基于自适应Kalman滤波的汽车横摆角速度软测量算法

利用参数软测量技术,提出了基于自适应Kalman滤波和汽车两自由度动力学模型的横摆角速度软测量算法．该算法实现了横摆角速度的线性最小均方误差估计,且可对汽车行驶过程中的系统噪声和观测噪声统计特性进行在线估计．仿真与场地试验结果对比验证了该算法的有效性,同时软测量技术的采用也为汽车状态参数测量提供了一条可行的、准确且低成本的研究思路。     

线控转向汽车横摆角速度增益优化设计

为了解决汽车线控转向系统(SBW)转向角传动比的设计问题,对SBW汽车横摆角速度增益值优化方法进行了研究。在建立整车动力学模型和驾驶员模型的基础上,从人-车闭环系统角度出发,采用汽车操纵稳定性综合评价体系中的轨迹跟踪误差评价指标、驾驶员操纵负担的评价指标、侧翻危险性评价指标和侧滑危险性评价指标并与遗传算法相结合,在典型车速下对汽车横摆角速度增益值进行了优化。试验结果表明,采用优化后横摆角速度增益值设计的SBW转向传动比可有效地提高汽车操纵性,减轻驾驶员负担。     

横摆角速度反馈对车辆操纵稳定性的影响

为了改善装有电子助力转向系统（EPS）的车辆操纵稳定性，分析研究了EPS中引入横摆角速度负反馈对车辆操纵稳定性的影响，建立了包含EPS的人-车系统数学模型，并利用SIMU—LINK工具箱进行了仿真分析。结果表明：该模型在EPS中引入横摆角速度负反馈，可以显著改善前轮角阶跃输入下车辆的横摆角速度的瞬态响应；EPS助力矩响应曲线上升平稳缓慢，有利于汽车在低附着系数路面高速转向行驶的操纵，从而提高了汽车的行驶安全性。     

基于BP神经网络的环境质量评估

利用人工神经网络对地区综合环境质量进行了评价,提出了基于BP人工神经网络、以Matlab为平台的算法程序的人工神经网络环境质量分类模型．并以某地区环境监测数据值为样本,进行了环境质量评价分析．研究结果表明,BP神经网络应用于环境质量评价无需构建复杂的参数方程,且具有基于知识学习的特性,结构简单实用,具有客观性和通用性．     

基于BP神经网络的GFSINS角速度预测

针对无陀螺捷联惯导系统(GFSINS)中传统角速度算法解算精度不高的问题,提出一种可避免复杂代数运算的反向传播(BP)神经网络算法来求解角速度.基于一种十加速度计构型方案,选择10个加速度计输出、采样周期和臂杆距离等12个已知量作为网络输入,以对数法得到的角速度值作为期望输出,针对5 000个样本在不同的隐含层层数、单层神经元个数以及学习步数等情况下进行网络训练,构建了一个含有30个隐含层神经元的3层BP网络模型.采用此模型对角速度进行实时预测,结果表明:网络具有很好的适应能力和实时性,角速度实时预测时间与对数法相当,且其预测精度比对数法提高大约3倍.     

采用BP神经网络的基波高精度检测方法

提出一种基于BP(Back Propagation)神经网络的电网基波频率和幅值的高精度检测方法。正弦信号过零点两侧对称两点连线与时间轴的交点和频率满足单调关系,但并非严格的线性关系,而且与幅值无关,据此用BP神经网络建立该交点与频率的映射关系,并提出了对称点优化选取方法。仿真表明,提出的算法对频率的检测精度达到10-4,幅值的检测精度高达10-5,远远高于普通傅里叶变换(Fast Fourier Transfromation, FFT)算法和FFT加Hanning窗算法;随机噪声和谐波对该方法测量精度的影响很小,具有较强的抗干扰能力。     

基于BP神经网络方法的焊缝图像识别系统

在工业探伤领域中,由于焊接过程出现的各种问题,会导致焊缝中含有气孔和裂纹等缺陷,影响产品的质量,所以焊接图像中缺陷的检测十分重要。受传统X射线焊缝图像检测的评片人员的技术素质和经验的影响,焊缝缺陷的检测逐步从人工评片过渡到计算机智能识别。本文以数字图像处理技术为基础,应用Matlab建立了基于BP神经网络的焊缝图像识别系统,实现故障类型的识别。     

一种车辆主动横摆力矩的神经网络控制方法

用二自由度车辆动力学状态方程建立了车辆横摆角速度跟踪控制模型．用横摆角速度与其期望值的差值建立了该问题的性能指标并设计了神经网络控制器，用该模型计算了车辆在急速转向操纵时的横摆角速度以及车辆质心的侧偏角响应，计算结果表明此时车辆的操纵稳定性得到了有效改善．最后给出了进一步研究工作所要采用的半实物仿真试验的设计。     

基于模型预测的中置轴汽车列车横摆控制研究

为提高中置轴汽车列车转向工况下的横摆稳定性,该文提出以牵引车的横摆角速度和铰接角为控制目标,以横摆力偶矩增量为控制变量,包含了基于模型预测控制(Model predictive control,MPC)的横摆力偶矩决策层及基于轮胎纵向力剩余极限的制动力分配层两部分的控制策略.对组合式车辆展开系统动力学分析,建立了简化车...     

