基于BP神经网络客运量的分析及预测

客运量分析预测是一个复杂的非线性系统，针对传统分析预测方法的不足，采用BP神经网络对客运量进行分析及预测，通过对1990—2002长江三角洲地区社会经济数据与客运量数据的处理，建立了客运量的神经网络预测分析模型，借助MATLAB7．0软件，进行网络学习与训练仿真实验，与线性回归模型分析预测结果进行对比，结果表明应用BP神经网络对客运量的分析预测精度更高、效果更好。     

基于CAN协议汽车动力转向系统标定的软件设计

由于汽车标定系统软件难以普遍适用于不同应用场景,按照国家标准,设计了一种基于CAN协议的动力转向系统方向盘角度标定诊断软件.根据通信协议类型配置初始参数,建立诊断设备与汽车ECU之间的数据通信连接,再对汽车ECU进行数据采样并对采样数据进行分析提取,建立标定模拟数据库,通过设计标定功能函数运行程序,最终实现诊断仪标定功...     

商用车混合动力电控转向系统的操稳性与节能性

为了提高重型商用车的高速转向"路感",并降低转向系统能耗,在电液复合式转向系统的基础上提出了一种带有助力矩耦合装置的混合动力电控转向系统(electronically controlled hybrid po-wer steering system,ECHBPS).阐述了ECHBPS的结构组成和工作原理,以降低转向系统能耗为目标,对液压助力子系统参数进行了重新匹配,根据驾驶员在不同车速下偏好的转向盘力矩,设计了电动助力子系统和液压助力子系统的助力特性曲线,建立了ECHBPS功率损耗模型.进行了Matlab/Simulink与Trucksim的联合仿真,结果表明:与传统的液压助力转向系统(hydraulic power stee-ring system,HPS)比较,在原地转向工况下,ECHBPS转向轻便性提高了21.3%;在转向盘中心区转向工况下,ECHBPS的转向"路感"提高了108.96%;在转向工况及直线行驶工况下,ECHBPS能耗分别降低了15.74%和62.61%.     

基于机器学习的地下水水质预测研究

基于实测的地下水水质数据（pH、总硬度、溶解性总固体、硫酸盐、氯化物、Fe、Mn 7种）和气象数据（平均气温、最低气温、最高气温、平均最低气温、平均最高气温、20:00—20:00降水量、日降水量≥0.1 mm的时间、最大日降水量8种）,分别使用BP神经网络、随机森林（RF）和支持向量机（SVM）构建了地下水水质参数的机器学习预测模型．对于每一种水质参数,分别使用不同的机器学习算法基于不同滞后期的数据进行模拟,将结果与实测水质进行对比,选择精度最高的机器学习模型及其对应的滞后期作为该水质参数的最优模型和最佳滞后期．结果表明,不同机器学习方法和滞后期的选择对预测精度影响很大,BP神经网络对pH（R2=0.225,RMSE为2.411）、总硬度（R2=0.503,RMSE为47.973 mg·L?1）、氯化物（R2=0.994,RMSE为0.544 mg·L?1）和Fe（R2=0.302,RMSE为7.772 mg·L?1）的预测精度最高,RF对硫酸盐（R2=0.908,RMSE为3.788 mg·L?1）和Mn（R2=0.522,RMSE为0.429 mg·L?1）的预测精度最高,BP神经网络、RF和SVM对溶解性总固体的预测性能均较好（R2=0.994~0.996,RMSE为674.660~950.470 mg·L?1）．此外,硫酸盐和Mn预测模型对应的最佳滞后期为0个月,溶解性总固体和氯化物预测模型对应的最佳滞后期为1个月,pH、总硬度和Fe预测模型对应的最佳滞后期为2个月．      

汽车动力转向器转向力矩的分析与计算

随着21世纪日益突出的能源问题和汽车产品的电子化发展,具有节省能源、结构简单紧凑等显著优点的电子控制式电动动力转向器将是未来汽车动力转向器设计的发展方向,针对这一应用要求,根据汽车转向机构的受力分析得到的转向力矩,对影响汽车转向力矩的主要因素进行了分析,并具体对与向心加速度有关的部分转向力矩的实验曲线用最小二乘法进行了解析式拟合。     

神经网络与某类曲线的预测

神经网络系统(Neural Networks)是人工智能与系统工程的边缘科学.它以分布式存贮和并行协同处理为特色,神经网络被认为是一种非线性方式连接一组输入和输出的系统.这种有代表性的连接关系是由一层或多层神秘的“神经元”制作而成的,神经网络的作用函数通常是非线性函数,当众多的神经元形成一个网络并动态运行时,就构成了一个复杂的非线性动力系统,它可以表示极其复杂的非线性模拟系统.     

