基于对转双转子电机的混合动力车用机电复合传动系统研究

为充分发挥混合动力汽车节省燃油降低排放的优势,提出了一种主要由双转子电机和行星齿轮机构组成的混合动力车用机电复合传动系统;分析了该系统的工作机理并基于快速模拟杠杠法建立系统的传动特性;在MATLAB/Simulink/Stateflow环境下建立了系统的整车仿真模型及转矩控制策略,仿真结果表明所提出的新型机电复合传输系统在UDDS循环工况下的百公里油耗为6.227L,具有较好的燃油经济性。     

一种基于粗糙集的粗糙神经网络构造方法

针对神经网络中各神经元和权不能赋予明确的物理意义 ,提出了一种基于粗糙集的神经网络模型 .该模型利用粗糙集理论数值分析的能力 ,首先从给定的数据集中抽取出规则 ,然后根据这些规则构造神经网络隐含层的神经元个数 ,从而确定粗糙神经网络的初始拓扑结构 .同时 ,将输入映射到输出子空间 ,并在这个子空间上用神经网络进行逼近 ,由此得到一种可理解性好、收敛速度快的神经网络模型 .实验结果表明 ,该模型能够较好地处理神经网络拓扑结构、训练样本的大小、样本质量等对神经网络的精度及泛化能力有直接影响的问题 ,在大大缩短训练时间的同时 ,它的预测精度可达 96 4 % ,较同条件下径向基函数神经网络模型的精度高 3 6 % .     

一类神经元模型的动力学分析

针对Rulkov提出的一个神经元模型进行混沌动力学分析.通过对模型中的两个主要参数α和β的讨论,阐述并证明了在参数α,β变化下产生的各种分叉情况以及不动点性质,并通过数值模拟方式,对含耦合项的Rulkov神经网络模型的同步性质作初步探讨.     

电液伺服系统的神经网络并行控制

文章针对电液伺服系统的非线性、不确定性和参数时变的特点,提出一种基于神经网络的并行自学刁控制算法。该控制策略以系统动态误差和给定信号量作为小脑模型神经网络控制器的激励信号,并与单神经元自适应PID控制器相结合构成系统的复合控制。仿真结果表明,该并行控制算法较常规PID控制具有更快的响应特性和良好的动态特性,对模型参数变化和负载扰动表现出更强的适应性和鲁棒性。     

检测畸变电流的神经元自适应电路

通过研究有源电力滤波器的神经元自适应谐波电流检测电路的结构和学习算法,构造了一种适用于检测畸变电流的电路,它能够把非线性负载电流中的基波电流分离出来,从而检测出畸变电流．最后进行了仿真研究,证实了所提出电路的可行性和有效性．     

基于语义神经网络的文本特征选择方法的研究

文本自动分类的一项关键技术是特征选择。本文针对信息过滤的特点,对特征选择方法进行了改进,提出了一种基于语义神经网络的文本特征选择方法。首先对原始特征集进行初始筛选,去除冗余特征及噪声后,对得到的特征子集采用语义神经网络进行智能的特征选择,其核心是关联度及激活变量的计算。从而得出代表问题空间的最优特征子集,实现降维并提高分类精度。实验证明,该方法可以极大地降低文本的维数,提高文本过滤的质量。     

自噬与阿尔茨海默病的实验设计及结果初探

通过合理的设计实验,使学生了解了科研的科学性及严谨性,培养了创新意识和科学思维方法,提高了综合素质。实验采用Aβ诱导的神经元阿尔茨海默病（AD）模型,利用原代神经细胞培养技术、免疫印迹技术检测Aβ诱导后海马神经元自噬变化的规律。结果显示：Aβ处理后,海马神经元细胞自噬水平逐渐增高,2小时到达最高峰,然后逐渐降低。提示：自噬在AD的发病机制中起着重要作用。     

整车风洞力/压同测实验方法研究

依托开口式整车风洞,以阶背式MIRA(Motor Industry Research Association)模型为实验对象,通过雷诺数扫掠测试,确定了力/压分测和力/压同测时气动力数据误差的变化规律;基于偏航工况下气动力的测试数据,明确了力/压分测和力/压同测时气动力数据误差的分布规律.依据计算流体力学的仿真结果,从流动机理层面剖析了误差产生的原因.最后,对力/压同测法在风洞实验中的具体实施及适用范围进行了总结.     

过程神经元网络的理论研究与仿真

过程神经元网络是一种适合于处理过程式信号输入的网络,其基本单元是过程神经元——一种新的神经元模型.过程神经元和传统神经元既存在本质区别,又有着紧密的联系,前者可用后者以任意精度无限逼近.文中首先介绍了过程神经元及其网络模型;然后,给出了过程神经元的两个逼近定理及其证明——时域特征扩展模型和正交分解特征扩展模型.基于第二个定理,给出了数值输出型过程神经网络的相关推论.针对模拟信号的仿真实验表明,过程神经网络对白噪声具有很好的抑制作用.最后,针对过程神经网络面临的主要问题进行讨论,指出了一些具有前景的研究方向.     

感受野视觉特征整合模型及应用

 采用基本ICA模拟视觉感知机制对自然图像分解得到的图像基函数在空间排列上是混乱的,这与视觉生理机制相互矛盾.模拟视皮层感受野间的信息整合机制,建立了新的计算模型.针对基于内容的图像故障区域检测问题,提出了相应的高效率少样本检测算法. 首先,以列车正常和故障图像序列作为训练数据,利用拓扑ICA方法学习图像基函数,由此得到的独立分量系数作为神经元响应,然后模拟同步振荡机制选择响应强烈的神经元,输出其对应的内容,最后通过自动对比实现图像故障区域的快速定位.实验结果表明,与传统方法相比较,引入视觉信息整合机制的新模型及其算法能够提高故障检测率.