汽车自适应巡航控制跟随模式的仿真建模

自适应巡航控制跟随模式的研究是一个非常复杂的问题，大量试验分析及理论推导表明，传统的寻优控制方法难以获得满意的结果。该文介绍了自适应巡航控制及跟随模式的功能，根据模糊神经网络控制理论，详细分析了自适应巡航控制跟随模式下的距离控制，构造了适宜的五层模糊神经网络，对汽车自适应巡航控制跟随模式进行了仿真建模，推导了相应BP算法公式，并利用相关资料在Matlab环境下进行了仿真试验。分析结果表明，使用模糊神经网络技术能够取得满意的控制效果。     

一种新的模糊神经元网络学习方法

提出了一种模糊神经元网络的学习算法即利用多 层多层模糊IF/THEN规则表达专家知识的神经网络学习方法，在以此构造的基于多源信息融合的分类系统中，采用了多层模糊IF/THEN规则进行分类。为了处理模糊语言值，提出了一种能够控制模糊输入矢量的神经网络体系结构。该方法能够对非线性实间隔矢量和模糊矢量进行分类，工程实验表明，此学习算法是切实可行的。     

基于BP神经网络的天平校准数据处理方法研究

针对天平校准公式拟合法方,提出了基于BP神经网络的公式拟合方法。分析了典型的3层BP神经网络的结构,论述了其应用于天平公式拟合的可行性。讨论了常规多项式公式拟合方法以及BP神经网络的公式拟合方法,并给出了BP神经网络的训练过程和使用方法。最后通过一组天平校准数据对BP神经网络进行训练,并给出拟合结果。     

增强现实系统中磁力跟踪器的校正

提出了利用BP神经网络对跟踪器进行校正。针对神经网络训练速度慢、容易陷入局部极值的情况，首先利用具有良好全局搜索能力的遗传算法来优化BP神经网络的各层初始权值和阈值，为后续神经网络的搜索定位出一个优化的搜索空间。实验结果表明，利用该遗传神经网络方法进行跟踪器校正，能够显著提高增强现实系统的精度，有助于提高增强现实系统的真实感。     

用自联想神经网络处理发动机测量参数

自联想神经网络(AANN)采用了一种带有瓶颈层的特殊结构，且具有单位总增益。在经过大量带噪声样本的训练之后，各变量之间能够建立起内在联系。输入信息通过瓶颈层前的压缩及瓶颈层后的解压缩过程，信息中的精华将被提取，从而使人们能够利用冗余信息抑制其测量噪声。在基于发动机测量参数的故障诊断过程中，应用自联想神经网络作为滤波器对测量参数进行预处理，可以大大提高故障诊断的准确率。     

城市道路分层动态协调控制技术

为了缓解城市道路车流拥堵问题，提出了一种城市道路分层动态协调控制技术。首先将城市道路按纵向分为三层：匝道层、普通道路层和快速路主线层；然后采用BP神经网络预测下游动态临界车辆占有率，根据匝道相对排队长度和下游动态临界车辆占有率，匝道层设计了一种用于匝道子区划分的函数，将匝道层横向分为主匝道子区和从匝道子区；其次根据相邻路口关联度将普通道路层划分为不同控制子区，利用动态交通流数据修正周期公式，考虑十字交叉口驶向匝道车流量对绿信比进行调整；快速路主线层无十字交叉口不做横向分层。最后根据该分层方法确定动态协调控制算法。仿真结果表明：该分层动态协调控制方法能够有效提高城市道路协调控制范围和车辆行车速度。     

基于深度学习的航空传感器故障诊断方法

为解决传统神经网络进行传感器故障诊断时存在的过拟合、泛化能力有限等问题,提出一种基于深度置信网络观测器的航空传感器故障诊断方法。利用深度置信网络替代浅层神经网络,在优化网络结构的基础上,给出深度置信网络隐层节点数选取的递推公式,构建深度置信网络状态观测器。离线训练时,利用飞行数据训练深度置信网络观测器。在线诊断时,通过比较观测器输出值与实际输出值判断故障类型,并给出3种故障隔离与信号重构方法。仿真结果表明,与BP神经网络观测器相比,该方法能够快速准确地进行故障诊断与隔离,并且完成信号重构。     

林业应用中的通用公式系统的研究

利用可定制多层嵌套公式方法实现林业应用中的通用公式系统在林业计算方面有着广泛的应用价值,本文对可定制多层嵌套公式的计算的几个关键技术进行了讨论,提出了可定制多层嵌套公式的实现方案,并对林业应用中的通用公式系统的实现进行了论述。     

