AR谱在路谱测试中的应用

路面平整度是指路面对于理想平面的偏移，它具有影响车辆动力性、行驶质量和路面动力载荷三者的数字特征，路面平整度的统计规律研究是汽车振动与平顺性的重要基础工作之一。路谱是对路面平整度的一种重要描述方式。当把汽车近似看作为线性系统处理时，掌握了输入的路面不平度功率谱以及在车辆系统的动态性就可求出汽车振动系统的输出。     

基于傅里叶逆变换的三维随机路面建模与仿真

为了满足工程中虚拟实验的需求,研究了利用功率谱密度函数的三维随机路面不平度建模方法。利用国家标准中采用的幂函数道路谱拟合公式,推导出路面的二维功率谱解析表达式,避免了有理函数法的参数估计问题。建立了二维傅里叶逆变换法生成三维随机路面的流程;并以某汽车振动系统所关注性能需求,仿真了国标中的E级路面;分别采用周期图法和AR参数模型法估计了仿真路面的功率谱。结果表明,仿真生成的路面与标准路面谱是高度一致的,基于二维离散傅里叶逆变换的方法不仅准确而且快速,有较强的实用性。     

权函数神经网络及在选矿厂能耗预测中的应用

针对大孤山选矿厂磁选工艺过程的多指标强耦合、时变、非线性和大滞后等特点,使基于数学模型的常规预测方法难以应用问题,提出一种新型的权函数神经网络建立能源消耗预测模型。该模型网络拓扑结构只有输入输出两层,网络权值由传统的常数改为权函数。在权函数构造上,结合选矿厂实际生产过程中所提供的生产数据,根据数据样本间隔距离的大小,分别采用不同的函数作为网络的权函数。训练算法仿真实验表明,该算法计算量小,且建模误差为10^-2数量级,取得很好的预测效果,从而克服了传统算法局部极小与收敛速度慢的问题。     

基于非线性有源自回归神经网络的路面不平度识别

针对传统方法在识别路面不平度时需要消耗大量的人力物力且识别精度不理想等问题,该文提出一种基于非线性有源自回归(NARX)神经网络识别路面不平度的方法。使用ADAMS软件建立某SUV车型的整车模型。以左前与右后悬架动挠度、车身绕质心俯仰角位移、车身绕质心侧倾角速度、左前与右后车轮垂直加速度以及车身质心垂直加速度共7个车辆响应的数据样本点作为NARX神经网络的输入,以对应的路面不平度作为NARX神经网络的输出,建立NARX神经网络模型。通过仿真得到相关系数为97.577%,均方根误差为0.003 7。另取A、B、C、D 4种不同等级路面下的车辆响应,带入训练好的NARX神经网络。结果表明,NARX神经网络对4种等级的路面识别的相关系数均在90%以上。     

11自由度非线性车辆平顺性模型的研究及应用

在分析车辆平顺性的基础上,建立了11自由度平顺性分析的模型,在传统模型的基础上增加了座椅,同时考虑了悬架的非线性因素.所建立的模型考虑了车身的俯仰及侧倾,以及座椅对车辆平顺性的影响,使分析模型更加详细和完整.利用变步长积分法得到车身的垂向振动、俯仰振动和侧倾振动加速度,以及4个座椅振动加速度,分析了不同路面、不同行驶速度和不同乘坐位置对车辆平顺性的影响.结果表明,考虑座椅的11自由度平顺性模型的分析结果更符合实际,比直接用车身来衡量平顺性的结果更精确.     

基于道路模拟振动试验的动力蓄电池振动分析

利用傅里变换对某燃料电池车用动力蓄电池道路模拟振动试验数据作频域处理,求出其在路面不平度输入下的响应特征频率,并计算各特征频率下的振动传递率用于分析蓄电池连接结构的隔振能力.同时,通过对比不同特征频率下的传递率估计蓄电池系统固有频率.最后总结蓄电池系统的固有频率、路面不平度激励下的振动特征频率及隔振能力,为蓄电池疲劳破坏研究及系统结构优化设计提供参考.     

改进的神经网络在路面结构参数设计中的应用

针对常规的路面模量反算算法复杂、运算速度慢的问题,为了克服传统神经网络的不足,文章利用改进的神经网络技术,对路面参数进行分析和预测,采用工程实践中某段路面施工状况FWD测量数据参数作为数据样本,通过样本训练,优化了路面结构参数值,扩大了应用范围,具有较强的实用性。     

道路信号的计算机模拟

论述了时域AR模型仿真路面随机信号的过程和方法,在此基础上采用FFT算法做功率谱估计,仿真程序的运行结果与GB7031-86车辆振动输入路面平度表示方法的功率谱规约相吻合,获得的模拟数据序列在相关的实验设备投入使用的效果良好.     

基于自适应神经模糊网络的路面识别技术

以路面识别为目的,利用自适应神经模糊网络(ANFIS)进行路面不平度激励时域估测研究. 首先建立车辆1/4模型运动微分方程,并使用白噪声信号激励车辆模型,利用激励产生的模型动力学响应进行自适应神经模糊系统训练. 之后对训练获得的逆向车辆动力学模型进行分析并利用随机路面激励产生的系统响应进行随机路面时域估测. 最后对自适应神经模糊网络系统隶属函数个数及输入数据组合进行分析比较. 仿真结果显示,自适应模糊神经网络系统能够以较高的精度完成路面时域估测.      

