首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 734 毫秒

1.  智能型汽车安全气囊点火控制算法  
   吴亮亮  凌旭《重庆理工大学学报(自然科学版)》,2013年第8期
   汽车在行驶的过程中,由于对外界环境状态的判断失误,安全气囊常存在漏爆、误爆等问题,从而引起不必要的人员伤亡和财产损失。针对该问题,应用神经网络与模糊控制理论建立数学算法模型,确定安全气囊的精确点火时刻。将实验仿真与实际测试相结合得出实验数据,为安全气囊的精确点爆提供了技术支持。    

2.  神经网络模型在预测Ni-Al系热爆点火时间中的应用  
   穆柏春  李强  于景媛  唐立丹《材料科学与工艺》,2004年第12卷第5期
   基于人工神经网络的原理,对热爆法制备Ni-Al系金属间化合物中的控制参数进行了研究,选取了加热速率、颗粒尺寸、压坯密度三个参数,通过对此参数的调控可以影响热爆反应的点火时间及反应过程.本文采用BP算法来训练网络,对热爆反应中的过程参数与热爆点火时间的映射关系进行了函数逼近,建立了热爆点火时间的神经网络模型.根据该模型可以预测热爆的点火时间,为控制热爆反应加压过程提供了可靠的依据.    

3.  基于卡尔曼滤波的风速序列短期预测方法  被引次数:3
   修春波任 晓李艳晴等《电工技术学报》,2014年第2期
   分析了卡尔曼滤波在风速序列预测分析中的应用机理,构造了用于风速序列预测分析的迟滞神经网络,并采用卡尔曼滤波方法将其与ARMA模型相融合,实现了风速序列的混合预测。通过修改激励函数的方式将迟滞特性引入神经网络,网络的权值采用梯度寻优的方式确定,迟滞参数利用遗传算法进行确定。系统的状态方程采用ARMA模型建立,将迟滞神经网络对风速序列的预测结果作为测量方程的测量值。混合预测方法能减小单一预测机制造成的同一性质误差的累积。仿真实验结果表明,迟滞神经网络的预测性能优于传统BP神经网络,而混合预测方法的预测性能优于单一预测方法。    

4.  基于模糊决策与神经网络的安全气囊触发控制算法  被引次数:5
   黄恺  李雷  张德强《中国机械工程》,2003年第14卷第10期
   为解决汽车安全气囊适时、正确触发问题,将模糊逻辑与人工神经网络技术引入汽车安全气囊触发控制算法研究。整个判别系统以加速度序列为输入数据,5层人工神经网络为运算模型,经过特征提取、模糊量运算、结论性判定等步骤,最终以加速度与速度变化量为判别依据,提出了便于实施、运行可靠的控制算法并完成了相应的软件设计。整个算法具有运算量小、误判率低、所需训练样本数量少等特点。仿真结果证明了算法的有效性。    

5.  基于BP神经网络的气囊点火算法模型  
   刘杰 孙吉贵 李红建 潘作峰 王昌斌《吉林工业大学学报》,2008年第38卷第2期
   通过建立完整的车体-乘员-约束系统仿真分析模型,将BP神经网络模块嵌入到仿真分析流程中,在产品开发阶段实现了气囊点火算法的验证。本算法模型在对网络进行训练的基础上,以不同碰撞速度的正面刚性墙碰撞分析模型为研究对象,建立了车体加速度与乘员位移之间的数学模型,实现了随机输入车体加速度曲线即可获取乘员位移曲线,计算结果与仿真分析结果吻合,为进一步研究气囊点火优化算法奠定了基础。    

