基于动态矩阵控制的机车车辆半主动悬挂控制设计

为了解决车辆动力学模型与控制器模型精度之间的矛盾,文中利用动态矩阵控制较易取得阶跃响应的模型优势,给出了解决模型与控制精度问题的有效方法。同时利用17自由度车辆横向半主动悬挂模型进行了仿真验证。     

基于RBF神经网络的半主动悬架滑模控制

针对悬架参数的不确定性,提出一种基于径向基函数(RBF)神经网络的滑模控制方法。根据滑模变结构控制理论设计了两自由度半主动悬架系统的滑模控制器,采用极点配置法确定滑模切换面参数,应用比例切换的控制方法和等速趋近率确定控制律,采用RBF神经网络优化算法优化了滑模控制器。运用MATLAB/simulink进行仿真,结果显示,与被动悬架相比,基于RBF神经网络的滑模半主动控制具有良好的控制效果,显著地改善了车辆的行驶平顺性。     

基于能耗状态判断的H∞半主动悬架控制策略研究

在综合考虑车辆系统舒适性和安全性的基础上,分析将H∞控制策略与半主动控制策略相结合的方法,探讨与车体实际振动状态相符的耗能作用力提供方式,提出基于H∞控制的加速度滤波和状态判断归一法半主动控制策略,并采用动力学模型与复杂控制器分离的联合仿真技术进行仿真研究,结果表明加速度滤波法和状态判断归一法半主动控制策略与现有的参考模型法相比,效果佳,且能耗低,所以更具实用性.     

I2C总线接口时钟芯片DS1307在坦克半主动悬挂电控单元中的应用

根据坦克半主动悬挂电控单元对定时的需要，文中给出了采用I^2C总线接口实时时钟芯片进行准确定时的设计原理，提出了实时时钟芯片DS1307与单元机接口电路的改进办法，同时给出了通用接口程序实例，最后对DS1307在应用时的一些注意事项进行了必要的说明。     

小波神经网络在地震预测中的应用

针对地震诱发因素的多样性和难预测性,采用了小波神经网络的方法进行预测,同时考虑多种因素,构建仿真模型,对震级进行预测,对比分析小波神经网络和BP神经网络的预测结果,证明了采用小波神经网络预测速度更快,结果更准确,精确度更高。     

神经网络在移动话务量预测中的应用研究

如何准确及时地预测话务量,是目前移动通信运营商关注的焦点。神经网络具有自组织、自适应和自学习的能力,能较好地处理时间序列中的多因素、不确定性和非线性等问题。BP(Back-Propagation Network)网络是神经网络中最重要的算法。本文在BP网络的标准算法研究的基础上,针对日话务量突发性和随机性的特点,引入了一种改进的BP网络算法。实例分析表明,这种算法具有较高的预测精度。     

广义回归神经网络的改进及在预测控制中的应用

针对广义回归网络的模式层单元数目与样本数量成正比的问题,提出了基于相似度衡量的模糊均值聚类的样本精简方法.针对广义回归网络在时变环境下难以确定平滑因子,自适应能力弱的缺点,提出了一种基于贡献率的选择优化方案.仿真结果表明,改进后的GRNN有较快的处理速度和较强的自适应能力,能够在实际应用中很好地辨识较为复杂的非线性时变系统.     

前向型迟滞神经网络在商品价格预测中的应用

时间序列预测的研究是当今世界中比较重要的研究领域之一,具有重大的科研价值。本文提出将电生物学中的迟滞特性引入传统的神经网络中,构建前向型迟滞神经网络并将迟滞神经网络模型应用到商品价格指数预测上,并得出更准确的预测效果。     

神经网络在电解铜质量控制中的应用

依据神经网络的BP算法，以及电解铜质量控制中的一些事项，构造了一神经网络质量控制系统，初步论述了这种方法的可行性。     

神经网络在无线网络流量预测中的应用

无线互联网的流量数据非常分离且极其不稳定,混沌理论在其身上体现得特别明显,因此对无线网络流量进行预测具有一定难度。该文使用BP神经网络建立预测模型,在常规神经网络系统进行训练之前,需要对系统内部各个层次之间的连接权值以及阈值范围实行初始化操作,但是此操作将会影响神经网络最终收敛速度,有可能造成最终结果为非最优解,使得流量预测结果不是很理想。因此这里使用布谷鸟搜索优化方式对神经网络系统内各层之间链接值与阈值进行初始化操作,提高系统预测精度。该文使用遗传优化神经网络算法和粒子群优化神经网络算法建立同样的预测模型,并与该文研究的预测模型进行对比。实例分析结果表明,初期预测结果精度较高,与实际值比较吻合,但测试数据越靠后,预测值越不稳定,这主要是累计误差造成的。但总的来说,该文使用的布谷鸟优化BP神经网络预测模型的预测性能要优于由遗传算法和粒子群算法优化的BP神经网络。     

混沌神经网络在短期电力负荷预测中的应用

在分析混沌时间序列的基础上,综合混沌与神经网络方法建立了相应的混沌神经网络模型,并利用该模型对电力月负荷进行了预测,取得了令人满意的结果.     