分布式驱动电动汽车动力转向系统混杂系统动力学及其切换控制

分布式驱动电动汽车是燃油汽车和电动汽车过渡的一种新型新能源汽车,动力转向系统(ECIPS) 作为电动化底盘集成控制系统(ECIS)的主要组成部分,对电动汽车的设计与装配具有重要的影响. 动力转向系统具有典型的不确定性、未建模动态、测量噪声和干扰等非线性动力学特征,是包含离散事件与连续事件的混杂动力学系统. 分析了分布式驱动电动汽车动力转向系统的控制结构、控制功能及其动力学行为,基于动力转向系统的输入/输出功能、控制状态和控制系统实现流程,建立了反映连续和离散控制行为的混杂控制系统模型. 建立了动力转向系统的混杂控制流程和切换控制结构,进行了25km/h和45km/h下的蛇形实验. 结果表明：在25km/h下,转向系统转矩的峰值和平均值分别降低了41.68%和41.79%, 在45km/h下,转向系统转矩的峰值和平均值分别降低了30.92%和30.67%,转向轻便性得到明显改善.混杂系统动力学模型及其混杂控制结构反映了分布式驱动电动汽车动力转向系统的动力学行为及其控制特征,不仅揭示了动力转向系统的连续系统工作行为,也反映了离散事件特征,对分布式驱动电动汽车控制性能的改善、智能化水平的提高提供了理论研究意义和工程研究价值.     

基于优化BP算法的上证指数预测分析

上证指数变化是股市投资者重点关注的指标之一。文章基于BP神经网络来建立预测模型,结合遗传算法优化BP网络存在的不足,然后通过组合不同的辅助技术指标优化训练样本,探寻对上证指数预测准确度较高的混合算法。实验结果表明,优化后的混合算法能较好的预测上证指数未来一段时间的走势变化,为投资者提供决策辅助。     

基于3种模型的航线客流预测仿真

准确地预测航线的客流量,对于航空公司的运力安排、航线调整、规划发展都有着重要的作用.针对民航客流量预测具有诸多不确定性和数据不足的特点,基于某航空公司2010年—2017年北京—三亚航线每天的客流数据,运用了随机森林预测模型、支持向量机回归模型、神经网络模型对航线数据进行了数据拟合.经验证,3个模型的平均绝对误差分别为4. 18%、6. 87%、12. 38%,其中,随机森林预测模型精度最高,效果最佳,可以用于客流预测仿真.     

基于BP神经网络对时滞系统的模型参数辨识仿真

主要研究了基于BP神经网络对时滞系统的参数辨识,分析了两种辨识结构和两种建模方法,对系统被控对象的建模采用了神经网络正模型,辨识结构为串-并联型.考虑加强BP网络的泛化能力,用随机数据去训练网络,然后得到训练后的权值,给一个阶跃信号,利用交叉两点法,从而得到时滞系统的特征参数.通过仿真,基于BP网络对时滞系统的参数辨识是有效的.     

基于Web方式的神经网络智能预测系统设计与应用

针对传统BP神经网络的一些缺陷,设计一种综合改进的BP神经网络算法.在此基础上,采用.NET架构以及Web Services等技术,用主成分分析算法和置信度区间算法对BP网络结构进行全后处理,以经济预测为例,设计开发了一个基于B/S结构的智能经济预测系统.该系统具有较好的易用性和一定的通用性,提高了预测结果的准确度和神经网络的泛化能力.     

