概率模型检验的CBTC系统通信协议的形式化验证

通信协议是CBTC系统重要的组成部分,它的正确性、稳定性和安全性对整个CBTC系统有重要影响.鉴于通信协议中某些参数具有随机特征,本文采用概率模型检验对其进行形式化验证.分析了概率模型检验的语义及语法,建立了通信协议的概率模型,用概率模型检验工具PRISM验证了典型的概率规范.结果证明,当信道正常概率为99%,系统无延时概率为99%时,通信协议失效率小于1.5×1010.说明了用概率模型检验验证具有随机特征参数的通信协议,方法简单快捷,结论清晰明了.     

混合动力重卡标定参数工况适应性

为解决混合动力重卡整车控制器标定流程繁琐、标定结果无法满足不同行驶工况需求等问题,提出一种标定参数工况适应性规律,可以针对不同行驶工况快速进行控制参数标定.基于运煤线工况和省道工况合成100个新行驶工况,并筛选出代表行驶工况的24个工况特征参数,在电量平衡的条件下,以系统总损失能量最小为标定目标来求解最优功率门限值,通过回归分析寻找最优功率门限值与工况特征参数之间的关系,并确定该车型下最优功率门限值与工况特征参数之间的线性回归方程,研究结果揭示了标定参数与行驶工况之间的本质关系,缩短了不同工况下混合动力重卡整车控制器的研发周期.     

巷道围岩移近量神经网络预报模型——巷道围岩稳定性的聚类分析

在运用误差反向传播(BP)神经元网络确定巷道围岩稳定性判定各特性指标权重的基础上,采用自适应共振(ART)神经元网络对巷道围岩稳定性的聚类分析问题进行了研究.结果表明,神经元网络是用于解决采矿工程中权重评价、模式聚类问题的有效方法,对于解决采矿工程中相关问题有着广泛的应用前景.     

亚健康梁桥运营荷载限制的可靠度分析

依据既有车辆荷载概率模型,通过蒙特卡罗方法将车辆随机过程转化为由车重、车长、车间距等多个参数描述的随机变量,并以此模拟分析车辆荷载效应,然后考虑亚健康梁桥可靠性特点,得出了亚健康梁桥运营车辆荷载限值.     

神经元网络在公路隧道支护设计中的应用

选取有代表性的公路隧道支护设计工程实例，提取特征参数，归一化处理后，形成神经网络训练样本库。利用MATLAB程序设计语言编制BP神经网络可执行程序，经过训练，得到稳定的神经网络。应用神经网络进行工程实例预测，通过比较分析，证明了人工神经元网络在公路隧道支护设计中的可行性和可靠性。结果表明，神经元网络技术在公路隧道设计中应用的关键在于影响设计因素的确定和训练样本的选择。     

PID神经元网络在单晶硅提拉速度控制系统中的应用研究

在单晶硅晶体生长中,提拉速度的控制直接影响单晶硅的质量,如何提高速度控制系统的动态响应速度和抗干扰性能,对提高晶体生长质量具有重要意义.本文通过分析晶体结晶过程的热量运输,得出了单晶硅提拉过程中影响其质量问题的主要因素,提出了将PID神经元网络应用于单晶硅提拉速度控制系统中的方法,形成PID神经元网络提拉系统,建立了基于MATLAB/SIMULINK下的PID神经元网络控制系统模型,通过仿真结果表明,该系统对改善单晶硅的质量具有一定的实际意义.     

一种改进的无迹粒子滤波器在目标跟踪中的应用

提出了利用神经元网络改进的无迹粒子滤波器（unscented particle filter,UPF）方法.该方法利用神经元网络改进粒子滤波的建议分布,修正UPF跟踪中产生的误差,提高滤波性能.仅用角测量的目标跟踪仿真试验证实了神经元网络对UPF的改进效果,能够在合理的时间消耗代价下,提高无线传感网络中目标跟踪精度.     

基于神经元网络的不确定性规则的获取

讨论了不确定性规则的知识系统同神经元网络相结合的问题;提出了适合处理不确定性规则的负梯度学习算法,使不确定性规则能方便地转换成神经元网络的权矩阵;研究了如何利用神经元网络的生成能力来获取新的不确定性规则,使知识系统具有知识自动获取能力,并使原有规则系统的脆弱性得以改善.     

产生式系统与神经元网络的结合

提出了产生式系统和神经元网络相结合的方法,研究了从推理网络转换到神经元网络的途径,研究了从神经元网络权矩阵转换到产生式规则的方法,从而使产生式系统能自动修正规则和获取规则.还提出了一种由二次型阈值元件组成的神经元网络,给出了它的学习算法,并严格证明了它的收敛性.     

神经元网络应用于圆坯连铸结晶器传热计算

以圆坯连铸结晶器温度实测数据为基础,研究应用神经元网络求解结晶器传热反问题的可行性,并尝试将神经元网络与数值计算结合用于结晶器传热计算,探索针对实测数据的结晶器传热在线计算方法.结果表明,数值计算结果与实测温度符合较好,可真实反映实际生产中圆坯结晶器传热的非均匀特性.     

