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。     

基于道路工况预测混合动力公交车SOC开环控制策略

混合动力车辆一般采用基于荷电状态（SOC）闭环的控制策略,对蓄电池组进行频繁充电,使SOC维持在较高水平,影响制动能量的回收,从而导致燃油经济性不理想.为此,利用BP神经网络并结合城市公交运行特点,提出SOC开环控制策略,对公交车未来站点间的运行工况进行预测,减少蓄电池组的充电次数,降低蓄电池组的荷电状态.试验表明,采用该控制策略可以显著降低电池组充电时间和次数,有利于制动能量的回收,百公里油耗降低了3%.     

BP神经网络预测高水分农产品物料比热的探索

高水分农产品物料的比热是农产品加工工程研究和农产品加工设备设计中的重要热特性参数之一．预测精度关系到所设计加工设备的质量、性能的优劣．本文建立了高水分农产品物料比热的ＢＰ神经网络模型,比较了二元回归模型和ＢＰ神经网络模型对高水分农产品物料比热的预测效果,得到ＢＰ神经网络模型的预测精度高于二元回归模型．     

基于递归补偿模糊神经网络的发酵过程建模

提出一种新型的动态网络———递归补偿模糊神经网络,结合弹性BP算法,把它应用于某多粘菌素的发酵过程的建模与状态预估。仿真结果表明该网络模型训练步数少,训练误差小,收敛速度较快,能够较准确地拟合过程的动态特性,预估精度较高,可用于发酵过程的优化控制。     

人工神经网络在黄河水环境质量评价中的应用

为准确和客观地评价地表水环境质量状况,建立了黄河水环境质量评价的BP神经网络模型.仿真结果表明:改进后的BP神经网络计算速度快、评价精度高、结果客观准确,说明用BP神经网络方法评价地表水环境质量是可行的.     

汽车制动作用下预应力混凝土简支梁桥的动力响应及冲击系数研究

基于三维车桥振动模型研究了汽车制动对桥梁的冲击作用.选用一辆典型三轴重车模型,获得了汽车制动时预应力混凝土简支梁桥的跨中动力响应及冲击系数.研究了刹车位置、减速度、初速度、路面平整度、桥跨长度等因素对动力冲击系数的影响,并将计算得到的动力冲击系数与中国规范进行了对比.结果表明,汽车刹车对桥梁的冲击效应随着制动力的增大而增大,并且在桥梁前半跨内刹车产生的动力冲击效应要大于在后半跨内刹车.同时,汽车制动时桥梁的动力响应及冲击系数均明显大于车辆匀速行驶的情况,且冲击系数可能超出规范值.     

BP神经网络用于饮用水管网细菌总数预测

为保障饮用水管网细菌学水质安全，并实现对细菌总数指标的预测，选定北方某市实验小区饮用水管网为研究对象，应用Matlab软件建立BP神经网络的细菌总数预测模型．结果表明，BP神经网络方法能较好地模拟复杂系统，模型精度较高；同时，建立BP神经网络模型，对水质指标间的相互作用进行模拟，拟合效果较好，并针对该实验管网给出了某些指标的限值．     

一种新的ABS控制方法

论述了一种新的在紧急状态下提高车辆制动性能的防抱制动系统的控制器，首先建立双自由度车辆制动过程数学模型，利用该模型设计控制策略，提出具有4个控制阶段的控制方法，采用共轭边界法和Poincare图设定控制边界，然后用一个非线性车辆模型评价了各种预选和再选条件，最后通过计算机模拟各种控制方法，模拟结果表明这种控制方法有效地提高了紧急制动状态下的车辆制动性能。     

主成分分析与BP网络组合的大坝变形预报

将主成分分析与BP神经网络相结合应用到大坝变形影响因子的优化中,建立大坝变形预测模型.可以有效地降低输入因子的维数,减小因子之间相关性的影响,简化网络结构,降低网络训练难度,提高预测的稳定性及精度,提升BP网络训练的效率,解决由影响因子内部相关性而需引入大量因子的问题.通过实验结果对比表明,主成分分析与BP网络相结合的...     

基于BP神经网络模型的驾驶行为环境影响评价

分析了不同驾驶行为对车辆污染物的排放对环境安全的重要影响,运用BP神经网络模型对驾驶行为环境影响进行评价,并与灰色关联模型评价进行比较．评价结果合理可信。     

BP神经网络在方钢管混凝土轴心受压试验数据拟合中的应用

本文使用BP神经网络对方钢管混凝土轴心受压试验的数据进行拟合，并将BP神经网络的拟合曲线与10次多项式的拟合曲线进行了对比。结果表明，建立的BP神经网络模型能够准确拟合方钢管混凝土轴心受压的试验数据，具有较好的非线性拟合效果，拟合精度高。