道路入口匝道连接处通行能力计算模型

结合入口匝道的特点,给出了入口匝道连接处交通流参数之间关系的理论模型以及入口匝道的通行能力计算模型．将连接处参数之间的关系模型整理成汇入率、上游外侧车道流量和密度之间的关系,并且利用实测数据对关系模型进行标定．与美国道路通行能力手册（HCM2000）的经验公式和算例进行了比较．结果表明：流量与汇入率呈指数函数关系;流量-密度呈线性函数关系,并与美国经验公式一致．     

神经网络用于切屑类型监视

利用一种称为传感器融合的新监测方法，集成来自各种传感器的信息，建立了一个基于神经网络的切屑类型监视的智能系统。当使用不同的切削用量时，系统的正确识别率达８４％，表明神经网络模型具有在较宽工作条件下识别复杂系统的优点。     

流体神经网络模型在规划物流配送运输方案中的应用

讨论了物流信息系统中物流配送运输方案的规划问题，针对表上作业法、神经网络方法的不足，提出了用流体神经网络来解决这个问题。     

基于BP神经网络的入口匝道控制器的设计

入口匝道控制系统是一种复杂的非线性时变系统，难于用数学准确建模，因此用数学建模的方法实施控制难度较大，本文中根据入口匝道控制原理分析了交通控制中需检测的交通量参数，并据此设计了神经网络控制器，并对这一控制器进行了仿真，仿真结果显示，神经网络用在入口匝道控制中可取得良好的效果。     

基于PID神经网络的快速路入口匝道控制

鉴于神经网络具有良好的非线性特性,学习能力以及自适应能力,本文将神经网络控制与快速路入口匝道控制结合起来,提出了一种基于PID神经网络的入口匝道的协调控制方法。仿真结果表明,较之于ALINEA控制,该方法能更好地稳定快速路的主线交通流密度。     

高速公路入口匝道无模型控制研究

高速公路交通系统是具有非线性、随机性、时变性等特性的复杂系统,用传统的数学模型很难准确地描述,因此依赖数学模型的交通流控制存在很大的局限性.建立了一个包含神经网络的无模型高速公路交通流匝道控制系统,这里以入口匝道的放行率(即控制变量)作为神经网络输出,并给出了神经网络的结构和详细的训练算法,其中训练算法采用了SPSA方法.仿真结果表明,该方法能有效地对高速公路入口匝道实施控制,且比一般的神经网络模型具有更强的在线控制能力.     

城市高架道路匝道布局模型

根据城市高架道路匝道布局包含匝道数量、匝道间距和匝道选型的问题特征 ,在研究高架道路影响域确定方法与影响域交通需求推算方法的基础上 ,运用交通网络设计思想 ,将备选匝道作为网络设计的备选路段 ,建立了匝道布局问题的双层规划模型 ,针对模型是约束区域非凸的 0 - 1规划问题的特点 ,设计了求解模型的遗传算法 ,并给出算例 .     

基于sigmoid换道模型的匝道连续分流间距

为解决现有匝道连续分流间距规定未考虑匝道设计速度及车辆换道紧急程度,导致匝道设计速度较高时相邻出口间距不足车辆紧急换道的问题,开展匝道连续分流间距研究。首先,基于车辆运行特征并考虑换道安全性,将驾驶人在匝道连续分流区的操作过程划分为4个阶段：减速过程、标志认读过程、等待过程和换道过程。其次,基于实测车辆运行轨迹,提出了考虑换道紧急程度的sigmoid换道轨迹模型,并通过拟合优度检验证明了该模型对匝道连续分流区的适用性。最后,分析了间距模型中参数的取值,提出了匝道连续分流最小间距推荐值。结果表明：sigmoid换道模型对于匝道中车辆左换道和右换道的拟合优度分别可达97.83%和96.63%,拟合精度较高,能够准确描述匝道连续分流区的换道行为。提出的间距计算模型符合车辆行驶特点,与轨迹吻合度高;当匝道设计速度在小于60 km/h和大于60 km/h时,匝道连续分流最小间距分别受主线设计速度和匝道设计速度控制,设计速度较高的匝道所需间距明显更长。与《公路路线设计规范》(JTG D20—2017)和《公路立体交叉设计细则》(JTG/T D21—2014)中规定值相比,当匝道设计速度小于60 k...     

