内燃机燃烧分析仪的开发与应用

为了测录内燃机缸内的压力及温度,开发了一种内燃机燃烧分析仪,该分析仪由国产高速数据采集卡及自行开发的控制软件组成,它不仅能精确设置每度曲轴转角内采样点的个数和采集循环数,而且在采集过程中能实时计算和表征内燃机工作过程的压力升高率、平均指示压力、循环变动率、放热率等参数。经实际使用以及与国外产品相比表明,此分析仪具有全中文界面、价格低、操作简单、使用维护方便、功能便于扩充等优点。     

内燃机燃烧研究的现状和动向

在综合分析国内外文献的基础上，结合作者在内燃机燃烧学国家重点实验室所从事的研究工作，综述了内燃机燃烧研究中的一些前沿课题的研究现状与动向。它包括火焰传播、爆震、柴油机缸内空气运动，燃油喷射，混合气形成，点火一点火装置，有害排放物，传热，燃烧诊断，数学模型等。     

内燃机燃烧过程数学模型的研究进展和动向

在综合分析国内外文献的基础上，综述内燃机燃烧过程数学子模型，包括化学动力学模型、湍流燃烧模型、微元火焰燃烧模型的理论及其研究进展和动向，评述各模型的特点，并指出存在的问题．     

基于Tobit—BP网络组合测评模型

本文针对已婚妇女工作时间的预测问题,提出先用Tobit（审查回归）模型对影响因子进行评价和优化筛检,再利用神经网络对已婚妇女工作时间进行预测,结果表明：该方法不但提高了预测的准确性而且兼顾了预测的效率,具有一定的实用价值．     

柴油机理想燃烧模型的一种新表达方法

本文提出了理想燃烧模型的示功图表达方法，利用本方法可反算出对应的示功图及各项重要性能参数，为柴油机燃烧过程的诊断提供了更为充分、可靠的评判依据。     

基于BP神经网络双燃料发动机放热率计算与试验

利用BP神经网络理论,建立预测生物制气-柴油双燃料发动机放热规律的BP神经网络模型,经试验验证,预测模型误差在工程允许范围内,可以作为一种新型的预测双燃料发动机放热规律的方法.同时研究了双燃料发动机性能参数对放热规律的影响.结果表明,转速降低,燃烧始点相对提前,放热率峰值对应相位相对提前;转速不变负荷增加时,燃烧始点相对提前,引燃柴油的滞燃期缩短,最大放热率升高,对应的曲轴转角提前,但后燃现象严重.     

基于BP神经网络模型的水质评价方法探讨

运用人工神经网络理论和方法,建立了水质评价的BP神经网络模型,并对长治市10眼水井的地下水水质进行了评价,并与综合指数法、模糊综合评判法的评价结果进行了比较。结果表明,用BP神经网络模型评价水资源水质是可行的,为水资源水质评价提供了一个新的方法。     

基于BP神经网络方法的财务预警模型研究

本文通过BP神经网络方法来建立我国上市公司财务失败的预警模型,该模型对检验样本的预测正确率为85%,实证研究表明,该模型具有较好的预测效果。     

基于BP神经网络模型的高等教育学费研究

高等教育学费是当前的一个热点问题。以部分高校的相关数据作为样本,建立基于BP算法的神经网络模型。首先对样本数据进归一化处理,然后利用matlab进行模型的运算与分析,确定了高等教育学费的四个主要影响因素对学费影响程度的大小,从而得到了一个较为精确的高等教育收费数学模型。     

内燃机缸内过程的一种多维数学模型

利用任意拉格朗日－欧拉法，求解具有缸头中心无气阀气口进排气模拟功能的内燃机缸内三维流动，喷雾和燃烧过程控制方程，为对比不同湍流模型对模拟结果的影响，除采用Ｋ－ε模型外，还首次引入传统代数应力模型对缸内流动进行模拟，计算结果表明；本文的多维模型，对内燃机燃烧过程的模拟结果是合理的，对进气过程的计算结果与实测结果基本吻合，对平顶活塞及带坑活塞缩过程的模拟结果，显示了两种湍流模型的差异。     

