改进的BP神经网络在高速公路A动收费系统中的应用研究

介绍了一种高速公路自动收费系统，该系统在图像预处理和特征提取的基础上利用改进的BP神经网络设计了神经网络分类器，提高了车辆的识别精度与识别速度，较好地实现了不停车收费，在现代交通管理和监控中有着广阔的应用前景．     

基于BP和ARM的发动机声音识别系统

为解决高速公路收费站及大型停车收费场自动收费问题,依据BP神经网络识别理论,设计了一个基于ARM9及嵌入式Linux系统的发动机声音识别系统。选用S3C2410微处理器和嵌入式Linux操作系统,把交叉编译后的发动机声音识别C语言程序移植到操作系统的文件中,实现了发动机声音实时识别功能,给出了系统整体软硬件结构框架以及实时输入发动机声音判别汽车类型的识别结果。现场实验证实了该系统的准确性、实时性和有效性。     

基于LVQ神经网络的条形码识别研究

条形码(barcode)识别是实现信息化管理的重要一环,在仓储、物流、超市收费、商品监督管理等方面有广泛的应用前景,但无法对其建立准确的数学模型。针对此问题,运用能够模拟人类思维的学习向量量化(Learning Vector Quantization,LVQ)神经网络对条形码进行识别,在Matlab平台中建立LVQ神经网络识别器。通过训练、测试,验证了LVQ神经网络识别器能够高效准确地识别条形码。     

一种基于卷积神经网络的结构损伤检测方法

针对结构健康监测系统产生的海量数据难以高效分析的问题,采用了一种基于二维卷积神经网络的损伤识别检测方法,该方法直接将结构在外界激励作用下的加速度时程数据作为输入信息,通过卷积神经网络自动提取加速度数据中的隐含特征,识别结构的损伤.以板的损伤识别为例,给出了卷积神经网络损伤识别模型的输入数据格式、网络结构和训练方法,分析了卷积神经网络分别在不含噪声,含噪声5%、10%以及混合噪声情况下的损伤识别能力.测试结果显示这种基于加速度输入的卷积神经网络具有较高的损伤识别精度和抗噪能力,从而为结构健康监测系统数据分析和损伤识别提供了一种新的途径.     

公路不停车电子收费系统的研制及实现

公路不停车计算机网络收费系统是基于射频IC卡技术和模式识别技术的自动车辆识别技术而设计的．主要阐述了系统的构成、原理及工作过程,并在此基础上讨论了车道、收费站、收费管理中心的网络互连,阐述了大型数据库MSSQLSrver在公路不停车计算机网络收费系统中的应用．     

一种基于霍夫变换和BP神经网络的车牌识别方法

汽车牌照自动识别系统在智能停车场管理、高速公路自动收费和违章检测等方面有着广阔的应用前景。由于车牌特征的多样性及车牌背景的复杂性,对于现实世界的车牌图像,车牌磨损、图像倾斜、天气以及背景等干扰因素都会影响定位效果。为此本文提出了基于一阶双向差分和hough变换的改进车牌定位方法,采用改进的BP神经网络模式识别技术作为识别的方法,得到了较好地处理结果。     

卷积神经网络在锚杆锚固类型识别中的应用

为了解决手工特征提取方法依赖广泛的专业知识和先验知识,难以挖掘新特征而影响识别结果的问题,将一维卷积神经网络应用于锚杆锚固系统类型识别,以实现端到端的分类过程;为了避免随机初始化卷积核会造成网络在训练时收敛速度慢、易陷入局部最优等问题,利用稀疏自编码器对网络的卷积核进行预训练,并利用实验锚杆锚固数据对稀疏自编码器一维卷积神经网络模型、传统一维卷积神经网络模型和反向传播神经网络模型进行测试。结果表明:一维卷积神经网络可应用于锚杆锚固系统类型识别,实现端到端的分类过程;在锚杆锚固系统类型识别中,稀疏自编码器一维卷积神经网络模型的准确率高于传统一维卷积神经网络模型和反向传播神经网络模型的准确率,识别率可达98.57%。     

舰艇化学侦察中的毒剂识别技术

为了更有效地对海战场化学战剂实施监测与快速准确识别,提出将多传感器信息融合（MSIF）技术、小波分解和神经网络应用于舰艇化学侦察领域中,构建了多传感器融合式舰艇化学侦察系统模型。同时,把小波分析和神经网络有机地结合起来,创建一套基于小波变换和神经网络的化学战剂特征快速提取与识别系统——神经网络识别毒剂系统,建立了带有偏差单元的递归神经网络识别毒剂模型和基于小波分析的毒剂特征提取方法。实验与仿真结果表明;利用基于MSIF技术和小波分析的神经网络识别毒剂系统,对毒剂进行定性定量分析是切实可行的,该方法能显著提高测量结果的准确性和可信度,且结果具有可重复性。     

神经网络与系统识别

一个控制系统或其一部分常被看作从一个特殊空间到另一个特殊空间的非线性映射,因比系统识别就成为研究非线性映的近似逼近。本文用仿射基神经网络和经向基神经网络识别系统中的逼近问题,研究神经网络的理论及神经网络在系统识别中的应用。     

有关射频技术在高速公路收费系统中的应用

本文介绍了作为一种先进的自动识别技术的射频识别（RFID）技术的发展、原理、以及应用情况。并对提出了将基于射频识别技术的不停车收费系统应用于高速公路收费中的方法,用以解决高速公路的自动收费问题。     

