用PID（比例、积分、微分）反馈控制。顾和李（1994）提出了一种新的基于人工神经网络的控制方法，它具有许多优越性：①一个可随意调节的目标函数以适合不同的需求──定位精度高或节约定位能量后前馈控制并能自适应于不同的环境力变化包括非线性的波浪漂力；本文在目标函数中引入了与速度相关的项，从而提高控制质量。这一方法也可用于自动驾驶船舶沿设定的轨迹航行。计算机模拟结果表明本方法能达到很好的控制效果。     

应用人工神经网络理论的船舶运动包络预报方法

本文首先介绍了人工神经网络理论的基本内容以及前馈网络反向传播的训练方法，然后应用单隐含层网络作出船舶运动包络的实时预报。文中就一船舶的海上实测运动数据进行了实例计算，结果表明，本文方法的预报结果明显好于其它模型的自适应预报结果。     

大型结构系统可靠性分析方法研究

结构系统的可靠性评估是结构设计的一个重要研究内容,而极限状态函数的建立是进行可靠性评估的基础.但是,大型结构系统的极限状态函数极为复杂,响应面法用简单的多项式进行模拟的精度较低,导致误差较大.文章提出用神经网络替代多项式来拟合复杂的极限状态函数,形成所谓的神经网络响应面.然后,基于塑性极限理论,文中提出了不依赖于失效模式的极限状态函数表达形式及采用ICP对该极限状态函数进行计算的方法.最后,依照拟合得到的神经网络响应面,给出了大型结构系统失效概率的方法.通过两个算例计算并和其它方法进行比较,表明该方法的计算精度较高,而计算时间大大降低.     

信息融合技术在交通流量预测中的应用

交通流量预测是智能运输系统的一个重要组成内容，但传统的数学方法一直未能取得令人满意的预测效果。信息融合技术是最近十多年来新兴的技术。它通过合理协调多源数据，充分综合有用信息，在较短的时间内，以较小的代价获得对未来交通流量的预测。实验证明，借助信息融合理论建立的聚类分析模型和神经网络模型对未来交通流量的预测比较准确，有实际意义。