6.  基于BP神经网络的气囊点火算法模型  被引次数:3
   刘杰  孙吉贵  李红建  潘作峰  王昌斌《吉林大学学报(工学版)》,2008年第38卷第2期
   通过建立完整的车体-乘员-约束系统仿真分析模型,将BP神经网络模块嵌入到仿真分析流程中,在产品开发阶段实现了气囊点火算法的验证。本算法模型在对网络进行训练的基础上,以不同碰撞速度的正面刚性墙碰撞分析模型为研究对象,建立了车体加速度与乘员位移之间的数学模型,实现了随机输入车体加速度曲线即可获取乘员位移曲线,计算结果与仿真分析结果吻合,为进一步研究气囊点火优化算法奠定了基础。    

7.  基于ARMA-BP神经网络模型的风电功率预测研究  
   付晓舰  刁述祥  周鑫  王飞《西华大学学报(自然科学版)》,2012年第31卷第3期
   结合ARMA时间序列预测模型和BP神经网络预测模型的优点,构建ARMA-BP神经网络混合模型,对风电功率预测问题进行研究。采用构造性神经网络模型得出的类别值对统计时间序列模型的预测值进行修正,提高了风电预测的精度和效率。    

8.  人工神经网络在电力系统短期负荷预测中的应用  被引次数:5
   罗仲达  关治洪《湖南电力》,2002年第22卷第2期
   为准确预测电力系统短期负荷,针对BP神经网络的固有缺陷,改进了基本BP算法,并采用遗传算法设计和优化神经网络结构参数,在此基础上建立了工作日负荷预报模型和假日负荷预报模型。负荷预测仿真表明,本文所提出的算法在预测精度和收敛速度方面均得到了改进。    

9.  基于模糊决策与神经网络的汽车安全气囊多级触发控制算法  
   陈霞 黄恺《辽宁工学院学报》,2003年第23卷第6期
   建立了安全气囊触发控制的模糊神经网络模型,通过编程训练使其识别不同碰撞强度,实现安全气囊的多级触发。安全气囊多级触发可减免低速碰撞双气囊同时触发造成的经济损失和气囊触发对乘员造成的冲击伤害,同时高速碰撞时双气囊同时触发加强对乘员的保护,使控制算法适应安全气囊智能化发展的要求。    

10.  基于遗传算法和BP神经网络岩爆预测  
   胡敏  陈建宏  陆玉根《矿业研究与开发》,2011年第5期
   将BP神经网络与遗传算法相结合,使用遗传算法优化神经网络的权值和阈值,然后用BP算法训练网络,避免了单独使用BP神经网络训练时易于陷入局部极小值的问题,建立了一种新的岩爆预测模型。采集国内外具有代表性的一些岩爆案例作为BP训练样本,将样本数据经过多次迭代之后,达到指定误差停止训练,利用训练好的模型对某铜矿部分岩爆进行预测,预测结果与实际岩爆等级一致。    

11.  BP神经网络短时交通流预测模型研究  
   蔡常俊《福建电脑》,2015年第3期
   通过对比分析短时交通流预测模型,本文对BP神经网络的基本原理进行了分析,对BP神经网络算法进行设计,建立了基于BP神经网络的短时交通流预测模型。同时将其应用于短时交通流预测模型的仿真计算,利用某市路口的实测交通流数据来验证模型的可行性。仿真结果表明,BP神经网络算法具有较快的计算速度与较好的适应能力,该方法可以较好地应用于短时交通流预测。    

12.  基于神经网络的热气机功率预测  被引次数:1
   王灵敏  宋希庚  薛冬新《振动.测试与诊断》,2002年第22卷第2期
   为了有效地分析热气机的输出功率与运行条件的,介绍了人工神经网络BP模型、多元回归模型及基于神经网络的组合模型,并将各模型用于热气机的设计阶段预测其输出性能,由实例给出了各模型计算机仿真试验结果,比较了BP算法和组合模型算法的收敛速度,结果表明基于BP网络的组合模型的预测精度最高。    

13.  基于灰色BP神经网络的汽车物流需求量预测模型  
   高菲菲《中国新技术新产品》,2011年第18期
   本文利用BP神经网络理论和灰色预测法,针对汽车物流行业特点,建立了灰色BP神经网络预测模型,并对某汽车企业某车型整车物流量进行了预测。结果表明:所设计的模型在汽车物流需求量预测应用中能达到良好的拟合精度及预测精度。    

