BP神经网络在车辆制动性能预测中的应用

首先建立了车辆制动过程数学模型,利用该数学模型对JS2310农用运输车的制动性能进行了计算机仿真,并与试验结果进行了比较,表明模型是正确的为进一步提高该车辆制动性能预测的精度,引入了神经网络技术使用BP网络对不同条件下的多次仿真结果进行第一步学习,将数学模型转化为车辆制动性能预测的神经网络模型,再进一步使用整车部分试验结果对已得到的神经网络进行训练,得到最终的预测模型结果表明使用神经网络模型可以提高车辆制动性能预测的精度     

基于气动方程的列车管路充排气数学模型

智能化制动试验系统的核心是建立不同编组列车首车制动压力控制模型。从气动力学方程入手,建立了不同编组列车首车列车管充排气特性数学模型,该模型考虑了编组列车除首车之外的其余车辆充排气特性对首车列车管气压变化的影响。提出通过对制动阀有效截面积的设计计算,并带入所建立的数学模型中进行仿真试验,从而对研制新制动阀以及改进或检修制动阀提供理论基础与技术指导。利用列车制动试验台得到的试验数据与仿真结果进行对比分析,验证模型的准确性,并预测了更长编组列车首车列车管的初充气及常用制动时的气压数据。     

多轴工程车辆制动性能试验研究

通过大型多轴全地面汽车起重机制动过程的受力分析 ,对车辆的制动性能进行仿真计算 ,为求解多轴单车整机制动性能参数计算的静不定问题提供了一个新方法 ,可预测大型工程车辆的制动性能 通过研制的专用试验装置 ,对整机进行性能试验 ,试验与计算分析结果相吻合     

多轴工程车辆制动性能试验研究

通过大型多轴全地面汽车起重机制动过程的受力分析,对车辆的制动性能进行仿真计算,为求解多轴单车机制动性能参数计算的静不定问题提供了一个新方法,可预测大型工程车辆的制动性能。通过研制的专用试验装置,对整机进行性能试验,试验与计算分析结果相吻合。     

基于GMDH网络的船用增压柴油机性能预测及仿真

采用数据分组处理（Group Method of Data Handing,GMDH）的神经网络分类方法,建立4190ZLC船用四冲程增压柴油机性能预测的数学模型.针对船用中速柴油机运行状况,考虑到其影响运行状态的因素,结合实验数据进行4190ZLC船用柴油机性能的预测及仿真分析.该模型解决了神经网络结构较大,计算耗时较长的问题.将该模型与BP（Back-Propagation,BP）前馈神经网络仿真结果进行比较,结果表明其仿真效果好于BP神经网络模型,并且该神经网络能较好地满足柴油机性能预测仿真的需求     

基于神经网络灰色Verhulst算法的装备研制费用预测模型

为了提高装备寿命周期费用LCC(life cycle cost)中研制费用的预测精度,对于呈S型的研制费用累加序列,利用灰色Verhulst模型对其预测.构造基于时间序列的人工神经网络输入输出模式对,利用BP神经网络对灰色Verhulst预测结果进行训练.仿真实例表明,该组合算法预测结果比单纯使用灰色Verhulst模型所得到的结果总体误差要小,将神经网络引入到灰色Verhulst模型中能较好地提高预测精度.     