Elman神经网络在中子解谱中的应用

人工神经网络由于其优良的自我调节能力及学习能力,已经被广泛地应用在各领域的非线性分析中.在中国锦屏极深地下实验室(CJPL)中的低本底液闪中子探测器一直在记录着中子的本底数据,探测器输出的能谱实际上是核反冲能谱,与输入能谱可一一对应,并随着输入能谱的改变而发生改变;因此可以将探测器输出信号输入到训练过的神经网络中判断输入能谱.本论文采用的神经网络为Elman神经网络,训练神经网络采用的数据为Geant4模拟所得.将实验获取的核反冲能谱输入到训练过的神经网路进行反解,最后Elman网络反解出的Am-Be中子源能谱与真实谱误差在0.1%～11.8%,反解出的~(252)Cf中子源能谱与真实谱误差在0.1%～8.9%.     

获取路面谱的一种新方法

通过理论分析和实际路面的测量,阐述了直接在汽车车桥上安装传感器测量路面谱的一种简便方法,并通过与用五轮仪测量路面谱方法的结果对比,得出了此种方法在一般汽车性能试验中的实际应用价值．     

城市道路网布局结构对公交线网密度的影响

定义了描述道路网整体结构中心化程度的道路网结构集聚度指标,用于描述路网中道路之间的衔接关系,定义了描述道路网综合布局特性的道路网布局结构指数,结合实例分析了路网布局结构对公交线网密度的影响因素和影响机理,通过对实例数据的回归分析验证了公交线网密度与道路网密度和道路网结构集聚度之间的相关关系,并指出道路网布局结构指数与公交线网密度之间具有显著的线性正相关关系.     

人工神经网络在电力系统网损计算中的应用

以人工神经网络为基础，提出一种用于电力系统网损计算的新算法。该算法不需写出输入与输出间复杂的映射关系，经过训练可实现任意复杂映射，从而大大减少了计算量，提高了计算速度，使计算精确度大有改善。实例计算表明了该方法的可行性。     

基于小波神经元网络模型的网损预测方法研究

提出了一种电力系统网损预测的新算法-小波神经元网络预测模型,它以非线性小波基为神经元函数,通过优化伸缩因子和平移因子确定对应务神经元的小波基函数,从而合成小波神经元网络,达到全局最优的拟合效果,克服了普通人工神经元网络学习速度慢、难以确定网络结构、存在局部极小点等方面的缺点,仿真结果表明,该方法准确,并可使学习速度大大提高。     

基于改进卷积神经网络的平面地图道路模糊推理分割方法

由于平面地图呈现方式单一且有限,为提升其多样性需准确分割平面地图中的道路区域。提出一种基于改进CNN(convolutional neural network)平面地图道路和模糊推理分割的方法。选取两个道路信息丰富的数据库,实验选取百度地图(Baidu)数据库和高德地图(Amap)数据库,标记得到含标签信息的像素训练集;用Sigmoid分割目标函数代替复杂的Softmax函数分别训练得到Baidu-CNN模型和Amap-CNN模型;对得到的像素点概率进行非线性映射,构建模糊推理系统;将非线性映射后均匀分布的像素点概率输入模糊推理系统,判断像素点属于道路区域的概率,得到道路分割结果。结果表明:所提算法得到的平面地图道路分割模型较传统算法分割效果更好;准确率可以达到94.49%;单张平面地图的道路分割速度可达到5 s。     

摩托车路面激励的实测及分析

路面是摩托车振动的主要激励源，按车架路试动应力响应谱的计算模型要求，对路试路面的激励进行实测、统计及分析，获得了摩托车道路试验路面激励的时间历程和功率谱。     

基于神经网络算法的公路货运量预测方法

以陕西省为例,运用灰色关联分析法确定公路货运量的影响因素分别为地区生产总值、第一产业增加值、第二产业增加值、工业增加值、人均地区生产总值、全社会固定资产投资和社会消费品零售总额.将所确定的因素作为公路货运量的预测指标,建立基于BP神经网络的公路货运量预测模型,并对模型进行应用测试.结果表明:该模型具有较高的精度,最大误差为5.3%,可以提高公路货运量预测的准确度,为我国公路货运量的预测研究提供方法支撑.     

基于灰色神经网络的道路权重确定方法

提出了一种基于灰色神经网络的道路权重确定方法.首先利用灰色预测模型少数据建模和人工神经网络模型非线性逼近的优点,将两种模型有机结合,实现对交通流的模拟预测;其次利用交通流量-行驶速度以及行驶速度-行驶时间的关系确定交通流量与行驶时间的关系模型;最后结合前两部分建立的模型构建基于灰色神经网络的路阻函数模型,从而确定路段的权重.实验结果表明,该方法具有较高的精度,且模型利用少量的数据就可以确定路段的路阻函数,为路段权值的确定提供了一种有效可行的方法,可用于智能交通的路径规划等应用中.     

地物波谱组合识别的神经网络模型

遥感探测是一个多参数、高混合度的综合识别问题。利用BP神经网络的全局训练特性，直接利用教师信号来训练，建立了一个多组合的地物识别模型。实例验证了这种组合识别模型具有简单性、实用性和准确分辨等特点。     

基于EEMD和Hilbert边际谱的四轮车辆非平稳路面不平度分析

采用EEMD和Hilbert边际谱对四轮车辆的非平稳路面不平度进行了研究。应用EEMD算法对SY6480轻型客车在C级路面上变速行驶得到的非平稳路面不平度进行了分解,得到了C级路面不平度高频滤波后的Hilbert边际谱,确定了C级路面对变速行驶四轮汽车激励的频带范围和峰值频率,并把该结果与A级、B级和D级路面进行了比较,发现该车在A级、B级、C级和D级路面上变速行驶时受到的路面激励除了幅值随着路面不平度等级升高而增加外,其频谱结构没有明显的变化,这个结果为汽车在变速行驶时的主动悬架设计、振动控制和平顺性分析提供了理论依据。