14.  基于PSO-BP算法的神经网络模型预测策略研究  
   王语园《电子质量》,2012年第3期
   在非线性模型预测中,往往难以获得精确的非线性数学模型,从而对预测精度造成一定的影响。该文将粒子群算法与BP算法相结合,提出了一种PSO-BP算法,改进了BP算法的不足,并将其应用于神经网络模型预测当中,提高了非线性模型预测的精度。    

15.  BP神经网络在岩爆预测中的应用  
   李永松  尹健民  艾凯《长江科学院院报》,2008年第25卷第5期
   综合考虑围岩产生岩爆的内外在因素,采用地应力大小、岩石抗压和抗拉强度、岩石弹性能量指数等参数作为指标,建立了BP人工神经网络岩爆预测模型.将国内外具有代表性的工程实例作为样本,以提高网络的泛化能力;采用Levenberg-Marquardt算法来训练BP神经网络,以提高效率.实例表明,采用本文所给出的BP神经网络模型预测结果与实际情况相符,说明了此模型的有效性.    

16.  基于改进BP神经网络的基坑支护结构数据处理  
   袁建刚《山西建筑》,2014年第10期
   针对现有的基坑监测和预测数据处理方法的不足,对BP神经网络预测模型作了研究和改进,应用改进后的BP算法对基坑支护结构水平位移数据进行处理,并将改进的BP算法与传统算法所建立的模型应用于工程实例进行比较,结果表明,改进后的BP神经网络模型在预测精度、训练时间、稳定性等方面均优于传统BP神经网络模型。    

17.  基于改进BP神经网络的煤与瓦斯突出预测系统  
   王社国  田志民  张峰  武莎莎《工矿自动化》,2014年第5期
   针对传统BP神经网络收敛速度慢、易陷入局部极小等问题,采用Matlab神经网络工具箱中的自适应学习率VLBP算法和基于数值优化技术的LMBP算法对传统BP神经网络算法进行改进,并设计了基于改进BP神经网络的煤与瓦斯突出预测系统;分别采用传统BP神经网络模型和改进的BP神经网络模型进行煤与瓦斯突出预测实验,结果表明改进的BP神经网络能够更快、更准确地预测煤与瓦斯突出。    

18.  基于BP神经网络的隧道岩爆预测模型研究  
   樊永攀《山西建筑》,2009年第35卷第19期
   在分析岩爆主要影响因素的基础上,建立了基于BP神经网络岩爆预测模型,采用已有岩爆发生数据作为训练样本对网络进行训练,利用收敛的网络进行岩爆烈度预测,预测结果与实际吻合,说明利用人工神经网络预测岩爆发生烈度是一种可行的方法。    

19.  基于改进BP神经网络的预测模型及其应用  被引次数:24
   王钰  郭其一  李维刚《计算机测量与控制》,2005年第13卷第1期
   对BP神经网络的结构及其训练算法进行了研究,并针对传统BP算法的缺陷,提出了一种采用L—M算法的改进BP神经网络。在此基础上建立了基于改进BP神经网络的非线性系统预测模型,并通过具体的仿真及实践结果验证了改进BP神经网络的有效性。    

20.  基于蚁群改进BP算法的组合预测模型  
   李连  孙聪  苏涛《四川兵工学报》,2012年第33卷第9期
   针对非线性预测工作中难以保证精度的问题,提出了基于蚁群改进BP算法的组合预测模型。先利用灰色预测方法和自回归滑动平均模型(ARMA)时序预测利用历史数据进行初步预测,将初步预测结果作为蚁群改进BP网络的输入。通过仿真比较其与单一预测算法以及传统线性组合预测方法之间的优劣。仿真结果表明,基于蚁群改进BP算法的组合预测模型能够明显地提高预测精度。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号