摆式客车倾摆控制系统神经网络预测控制

考虑伺服电机及机械系统的非线性对车体倾摆的影响，并包括伺服电机的饱和非线性特性的影响在内，采用神经网络方法对非线性特性的动态系统的输入输出关系进行辨识研究，建立摆式客车伺服系统神经网络非线性模型；提出在摆式客车中运用神经网络预测控制结合鲁棒控制的复合控制系统，解决这类非线性系统的控制问题，即应用神经网络进行辨识及预测控制．研究表明，从理论及工程应用角度看神经网络预测控制都是切实可行的，为在摆式客车倾摆控制系统中应用神经网络预测方法提供了一个新的方向．     

基于模糊神经网络的压边力优化控制专家系统

说明了压边力优化控制模糊神经网络专家系统的总体结构框架及系统各模块的功能,对模糊神经元的选取、模糊神经网络的构造和模型神经推理机制进行了深入的阐述,针对板料拉深过程中的变量选取了模糊神经网络的输入输入参数。在板料拉深过程中,应用压边力优化控制模糊神经网络专家系统实现了冲压成形过程的智能化控制。     

BP神经网络在载波调制度定标中的应用

介绍了运用MATLAB神经网络工具箱进行BP神经网络设计的基本方法与过程。在调制度定标过程中,将BP神经网络应用于调制度数值与副/主载波功率差值特性曲线拟合,并通过训练和仿真。验证了应用BP神经网络进行测试数据预测的优越性。仿真结果表明,BP神经网络应用于调制度定标具有较高的预测精度和良好的泛化能力,它为调制度定标工作提供了一种全新的思路和方法。     

模糊神经网络在陶瓷配料系统控制中的应用

将模糊控制和神经网络技术相结合 ,借助神经网络的学习能力和信息存储能力来实现模糊推理过程 ,并记忆和调整模糊规则 ,从而自动生成模糊控制规则 ,建立模糊神经网络。系统对模糊神经网络进行离线学习 ,将训练好的模糊神经网络用于在线控制 ,仿真结果表明 ,本文方法用于对陶瓷配料系统的控制 ,取得了无超调、无静差等令人满意的效果     

基于神经网络的永磁同步电机的鲁棒控制

提出一种基于神经网络的永磁同步电机的鲁棒控制策略·基于此策略设计了神经网络PID速度控制器,使速度控制器能实时在线调整,由一种混合型神经网络作为辨识器,利用神经网络的学习特性实现对永磁同步电机系统不确定性的鲁棒控制·为了加快响应速度,提高响应性能,采用多步预测性能指标函数下的反传算法·仿真和实验结果表明,所提出的控制方法明显优于一般永磁同步电机系统的控制方法,具有较强的鲁棒性·     

基于Hopfield神经网络的自适应控制系统的设计与仿真

根据连续型Hopfield神经网络的特性,设计基于Hopfield神经网络自适应控制系统,解决当前大多数控制系统需要外界参与的问题.设计一个三元组的Hopfield神经网络,并通过自反馈机制更新神经元的权重,完成自适应控制的任务.通过MATLAB平台仿真建立Hopfield神经网络,构建神经网络输出与参考标准输出之间的对比实验.结果表明,Hopfield能够在有限次数内逼近参考标准输出,从而完成控制任务.基于Hopfield神经网络的自适应控制系统有较高的精度,能够完成常见的设备控制,具有较强的可行性和便捷性.     

基于RBF神经网络的非线性磁悬浮系统控制

磁悬浮系统是一个典型的不确定、非线性系统.由于磁悬浮系统的复杂性很难建立精确的数学模型,采用RBF神经网络(RBFNN)对非线性磁悬浮系统进行辨识,再根据神经网络自适应控制原理设计了非线性磁悬浮系统的神经网络自适应状态反馈控制器与自适应PID控制器,并利用MATLAB进行了仿真.仿真结果表明,神经网络自适应控制能很好地控制本磁悬浮系统;神经网络自适应控制器对于此非线性磁悬浮系统位置具有良好的控制效果,该控制系统具有较好的稳态特性和控制特性.     

基于神经网络的字母识别系统的设计与实现

基于神经网络,采用Matlab 6.5和Visual C,设计一个字母识别系统.该系统通过对BMP图片的二值化处理,在VC环境下调用Matlab,并将把二值化后的数据进行网络训练,从而实现26个英文字母的识别.系统性能的测试表明,系统所训练的神经网络有很好的抗干扰能力.     

神经网络技术在试验精馏塔控制中的应用

为了预测精馏塔底部产品的成分，建立了4层前馈神经网络结构，作为动态系统的正向模型，并采用BP学习算法对神经网络进行了训练；建立了动态系统的神经网络逆模型，作为系统控制器；采用神经网络内模控制结构，根据精馏塔第2级的温度，对底部产品成分进行控制，试验表明，神经网络法与气相层析法相比，能够以任意精度逼近任意非线性映射，更快地提供成品估算值，使控制系统更及时地采取措施，改善控制效果。     

基于神经网络的感应电机矢量控制系统

根据感应电机矢量变换控制原理,提出了一种由人工神经网络磁链与转矩估计器、神经网络解耦控制器和神经网络转矩控制器组成感应电机的矢量控制系统。文中介绍了感应电机矢量变换控制的基本方程,并根据这些基本方程分别建立了人工神经网络磁链与转矩估计器、神经网络解耦控制器和神经网络转矩控制器,并给出了部分测试结果。最后从系统的仿真计算结果可以看出,这种基于多个神经网络控制环节组成的感应电机矢量控制系统具有良好的性能