LPG-柴油双燃料发动机燃烧特性研究

提出了一种根据燃烧分析仪测录的示功图计算 LPG-柴油双燃料发动机燃烧放热规律的新模型 .简要介绍了该模型的计算原理和方法 .利用该模型分别计算了 LPG-柴油双燃料发动机的引燃柴油、LPG及总的燃烧放热率 ,分析了其燃烧过程及燃烧特性 ,并与试验结果进行了分析比较 ,从而为研究分析双燃料发动机的燃烧特性提供了一种便捷有效的方法     

应用神经网络的非参数模型自适应控制

 提出了一种应用神经网络的非参数模型自适应控制方案,该方案仅用受控系统的I/O数据来设计控制器,并与神经网络自适应控制方案进行了仿真比较,仿真结果表明了该方案的有效性和优越性.     

基于遗传算法的进化神经网络

提出了一种基于遗传算法的前馈神经网络的自动化设计方法 (genetic m ultilayer neural network,GMNN ) ,用以同时完成对网络结构空间和权值空间的搜索。该算法利用模拟退火算法、 BP算法和小生境技术来加快算法的收敛速度 ,改善解的性能。初步实验结果表明 ,该方法的收敛速度较快 ,由此得到的神经网络的泛化能力也较好 ,能够达到根据训练样本自动优化设计多层前馈式神经网络的目的。     

基于神经网络内模的逆变系统控制器设计

针对逆变系统负载适应性能不强、动静态性能不佳的特点,设计出一种基于神经网络内模原理的逆变系统控制方法。通过对该方案的理论分析,得出了控制系统的实现方法。通过相应的仿真研究对其策略特性进行分析和比较。与传统控制方式相比较,这种智能控制不依赖于被控对象。由神经网络实现对系统的智能控制,提高了系统的逆变波形质量和负载适应性,使系统获得了较好的动态和稳态性能。     

基于神经网络BP算法的市场预测研究

提出了一种利用神经网络BP算法模型于发现和预测商业市场价格变化趋势的模型。文章着重论述了这一模型的设计思想和实现技术，并选择重庆房地产市场为实验研究对象，给出了用所述方法进行房地产价格预测的实验结果。     

基于RBF神经网络的电站锅炉燃烧系统非线性建模

应用RBF神经网络辨识方法建立了锅炉燃烧系统非线性模型,它可在运行中自动学习,适应很大工况范围及锅炉特性的时变性.应用结果表明所建立的模型能有效跟踪锅炉运行特性,具有很好的泛化能力,为锅炉燃烧系统优化控制和在线预测奠定了基础.     

BP神经网络在建筑工程估算中的应用分析

利用BP(back propagation)神经网络的基本原理建立工程估算模型,依赖专家经验获取待确定造价的工程特征,在对15个典型实际工程样本分析的基础上,利用EXCEL软件的宏命令编制BP神经网络模块,模拟从工程特征到工程造价的非线性映射关系,并将其运用于实际工程估算,精度达到建筑工程估算要求,为实际工程中对估算快速、准确的要求提供一种新方法.     

人工神经网络在定量结构-活性相关(QSARs)研究中的应用

人工神经网络（ANN）源于模拟人脑中信息处理过程的计算机模型,它独特的结构和处理信息的方法,使其在许多实际应用领域中取得了显著的成效,介绍了人工神经网络的原理及其在定量结构－活性相关（QSARs)研究中的应用,并对其进一步的应用做了展望。     

基于RBF神经网络的晶体生产组织评价

在晶体的生产组织过程中,采用相关分析法确定影响评价的主要因素,建立一种基于RBF网络的生产组织评价模型,利用最邻近聚类算法,确定基函数中心点,将该模型与BP网络模型进行比较,结果表明:RBF网络在学习时间和评估精度上优越于BP网络。