基于多尺度特征卷积神经网络的目标定位

针对实际应用中诸多数据集标签部分缺失、无定位标注等问题，提出了基于多尺度特征卷积神经网络的弱监督定位算法。其核心思想是利用神经网络分层的特性，在多层卷积层上使用梯度加权类激活映射，生成梯度金字塔模型，并通过均值滤波计算特征质心位置，利用置信强度映射和阈值梯减模块产生连接的像素段，围绕最大边界标注进行弱监督定位。在标准测试集上的实验结果表明，该算法能够在存在大量类别、多尺度图像的情况下完成目标定位，具有较高的精确度。     

有理式多层前馈神经网络

提出了有理式多层前馈神经网络的数学模型，给出了有理式多层神经网络的学习算法，就计算复杂度而言，有理式神经网络的学习算法与传统的多层神经网络反传播算法是同阶的，函数逼近应用实例结果表明，将有理式多层神经网络用于解决传统问题是有效的。     

一种新的高分辨率常规声波测井系统

高分辨率声波测井对于划分薄油气储层具有重要作用。为解决通过增加声波接收探头提高常规声波测井仪器分辨率这种方法带来的工作模式复杂、投入成本高等问题,根据信号稀疏表示理论,在分析常规声波响应信号采集原理的基础上,构建相应的信号稀疏变换矩阵,在实际测量值构成的观测矩阵的约束下,采用基追踪优化算法,求解稀疏表示系数,得到反映原始薄地层的高分辨率声波测井信号。地层模型仿真与SL油田4口井实际资料处理的结果表明,高分辨率声波信号与地层模型的平均误差为2.41%,且与裸眼井微电极曲线具有良好的薄层对应性。同时,将软件算法植入SL6000型的地面数据采集处理DSP模块,形成新的高分辨率常规声波测井系统。结果表明,此方法较传统方法在不添加任何硬件装置的情况下,同样具备较强的薄层分辨能力,因此具备更大的推广应用价值。     

声波测井圆环阵指向性设计

常规的单极子发射声波没有指向性,能量损失过多,用模态分解的方法设计出合适的阵列加权系数,就可以控制圆环阵的辐射主瓣角宽和旁瓣级,以利于在任意地层中有效激励滑行纵横波和减少能量损失.通过comsol有限元软件对圆环阵声波辐射数值模拟的例子,分析了圆环阵的辐射指向性对声波测井中各种模式波的接收幅度和到达时间的影响.结果表明,只要在圆环阵的各阵元上施加合适延迟时间合适幅度的激励信号,就能根据不同的实际情况设计出各种主声束的宽度和方向.圆环阵的使用可明显地改善声波测井的测量质量,为声波辐射器在石油勘探中的应用提供一定理论依据.     

一种基于计算智能的油气层识别方法

油气层识别是测井解释的一项主要任务,现今采用基于统计学理论的常规识别方法本身存在不少缺点因而在应用中无法取得理想的效果。为此提出了一种基于粗集和神经网络的智能识别方法,先用粗集理论约简样本信息,然后采用带有非线性连接权的神经网络来识别油气层。通过塔里木油田实际油井的应用,结果表明这种识别方法的准确率远高于常规方法,且效果显著。     

Flood forecasting at the Dadu River in China based on ANN

Mappings of the stimuli effects and the input and output estimates of artificial neural networks (ANN) are obtained via combinations of nonlinear functions. This approach offers the advantages of self‐learning, self‐organization, self‐adaptation, and fault tolerance as well as the potential for use in flood forecasting applications. Furthermore, the ANN technology allows the use of multiple variables in both the input and output layers. This capability is very important for flood calculation because the stage, discharge, and other hydrological variables often are functions of many influential variables. Herein, we propose a flood forecasting system with related application, based on ANN. This method offers better performance and efficiency.     

智能声波测井仪无线测位系统设计及自动测井方法的实现

为实现工程现场方便快速地检测岩层结构的地质特征,开发了一款自动测量声波测井仪井下位置信息的无线测位系统.硬件部分以STC89C52为主控制器,测量出编码器的位移脉冲信息,通过无线串口把位置信息实时传送给基于Windows操作系统的上位机;软件部分由C语言及LabVIEW虚拟仪器控制,实现土位机与无线测位系统的通信及测井仪信号的分析处理;还提出了一种自动测井方法,使测井仪在使用过程中,自动采集声波数据.工程实际应用表明:此系统测量精度高、响应速度快,能够准确地记录位移信息;此方法能够自动控制测井仪采集声波数据,且人机交互界面友好,信息显示直观、易读取.该系统已应用于天鸿检测科技有限公司研制的TH301型测井仪中.     