采用神经网络材料本构模型的智能有限元及其算法

讨论了基于神经网络材料本构模型的智能有限元的计算方法及其存在的几个问题,编制了相应的智能有限元计算程序,并结合实例验证了该方法的有效性,为解决复杂岩土工程问题提供了新的思路和方法.     

研制基于神经网络隐式材料本构模型的智能有限元的问题探讨

提出并探讨了基于神经网络本构模型的智能有限元的算法及其实现问题 ,主要有直接法和间接法两种嵌入方式以及神经网络材料模型表达和训练的方法 ,自向前算法和基于修正拉格朗日列式法的算法迭代格式 ;并就智能有限元实现时采取的方法及编程语言等进行了讨论。     

人工神经网络智能控制系统稳定性分析

从经典控制理论的稳定性问题出发 ,分析了现代控制理论和智能控制理论的稳定性判别方法 ,重点讨论了人工神经网络 ( ANN)智能控制系统的稳定性判别方法 ,并对基于神经元的自适应 PID控制器稳定性进行了分析。     

应用神经网络理论实现智能控制

本文对新兴学科智能控制，神经网络理论进行了介绍，并给出了几种应用神经网络理论实现智能控制的系统结构     

基于BP神经网络的智能控制器

研究一种新型的智能控制器,该控制器能通过自学习不断进行适应性控制,以保证系统的输出符合实际应用的要求,其主要特点是提供一个跟踪网络来近似确定控制参数,进而进行神经网络控制,仿真结果表明该方法有较好的效果．     

Designing Neural Network Model in Distributed Control System

The realizing of Artificial Neural Network(ANN) in Distributed Control System (DCS) is discussed. The model of ANN designed can be called as easily as conventional algorithm. It can act as an ANN controller or as an identifier in adaptive control system.     

智能控制中的模糊神经网络技术研究动向

本文综述了模糊神经网络技术的发展现状及主要内容，讨论了其研究中存在的问题，并对该技术的发展前景进行了展望。     

基于动态神经网络解耦线性化的内模控制

采用动态神经网络对一类多变量仿射非线性系统进行建模，利用解析求得的模型动态逆，将非线性对象近似输入输出解耦线性化。针对复合后的伪线性系统采用内模控制，分析了存在建模误差的情况下闭环系统的鲁棒稳定性。仿真表明了所提方法的有效性。     

改进粒子群优化 BP 神经网络的洪水智能预①测模型研究

该文提出改进的PSO-BP算法在洪水预测应用中建立预测模型.以BP神经网络为基础,提取观测站往年平均径流量作为洪水属性.采用改进的PSO-BP算法对神经网络的各个参数进行优化,最后建立模型应用于流域观测站的洪水预报模型,叙述了PSO粒子群算法和BP神经网络算法,详细阐述粒子群算法优化BP神经网络的权值和阈值,得出最优的BP神经网络预测适应度值.通过实验仿真对比,结果表明此方法预测结果比BP神经网络算法和混沌径向基神经网络模型算法精度更高,提高了预测的效率.     

智能网联汽车中心式匝道合流协同控制

提出了一种面向智能网联汽车的中心式匝道合流协同控制方法.首先建立了中心式匝道合流协同控制模型,然后通过离散化将其转化为非线性最优化问题,并采用NOMAD算法求解.进行了100组仿真实验,通过随机设置不同的初始化条件对所提方法的有效性以及车辆油耗影响因素进行了研究,并与其他文献的方法进行对比.研究结果表明,本文所提方法对不同的初始合流场景有较好的控制效果,与对比文献中的方法相比,可使车辆平均油耗降低42.38％,显著提高了匝道合流过程中车辆的燃油经济性.     

神经网络与智能信息处理

本文简要概括了神经网络理论的发展.在此基础上,对其主要发展趋向和所涉及的前沿问题进行了阐述.文中还对神经网络与智能信息处理给出了一定的评论,并提出了相应的观点.     

基于神经网络模糊控制器的铣削过程智能控制

提出了一种新颖的神经网络模糊控制器,其模糊控制表由神经网络替代．控制器通过在线学习能自适应被控对象的变化,控制性能良好．将该控制器用于铣削过程控制,使铣削力在加工条件变化过程中始终保持相对稳定,从而提高了铣床的加工效率,并能保证加工质量,保护刀具．还给出了试验结果．