小波神经网络的参数初始化研究

随机产生的初始参数往往使小波神经网络的学习次数大幅度地增加，甚至不收剑，为了加快网络的学习速度，本研究提出了一种将小波网络的初始参数设置和小波类型，小波时频参数和学习样本等联系起来的小波神经网络的初始参数设置方法，学习实例结果表明，按照这一方法不但可以获得高几率的优秀初始参数，而且能大大加快小波网络的后续学习速度。     

利用RBF神经网络实现对非相参积累检测系统中阈值的精确估计

在非相参积累检测系统中 ,容易得到雷达虚警概率关于阈值的解析表达式 ,但难以得到阈值关于虚警概率的解析表达式 ,利用径向基函数 (RBF)神经网络具有良好的逼近任意非线性映射和快速收敛的特点 ,提出了一种精确估计阈值的RBF神经网络方法。仿真结果表明 ,本方法可得到较高的阈值估计精度     

基于改进粒子群算法的过程神经网络训练

针对过程神经元网络由于模型参数较多,正交基展开后的BP算法不易收敛的问题,结合量子理论,提出一种改进的粒子群算法,并用于过程神经元网络的训练。算法中粒子采用双链结构,用量子位的概率幅对粒子位置编码,通过量子旋转门和量子非门完成粒子的更新与变异,可发挥量子粒子群的群体搜索能力和全局收敛性,有效克服BP算法计算复杂、容易陷入局部最小值等缺陷。以两组二维三角函数的模式分类问题为例,验证算法有效性。结果表明该方法不仅收敛速度快,而且寻优能力强。     

钢绳质量指标探索

以钢绳疲劳实验研究成果为依据 ,分析现行ISO及国内外钢绳标准的核心及其存在的问题 .建议以钢绳疲劳指标替代现行标准核心内容———准静态力学指标 ,建立钢绳质量标准与其工程应用标准之间的内在联系 ,并寻求提高钢绳质量的可行途径     

大直径钢丝绳轴向励磁磁路的研究

在分析钢丝绳状态检测已有的励磁方式的性能的基础上，针对大直径钢丝绳的特点，提出了二级励磁磁路结构．分析了二级励磁磁路结构的磁场特性，表明具有二级励磁结构的系统所获取的断丝信号信噪比高，无漏检，为断丝的定量识别提供了保证．     

连续发酵过程的神经网络预测和控制

给出了神经网络趋化性算法的一种新的实现策略，在此基础上，提出了一种动态递归神经网络建模方法和一种控制作用受限的自学习非线性控制方法。将其用于连续搅拌签式发酵器的状态变量的在线预测和优化控制，仿真结果表明，预测精度高，控制效果好，具有强抗扰和强鲁棒性。在不知道生化过程模型结构的情况下，神经网络模型，可取很容易地通过在线或离线学习到高度复杂的非线性生化过程的输入．输出关系。对于经过最优操作点，稳态增益的符号会发生变化的这类难以控制的生化过程，神经网络非线性控制策略，可以使生化反应器始终维持在最优状况。本方法有望在实际工业过程中得到应用。     

打结钢丝绳有限元数值模拟方法研究

采用线性强化模型得到钢丝绳等效的弹性模量和屈服应力,将其应用在打结钢丝绳的有限元分析中。结果表明,该方法应用于打结钢丝绳的数值模拟切实可行。     

新型双折线绳槽结构设计与实验研究

为了适应超深矿井钢丝绳的多层缠绕和平稳过渡的需求，提出了一种新的层间过渡原理.设计了5层缠绕钢丝绳的绳槽，分析了绳槽主要结构参数选择范围和方法.根据钢丝绳平稳过渡条件，提出折线区圆心角的二次螺线计算方法.研究结果表明:绳槽间隙取0.03d~0.4d，绳槽深度取0.3d~0.5d， 上层钢丝绳的圈数比下层钢丝绳的圈数多2圈;新型双折线绳槽能够实现钢丝绳的多层缠绕和整齐排绳，根据二次螺线方法得到的折线区圆心角能够使钢丝绳在缠绕过程中无滑动现象.     

Techniques of Image Processing Based on Artificial Neural Networks

This paper presented an online quality inspection system based on artificial neural networks. Chromatism classification and edge detection are two difficult problems in glass steel surface quality inspection. Two artificial neural networks were made and the two problems were solved. The one solved chromatism classification. Hue, saturation and their probability of three colors, whose appearing probabilities were maximum in color histogram, were selected as input parameters, and the number of output node could be adjusted with the change of requirement. The other solved edge detection. In this neutral network, edge detection of gray scale image was able to be tested with trained neural networks for a binary image. It prevent the difficulty that the number of needed training samples was too large if gray scale images were directly regarded as training samples. This system is able to be applied to not only glass steel fault inspection but also other product online quality inspection and classification.     

用简单动态递归网构造固体散料流量模型

提出了用简单动态递归网来建立固体散料流量模型，针对动态递归网结构复杂，训练算法收敛速度慢的缺点，采用一种结构十分简单的递归网，对RPE算法进行了改进和补充，使之适用于简单递归网，用来对网络的权值和阈值进行调整，建模结果表明此方法收敛速度快，精度高。