方位远探测声波反射波成像测井仪研制与应用

为了更准确地描述碳酸盐岩储层的非均质特征,基于方位反射声波测井原理和相控接收技术研制了具备一定方位识别能力(22.5°)和超远探测距离(40 m)的方位远探测声波反射波成像测井仪.该仪器采用了高度集成化的有源式承压结构设计,电路集成于声系内部并直接承压,抽取部分采集的海量数据进行上传而其余大量数据则直接存储在仪器中.仪器研制成功后在塔里木油田完成了多口井的测井任务,并准确探测到了裂缝距离井轴的距离和方位,为仪器更进一步推广应用打下了基础.     

基于DCT的阵列声波测井数据压缩算法

阵列声波测井是目前一种重要的测井方法.但由于它产生的数据量较大,加之电缆传输速度的限制,测井效率会因此受到影响.为提升测井效率,有必要对原始声波测井数据进行压缩处理.通过分析声波信号的特点,提出了采用DCT+适当量化+算术编码的压缩方法,并根据实际波形的测试结果对压缩方法进行了一系列改进.通过对660组真实测井数据的测试,得到了对于672个点的单极声波数据平均4. 56的压缩比,对于1 200个点的偶极声波数据平均9. 18的压缩比,均方根误差在2%左右,证实了该方法的有效性.     

An efficient hybrid solution for pronouncing Farsi text

This paper presents a hybrid Artificial Neural Network (ANN)/rule-based phoneme synthesizer for Farsi text. A new variable called Vowel State (VS) is also introduced which efficiently decreases the size of computations. The proposed system uses VS along with the written form of the words to determine their pronunciation. Some rules are also applied to the system to decrease network interconnections. These rules are performed in the Normalization Unit and the Phoneme Extraction Unit before and after the ANN. A multilayer perceptron with 48, 90 and 3 neurons in the input layer, hidden layer and output layer respectively is chosen to determine the Vowel State of each letter. Each letter in a word enters the ANN in the heart of a window in order to recognize the VS of the letter. An asymmetric 8-letter windowing is suggested; 3 letters before the letter along with 4 letters after it enter the ANN as the input. For training and testing the system, 2359 words are extracted from some online available resources. The results of test show that using 65% of the corpus as training set and testing over the entire corpus gives the result of 84% correct answers for the ANN, and 90% correct answer for the entire system considering additional rules. The performance index of the ANN increases to 88, 92, 98 and 99 percent when the percentage of the training set increases to 75, 85, 95 and 100, respectively. The system also shows the performance of 93% correct answers on an independent word database. The proposed hybrid ANN/rule-based method imposes small size of calculation in comparison with similar systems. In this system, the output of ANN is a 5-value variable Vowel State instead of numerous phonemes. This fact decreases the neurons in the output layer of ANN considerably. Besides, adding some rules before and after the network helps to increase performance. The overall system shows a decrement of 70% in the size of computations comparing with other reported approaches.     

随钻中子地层孔隙度测量装置设计

传统碾米机靠操作员视觉感官来判断碾米性能,不能实现碾米机的智能自检,其识别精准度差。针对传统碾米机识别精度和智能化程度低等问题,设计了光电监测碾米机性能的在线监测系统,提出了以一种低廉价格芯片STC89C52为微处理器,以硅光电池作为光电传感器对物料品质进行信号采集。工作过程中能周期性计算碾米机碾米性能,根据其效率为碾米机的转速、碾白间隙、进出口流量等提供调整策略。经试验分析,该系统识别准确率可达99.5%以上,同时也为粮食品质检测的数字化、智能化提供了一种新方法。     

复合材料层合板低频声辐射优化

为使复合材料层合板低频声辐射性能最优,根据无限域声场的特点,介绍将有限元与无限元耦合进行声辐射性能分析的理论和方法,采用2个算例验证该方法的有效性.将有限元软件Abaqus与数值优化软件Isight相结合完成复合材料铺层角的优化,并提出逐层优化的思路.以含有8层单层板和1层阻尼芯层的复合材料层合板为研究对象,以铺层角为设计变量,采用逐层优化方法(layer-wise optimization method,LOM)优化层合板的声学性能,并分析阻尼芯层对层合板声辐射的影响.结果表明:合理的铺层角可以提高复合材料层合板的1阶固有频率,达到减少声辐射谱峰数量和降低辐射声功率的效果;增加阻尼芯层可以抑制声辐射谱峰,有利于提高层合板的低频声辐射性能.