基于GM-RBF神经网络组合模型的水泥强度预测方法

为预测煤矸石代黏土煅烧水泥的28 d抗压强度性能,根据生产水泥的物检分析数据,将GM(1,N)预测技术和径向基函数(RBF)神经网络技术相结合,提出了基于GM-RBF神经网络组合模型水泥强度预测的新方法。该组合模型首先利用试验产品的典型物检数据建立GM(1,N)网络,对数据进行预处理。然后将输入样本数据进行一次累加生成操作,并进行归一化,设置GMRBF神经网络组合模型预测精度和散步常数。经处理后的输入样本作为RBF神经网络输入向量,相应的实测28 d抗压强度作为模型的输出期望值开展训练,比较预测数据与实测数据,并进行调整,最终得到符合精度要求的GM-RBF神经网络组合模型。该组合模型一方面避免GM(1,N)模型的理论误差,利用累加生成运算和样本数据的预处理,减少了由于训练样本随机性对建模精度产生的影响;另一方面由于具有自适应、自组织和速度快等特点,能快速预测水泥远期强度情况。仿真试验表明,该模型预测精度优于单个GM(1,N)模型或RBF神经网络模型,具有较好的拟合性,适用于对水泥强度的预测,可以为煤矸石代黏土煅烧水泥的质量分析提供有效参考。     

基于GM-RBF神经网络组合模型的水泥强度预测方法

 为预测煤矸石代黏土煅烧水泥的28 d 抗压强度性能,根据生产水泥的物检分析数据,将GM(1,N)预测技术和径向基函数（RBF）神经网络技术相结合,提出了基于GM-RBF 神经网络组合模型水泥强度预测的新方法。该组合模型首先利用试验产品的典型物检数据建立GM(1,N)网络,对数据进行预处理。然后将输入样本数据进行一次累加生成操作,并进行归一化,设置GMRBF神经网络组合模型预测精度和散步常数。经处理后的输入样本作为RBF 神经网络输入向量,相应的实测28 d 抗压强度作为模型的输出期望值开展训练,比较预测数据与实测数据,并进行调整,最终得到符合精度要求的GM-RBF 神经网络组合模型。该组合模型一方面避免GM(1,N)模型的理论误差,利用累加生成运算和样本数据的预处理,减少了由于训练样本随机性对建模精度产生的影响;另一方面由于具有自适应、自组织和速度快等特点,能快速预测水泥远期强度情况。仿真试验表明,该模型预测精度优于单个GM（1,N）模型或RBF 神经网络模型,具有较好的拟合性,适用于对水泥强度的预测,可以为煤矸石代黏土煅烧水泥的质量分析提供有效参考。     

ABS硬件在环仿真的车辆系统建模

通过理论推导、经验公式总结和参数测定等方法得到用于HIL的车辆系统数学模型,其中包括7自由度四轮车辆制动动力学模型、液压回路模型、制动器模型、Dugoff轮胎模型和ABS控制模型,并在MATLAB/Simulink环境下进行建模与仿真.将液压制动回路、压力调节器和控制器以实物形式嵌入仿真系统,在dSPACE系统平台下对所建车辆系统模型进行ABS HIL仿真试验.试验结果表明,通过在线参数调整确定逻辑门限值,采用ABS实车道路,所建车辆系统模型是合理的.     

基于车辆制动后期的纵向振动控制

车辆制动易引起乘坐不适,"点头效应"可以通过半主动/主动悬架进行控制,但制动后期的纵向振动峰值频率在3 Hz左右,处于人体敏感区域中间。文章搭建车辆纵向动力学模型,仿真并试验分析了纵向固有频率;建立动态轮胎模型和制动系统模型,设计了模型预测控制器(model predictive controller, MPC),在车速为0、2 km/h时介入MPC控制并且进行了试验验证。结果表明,在制动后期使用MPC减小制动压力,可以大幅度减小制动后期的纵向振动,制动距离恶化很小。     

基于神经网络的泡沫混凝土强度及导热性能预测

基于神经网络原理,建立预测泡沫混凝土性能的BP神经网络模型,期望通过输入配合比主要参数,得到泡沫混凝土强度及导热性能的预测结果。将实验数据分为训练组和对照组,对训练组进行非线性拟合,若拟合结果满足误差精度则模型建立完毕;通过拟合结果与对照组的比较,可验证模型预测精度。结果表明,BP神经网络模型能够准确拟合实验数据,利用其泛化能力进行预测的结果与对照组的误差小于8%,该模型具有很高的预测精度。     