光面爆破效果BP神经网络预测

介绍了BP神经网络的基本原理，基于Matlab工具箱建立了预测光面爆破效果神经网络模型，从岩石力学性质，周边爆破参数两个方面对光面爆破效果进行分析和预测。为了加快神经网络模型的收敛速度。增强其跳出局部极小点的能力，采用了附加动量法和自适应学习速率结合的方法对网络进行训练，利用该模型对光爆效果进行了预测。取得了很好的效果。     

BP神经网络预测河湾最大冲刷深度

影响河湾凹岸最大冲刷深度的因素众多，而且这些因素的关系是非线性的．实现河湾最大冲刷深度预测的实质是建立一个非线性映射．实现这种映射的传统途径是在室内试验的基础上，采用量纲分析和多元回归的方式建立经验公式．根据BP（前馈）神经网络模型能逼近任何闭区间的连续函数的性质，在室内试验的基础上，尝试采用人工神经网络模型对河湾冲刷深度进行预测，并与经验公式的计算结果进行了比较．结果显示，BP神经网络能够更为准确地对河湾最大冲刷深度做出预测。     

基于BP网络的异步电机无定子电阻的转速估算

根据异步电机的数学模型,经过一定的变换,消除异步电动机定子电阻的影响,利用电机易于检测到的定子电压和电流,通过Simulink模块和S-函数建立起自适应神经网络辨识模型．该方法适应范围宽、响应速度快．仿真结果表明：采用该模型估算出的转速具有较高的精度．     

BP神经网络的网络拓朴可重构及其实现方法

在神经网络的具体应用中，经常遇到网络拓朴结构重组的问题。在深入分析BP算法、神经网络的拓朴结构和二维数组存储方式的基础上，提出一种BP神经网络的网络拓朴可重构方法。该方法能根据不同的网络模型动态地调整输入层、隐含层、输出层的结点数及联接权矩阵，并结合具体的实例给出其解决方案。     

人工神经网络BP网的应用

目的研究ＢＰ网在人工神经网络领域中的应用及其特点,方法采用误差反向传播学习算法,对不同的声纳回波进行分类处理。结果 建立了３层ＢＰ网络结构的声纳信号处理系统,结论隐蔽层单元增加有益于正确分类率的提高,但连接权计算复杂度增加。     

用人工神经网络技术解析色谱重叠峰

用模拟数据和实验数据研究了人工神经网络（ＡＮＮ）方法用于解析色谱重叠峰的可能性，以二甲苯异构体及丙酮－异丙醇重叠峰为例对网络结构进行了优化，提出了两种简单易行的采集数据的新方法和模拟非正态数学模型，结果表明，对不易分开的组分，只要训练集及测试集条件一致，大部分实验数据预测结果满意，用这种方法对色谱峰进行定量，结果可靠，避免花费大量时间寻找谱分离最佳条件。     

A Four-color Matching Method Combining Neural Networks with Genetic Algorithm

A brief review of color-matching technology and its application of printing RGB images by CMY or CMYK ink-jet printers is presented, followed by an explanation to the conventional approaches that are commonly used in color-matching. Then, a four-color matching method combining neural network with genetic algorithm is proposed. The initial weights and thresholds of the BP neural network for RGB-to-CMY color conversion are optimized by the new genetic algorithm based on evolutionarily stable strategy. The fourth component K is generated by using GCR (Gray Component Replacement) concept. Simulation experiments show that it is well behaved in both accuracy and generalization performance.     

用户电力控制器神经网络控制分析

针对电力系统模型及运行参数不确定性 ,在用户电力控制器中引入神经网络控制策略 ,应用神经网络设计了线性控制器 ,所提出的神经网络采用改进BP算法 ,改进BP算法比传统BP算法多了两个变量 ;学习速率和动量因子。将计算得的补偿电流经过神经网络训练实现预定目标 ,由MATLAB仿真结果可观察到经神经网格控制的用户电力控制器可实现系统侧的控制目标。并且其控制算法更为简单、有效。     

基于BP神经网络的坡面降雨产流预测

为预测坡面降雨产流,基于坡面降雨产流的非线性特性,引用3层BP(Back-Propagation)网络建模方法,对B市密云水库流域石匣小区水土保持监测小区的坡面降雨产流进行了研究。模型输入层变量数为5个,分别代表坡度、坡长、降雨强度、降雨历时、土壤的有效糙率,输出层变量数为坡面降雨产流量,利用野外小区实测数据,对上述网络进行了训练,学习100次后网络趋于收敛,训练样本集误差达到2.040 96×10-10,小于预设精度,预测样本的平均相对误差为1.67%。该模型的建立与实践,为坡面降雨产流预测的研究提供了新的方法。     

BP神经网络在材料领域中的应用(综述)

成分一结构一性能之间的关系始终是材料科学研究的主题,传统的试错法等经验或半经验的材料研究方法造成了资源、人力和时间上的极大浪费,因此需要从理论上解决材料设计、评价、预报等方面问题．人工神经网络是具有在线学习、记忆和分析推理功能能力的数学方法,它能够获得输入与输出之间的相互关系．其中BP神经网络结构简单、理论研究比较成熟．在材料研究领域中,BP神经网络已用于材料性能的研究与预测,复合材料工艺参数优化和预报,以及对金属的腐蚀研究等方面．     

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．