简介：提出了一种基于最小参数RBF（径向基）神经网络的船舶航向滑模控制算法.针对船舶运动控制中系统函数非线性不确定性和外界干扰项未知问题,利用RBF神经网络进行逼近.考虑到RBF神经网络权值难以快速调整,采用神经网络最小参数学习法设计设计单个参数的估计代替神经网络权值的调整;最后,借助李雅普诺夫稳定性理论设计出船舶航向RBF神经网络直接跟踪控制律.通过与神经网络控制算法和普通自适应控制算法的仿真比较可知,上述控制算法加快了自适应律的求解速度,控制器结构简单,控制参数少,易于工程设计与实现.

简介：为了改善传统PID控制器的控制效果,采用RBF神经网络对控制系统PID参数进行自整定。分析了RBF神经网络PID整定原理,给出了相应的实例,并对该系统进行了仿真分析。仿真结果表明,采用RBF神经网络整定的PID控制器快速性好,自适应力强,具有良好的控制品质。

简介：文章在介绍小波神经网络优点的基础上,提出了将小波神经网络优异的逼近能力应用于非线性系统预测控制的方案,并建立了预测控制系统的数学模型,通过仿真实验比较小波神经网络和同等规模BP神经网络的性能,对于非线性系统的预测控制具有一定的参考价值。

简介：针对母船的升沉运动会影响到带缆遥控水下机器人的安全作业和收放功能，提出了利用液压绞车进行水下机器人自动升沉补偿的方案．设计了带缆遥控水下机器人升沉补偿液压系统，控制系统采用了神经元自适应PID控制算法．并在Matlab中进行了仿真，仿真结果表明，该系统能够较好的实现水下机器人的升沉补偿运动．

简介：阐述了人工神经网络模型的基本原理，建立了混凝土强度人工神经网络预测模型，通过试验证实了该模型的可靠性。

简介：以研究船舶下沉量问题为出发点,总结出近年比较流行的计算船舶下沉量的经验公式方法,并给出各种计算方法的局限和适用情况;根据神经网络的特点,选取适当的输入参数和输出参数,建立船舶下沉量预测模型,并进行对比分析提出进一步的研究方向.

简介：结合图象处理、模式识别等先进技术开发路面破损自动检测系统已经成为本领域的研究热点[1～5].本文主要研究了小波神经网络在路面破损识别中的应用,并与传统的BP神经网络作了对比.试验结果表明,在相同的训练样本情况下,小波神经网络的精度高于BP神经网络.为开发更为高效的路面破损自动检测系统提供新的思路.

简介：简要叙述数据挖掘的概念及几种主要的数据挖掘方法,提出一种基于模糊神经网络的数据挖掘算法,把模糊理论和神经网络结合起来构造、训练模糊神经网络,弥补神经网络结构复杂、网络训练时间长、结果表示不易理解等不足。

简介：针对桥梁结构监测采集到的桥梁异常状态下长期积累演变的惊人数据量,提出了基于主成分分析与人工神经网络相结合的桥梁结构异常状态识别方法。布设多种类型传感器监测获取高维数据,采用主成分分析法对原始高维特征数据进行预处理,将结构异常特征变量的主成分作为人工神经网络的输入特征。该方法有效的降低了神经网络的结构复杂度,同时提高人工神经网络的训练速度,也保证了人工神经网络具有良好的收敛性和稳定性。应用于江苏南通如泰运河大桥和江苏无锡开源大桥的实际监测数据的结果表明,基于主成分分析的人工神经网络方法用于桥梁结构异常状态识别,与传统的神经网络以及其他模式识别算法相比,有更好的识别精度。

简介：提出一种改进BP神经网络的交通流数据融合算法,通过对融合模型以及融合算法的改进,实现融合精度及容错能力的提高,最终利用某城市主干路的交通流实测数据进行实验验证.验证结果表明,本文提出模型可以通过LSE值验证且融合精度可以达到94%以上,因此利用改进BP神经网络可以有效进行交通流参数的融合,并可以较为准确反映路段平均速度的变化,为交通流的预测与诱导提供理论支持.