轮胎侧向力神经网络模型

轮胎侧向力特性的数学模型是车辆操纵稳定性计算的基础,精确描述其特性,是车辆性能研究急需解决的问题之一。本文应用人工神经网络方法建立了轮胎侧向力神经网络模型,与实验结果对比表明,该模型的精度能满足工程要求。     

基于GRNN网络车辆方向盘转角识别方法

为改善车辆的操纵安全性以及为自动转向系统和智能泊车系统的研究提供理论基础,本文给出一种新的汽车方向盘转角识别方法.建立了驾驶员—车辆闭环模型,并通过试验验证车辆模型.通过给定方向盘转角输入求解得到用于GRNN网络训练的车辆状态参数,运用GRNN网络建立以车辆状态参数来识别方向盘转角的映射模型.与RBF网络相比,GRNN神经网络具有更高的辨识精度.进行整车仿真,所建立的GRNN神经网络能较精确地识别方向盘转角并与仿真结果有较好的一致性.     

基于智能化仿真试验平台的货运列车再充气特性

基于气体流动理论,依据气体状态方程和质量方程以及流量特性,建立货运列车制动系统再充气过程的数学模型,然后在智能化仿真试验平台上对该模型进行验证,试验所得曲线与仿真曲线基本吻合.考察150辆编组货运列车首车和尾车的再充气过程,得到了不同位置车辆再充气缓解过程的变化特征,并且测试出不同位置处车辆列车管与制动缸的作用时间差.     

基于BP神经网络的CVC冷连轧机板形预测控制模型

将ＢＰ神经网络建模方法与预测控制思想相结合用于宽带钢板形自动控制,研究并建立了基于ＢＰ神经网络的板形预测控制数学模型,经用宝钢１４２０ｍｍ冷轧实测数据仿真验证表明该模型具有很高的预测精度。     

多种智能算法在混凝土配比优化中的应用研究

利用神经网络模型对混凝土强度进行预测得到了较广泛的研究,但由于高强混凝土组方数据的复杂性,其预测精度较差.本文首先利用自组织人工神经网络,根据混凝土试验样本数据的分布规律对其进行自然分组,然后对每组样本数据分别建立多层前向神经网络模型,利用该模型对混凝土强度进行预测,得到了较高的精度.     

基于模糊控制的综合传动车辆动态性能仿真

为研究综合传动车辆的动态性能,以综合传动的组成和工作原理为基础,分析了换挡过程,建立了整车系统的动力学模型和各组成部分的数学模型,采用模块化的建模方法和图形化建模工具,建立了系统的仿真模型。基于模糊控制理论,建立了车辆行驶过程的模糊换挡控制系统。并对直驶起步加速换挡工况进行了仿真。仿真结果能够较好地描述车辆的动态性能,表明了所建立的仿真模型和模糊换挡控制规律的正确性和有效性,从而为车辆的设计和性能预测奠定了基础。     

车辆冷却系统建模与仿真

根据传热学和流体力学原理,对车辆冷却系统建立数学模型,并进行了仿真计算。由于车辆在行驶过程中环境因素变化复杂,且对冷却系统的性能有重要的影响,因此将车辆的驱动系统纳入计算模型,以反映道路坡度等外界情况。计算结果表明,该模型能准确的预测冷却系统在车辆运行时的性能,从而为整车的开发节省大量的时间。     

大型全地面汽车起重机制动系统仿真计算

通过对１６０ｔ大型全地面汽车起重机制动系统进行受力分析及制动系统的结构分析,对车辆的制动性能进行了仿真计算,计算结果与试验结果相吻合。     

制动工况下汽车乘坐舒适性仿真分析与研究

针对制动工况对汽车乘坐舒适性影响最为显著这一主观试验结论 ,建立了反映路谱对乘坐舒适性影响的七自由度“制动 -振动”联合模型 .采用Simulink仿真软件包对该数学模型建立了仿真模型 .仿真分析了不同制动力矩和不同路面对乘坐舒适性的影响 ,仿真结果与主观试验结论一致