基于ADAMS的推土机差速转向系统运动学分析

差速转向机构是现代推土机的重要组成部分,为设计性能良好的差速转向机构,根据传统计算得到的参数,利用Pro/E和ADAMS软件建立了推土机差速转向机构的虚拟样机,并介绍了虚拟样机的建造过程.通过分析转向机构实际工况,模拟了虚拟样机在原地转向、直线行驶、一般工况下的运动,得到了差速转向机构的运动学特性,验证了虚拟样机技术在差速转向机构设计中的可行性.     

汽车转向系统模态的分析与优化

汽车转向系统方向盘怠速振动特性是评价其舒适性的重要指标.本研究提出了转向系统模态固有频率的计算方法,通过灵敏度分析确定转向系统上下支架连接处5个钣金件的厚度值为设计变量.基于响应面模型和序列二次规划算法相结合,给出了转向系统模态的优化方法.在转向系统质量增加0.14 kg的条件下,系统一阶固有频率增加了2.66 Hz.本研究提出的转向系统模态分析与优化方法对转向系统的设计具有一定的指导意义.     

银川市空气污染指数的分析与预测

空气污染指数（air pollution index,API）是评价空气质量状况的有效手段．在分析银川市API变化特征的基础上,将小波分析与BP神经网络相结合,分别采用分解一预测一重构法和小波函数替代法对银川市API值进行了预测．结果表明：银川市API呈现年际下降,月际周期波动的特点;相对于其他小波,采用db10对数据进行分解、预测、重构后获得的结果最好;分解预测重构模型的预测精度较高,优于小波函数替代模型,适用于银川市空气污染指数的预测．     

基于仿人智能控制的汽车动力转向系统

传统的液压动力转向系统容易出现过助力现象,能耗大、对环境有油污染.电动助力系统是通过带微处理器的控制器控制电动机提供助力的一种伺服控制系统,电动助力是汽车转向系统的发展方向.在对汽车电动助力转向系统深入研究的基础上,针对驾驶员操作习惯的差异、路况等的复杂性和不确定性,提出了一种新的鲁棒性强、适应性好的控制算法,并在实际车辆转向系统中得到了应用,实践证明该控制算法兼顾了控制效果和人的感觉(路感),控制效果令人满意.     

基于小波神经网络的股票预测

通过将Morlet母小波基函数作为神经网络隐含层神经元的激励函数,构建了Morlet小波神经网络,对网络结构进行了隐含层节点的优化,对股票收盘价的变化进行仿真和预测,实验结果表明,Morlet小波神经网络具有较好的逼近非线性映射的能力,其泛化性能和预测能力较优.     

基于B—P神经网络的非线性系统预测控制的研究

预测控制是以计算机为手段基于模型预测进行控制的方法,但是已有的预测控制算法通常是针对线性渐进稳定对象的,或者即使针对非线性使用了非线性模型,但由于算法过于复杂不能适用于快速系统,本文对复杂非线性系统提出了一种基于Ｂ－神经网络的预测控制方法,仿真和实际结果表明该方法的有效性和快速性,能够实现对非线性系统的实时智能优化控制。     

基于人工神经网络的棉花黄萎病预测系统

介绍了一种使用非单调函数作为隐层节点的激励函数的前馈多层神经网络模型构造棉花黄萎病预测系统。该系统能够较好地解决局部极小问题 ,并且运算速度快 ,性能良好 ,预测准确。     

基于电动转向的教练车副转向系统开发

本文设计了基于电动助力的副转向系统。建立了以副转向盘的转角为输入,车辆主转向柱的转角为输出的线性系统模型。设计完成了信号处理电路、电机驱动电路、控制系统反馈电路等。程序设计采用模块化设计的原则,选用PEC7000并应用PLC编写了信号检测程序、采样程序、主、副方向盘信号选择程序以及主控制程序等。对系统进行了试验验证。     

基于BP算法的股票均价预测技术研究

介绍了神经网络的基本概念和组成,提出了BP算法的改进型算法及基于BP算法的均价预测模型.借助前馈神经网络对非线性函数的逼近能力,对青岛海尔股价进行连续若干天的预测.通过不同形式误差函数对预测结果的比较,证实改进后BP算法用于均价预测的可行性及准确性.