神经网络在通信网控制中的应用

介绍神经网络解决ＡＴＭ通信网中业国质量控制的一种学习方法。以呼叫管理控制为例，评估这种网络控制中的性能，并给同了模拟结果。结果表明：使用神经网络的学习控制方法实现的控制器可自适应地控制特征不断变化的ＡＴＭ通信网。     

小波神经网络在短时交通流量预测中的应用

随着交通基础设施建设和智能运输系统的发展,交通规划和交通诱导成为交通领域的研究热点,对交通规划和交通诱导而言,准确的交通流量预测是其实现的前提和关键。短时交通流量预测是一个时间序列预测问题,文中应用小波神经网络对短时交通流量进行了预测。首先,对神经网络、小波分析等相关理论进行了简要介绍。在此基础上,采用5-7-1小波神经网络结构,以Morlet小波基函数作为隐含层节点的传递函数,将车流量数据输入该模型中,以训练小波神经网络,并用训练好的神经网络来预测短时交通流量。从预测结果来看,小波神经网络的预测结果较为准确,网络预测值接近期望值,效果较好。     

神经网络专家系统在煤矿突水预测中的应用

本文提出了一种基于结合型外部知识表示方案的神经网络专家系统（ＮＮＥＳ）模型、基本结构及工作原理，并以煤矿突水预测专家系统为例说明了ＮＮＥＳ的应用。     

基于人工免疫算法的车辆控制模型研究

对于自动驾驶中的车辆跟踪控制,仅依靠传统的控制策略进行速度调节无法达到准确、快速的跟踪效果。将免疫学原理中的人工免疫算法引入到车辆控制中,并建立了车辆横向和纵向的控制模型,以达到改善车辆控制的效果。通过大量仿真实验,验证免疫算法在车辆控制过程中的优劣。仿真结果表明,该控制系统在被控对象参数变化的情况下,仍具有良好的控制性能,具备了很强的自适应性和鲁棒性,能够迅速适应外界变化,具有较大的工程应用价值。     

基于半主动悬架的车辆抗侧倾控制研究

悬架系统可提高乘坐舒适性,用于抑制车身的侧倾。基于车辆多工况行驶下的抗侧倾控制需求,建立带有半 主动悬架系统的车辆四自由度动力学模型,以空气悬架和电机式主动稳定杆作为执行器,分别选用模糊控制和滑模控制 来设计抗侧倾控制器,通过Matlab/Simulink 与Carsim 建立联合仿真模型来验证所设计控制策略的有效性。仿真结果表 明:在双移线和鱼钩工况下,使用带有主动横向稳定杆的半主动悬架系统可有效减小车辆的侧倾角,降低车辆侧翻风险。     

深度神经网络在风电功率预测中的应用研究

风电功率预测对于电网建设具有重要意义。文中提出一种基于深度神经网络的风电功率预测方法,该方法充分考虑了影响风电功率的若干因素,如风速、风向、空气密度和季节,通过深度神经网络训练、学习给出最佳的功率预测值。通过深度神经网络学习的特征能够更为有效地反映实际情况,因此提高了风电功率预测的稳健性。基于内蒙古某风电厂的实测数据进行了验证实验,结果表明了提出方法的有效性。     

BP神经网络在元器件非工作可靠性参数预测中的应用

应用神经网络模型对某电子元器件在非工作状态时的可靠性性能参数时间序列进行预测,并与自回归模型预测结果进行了比较.检验结果表明,神经网络预测模型有较高的精度,具有很好的实用价值.     

神经网络在结构响应预测中的应用研究

神经网络技术的应用已日益广泛，神经网络在结构的动力特性预测、故障诊断和结构的响应预测控制等方面，已有许多成功的应用研究成果。讨论了动态神经网络结构及其算法，然后利用所设计的动态神经网络对杜芬(Duffing)方程和一实际结构在不同输入条件下的响应进行预测。仿真结果表明，利用动态神经网络对结构响应有较好的预测效果。