简介：在含富水带山岭地区的隧道工程建设中,往往引起隧道内涌水,不但影响施工安全,还会影响到隧道建成后运营质量,必须采取超前预报和措施,保证工程质量。此文以某在建隧道6个里程段的地质构造和涌水情况为样本,通过建立BP神经网络模型,对隧道内的涌水量进行预测,并与实测涌水量进行比较。所得结果表明,最大相对误差在10%以内,平均为3.8%,符合工程要求。可为隧道施工提供采取有效措施的依据。

简介：设计了一种基于遗传算法优化径向基神经网络的船舶智能自动龙.针对船舶航向控制过程中的非线性和不确定性,将RBF网络直接逼近船#模型内部不确定项和外界扰动,借助李雅普诺夫理论推演控制系统渐进稳定.利用遗传算法对径向基神经网络进行优化提高逼近性能.对比仿真结果显示,同等条件下,上述控制器较一般自适应控制和模糊PID控制系统稳定时间普遍快40%,平均超调量缩小100%,控制输入舵角进一步平滑稳定,且船舶航向对船舶内外部干扰不敏感.

简介：管理诊断方案确定在当今企业管理中具有重要的地位.提出一种基于改进人工神经网络的管理诊断方案评价方法,该方法结合单因素影子加权与人工神经网络相结合的方法进行优化评价方案,实现企业诊断方案评价的全面化,客观化,可靠化和智能化.实例验证了该评价方法能够有效区分方案的优劣水平,简化了原有方法的冗长过程,提升了方案评价的科学性.

简介：设计一种基于逆推算法的无人艇神经网络滑模控制器,实现了无人艇在大幅度改向操纵运动中航向准确稳定快速跟踪.借助滑模变结构控制技术,设计系统带有积分器的滑模面,引入径向基神经网络逼近系统非线性函数和不确定参数,同时结合非线性阻尼定律克服外界有界干扰,最后利用逆推算法设计出系统控制律.仿真实验结果表明,径向基神经网络能精确逼近船舶非线性函数和不确定参数,控制器输出平滑无抖震,航向输出对船舶参数摄动及外界干扰不敏感,具有较强的鲁棒性.

简介：为准确计算动车组牵引能耗,提出BP神经网络模型和改进牵规法预测动车组牵引能耗。选取机车类型、坡度、目标速度、停站方案等8个因素作为动车组牵引能耗之BP神经网络的输入变量,建立3层BP神经网络模型。采用增加动车组运动方程和优化基本阻力公式方式对牵规法进行优化。利用正交实验法对动车组牵引能耗影响因素进行分析,并对111组数据进行模拟验证。研究结果表明:BP神经网络模型的误差在4.26%以内,改进牵规法的误差基本在10%以内,证明BP神经网络模型比改进牵规法模型能更好地预测动车组的牵引能耗,而且当目标速度增大时,BP神经网络模型的计算精度明显比改进牵规法的计算精度高;目标速度和坡度对牵引能耗有显著影响。

简介：分析影响北京地铁运量的因素,选取城市轨道交通内部生产、人口因素、乘客收入因素和交通因素等作为运量预测的关键要素,应用B-P神经网络（BackPropagationANN,基于误差反向传播神经网络）模型,对未来几年内北京地铁运量进行预测分析。结果发现B-P神经网络对地铁客运量的预测较为适用,可为北京地铁运营规划提供决策参考。

简介：目前通信技术发展迅速,铁路通信网正在迅速发展成为一个高度数字化的大型通信网络。特别是近几年,铁路的长途通信光缆发展很快,已达到30000km以上。随着通信网的快速发展,网络正变得越来越庞大和复杂。同时铁路运输指挥系统、调度管理信息系统、客票预售系统、客货运管理、车辆追踪等大量铁路运输生产工作对通信网络具有高度的依赖性。

简介：设计了一种考虑输入饱和的USV积分逆推滑模神经网络控制算法.考虑到USV驱动舵机系统输入饱和问题,借鉴抗饱和控制技术设计一种基于内部辅助补偿机制,通过设计RBF网络对补偿机制进行在线逼近.再利用带有积分器的Backstepping方法设计实现USV航向精准控制.同时引入非线性阻尼定律来克服有界外界干扰.最后,采用反推法推导了系统控制律.仿真结果表明,控制器输出平滑,输出对参数摄动不敏感,控制算法有效.

简介：针对VTS水域船舶交通流随机性大、影响因素多的特点,选择基于小波神经网络的时间序列预测方法,建立船舶交通流预测模型。该预测方法对海事部门提高VTS水域通航效率和服务水平具有一定的参考意义。

简介：介绍通过远程采集车辆设备的运行状态以及有轨电车信号系统的状态和报警信息到数据中心,使维护或工程人员在有网络的任何地方,定期通过访问数据中心的上述信息诊断车辆设备状况,及时发现车辆设备异常状况,对有轨电车的安全行驶起到保驾护航的作用。