基于GPS／INS紧耦合的神经网络辅助滤波算法

以GPS／INS紧耦合组合导航系统为研究对象,设计了一种GPS／INS自适应滤波算法。针对扩展Kalman滤波存在的对模型较大的系统误差估计性能较差和系统估计精度不高等问题,采用RBF神经网络辅助EKF导航滤波器,实现自适应的导航参数解算。仿真结果表明,采用了辅助滤波器的算法比扩展Kalman滤波算法所获得的导航精度和...     

CMAC改进算法在电动负载模拟器的应用

在电动负载模拟器的控制系统设计中,其参数优化一般需要大量试验.根据负载模拟器的工作原理建立了伺服电机的数学模型,在分析CMAC神经网络控制结构的基础上,引入了更新系数和补偿环节,提出了一种基于CMAC神经网络的改进算法.对各控制参数进行了寻优,获得了参数的选择域.通过对系统的数字仿真表明,该方法可稳定地跟踪非线性输入,...     

基于一维距离像的抗箔条干扰算法研究

对箔条进行有效识别是对抗雷达箔条干扰特别是冲淡式干扰的关键。阐述了箔条干扰的原理,分析了舰船和箔条一维距离像的波形稳定性、距离像分布及相邻距离像相关性等差异,提取了距离像峰值点位置熵、距离像分散性以及相邻距离像相关系数三个目标特征,构造了BP神经网络识别器并完成了相应的参数设计以实现目标识别。利用真实数据进行了舰船和箔条的目标识别实验,结果表明该算法识别率高,收敛速度快,便于工程实现,具有较强的应用价值。     

基于改进BP神经网络的数字识别

针对BP(Back Propagation)神经网络易陷入局部极小、收敛速度慢的缺点,提出了一种新的BP神经网络改进算法.与标准BP算法比较,该系统通过结合附加动量法和自适应学习速率形成新的BP改进算法.附加动量法虽然可以使BP算法避免陷入局部极小,但是对初始值的选取比较敏感,而且选取合适的学习速率比较困难.而自适应学...     

基于改进AHP算法的某武器质量评估研究

武器的质量评估是其研制和维护过程中的重要环节,在定期检验次数有限的情况下,质量评估的精确率一直是影响战斗力生成的瓶颈。以层次分析法（AHP）递阶层次思想为主导,基于BP神经网络,结合指数评估法,提出了质量评估的一种改进算法：基于层次分析的神经网络算法,并给出了建立模型的方法和步骤,模型有效解决了精确率在武器质量评估中的...     

基于神经网络的盾构机掘进隧道地表沉降预测

人工神经网络具有极强的非线性映射能力。文章利用神经网络的特性,建立基于神经网络的盾构机掘进隧道地表沉降预测模型,并选取实际的工程数据作为学习训练和预测样本,利用该模型进行学习和预测。研究结果表明,在盾构机掘进隧道地表沉降预测问题上,该方法具有很好的适应性和较高的精度。     

地下空间系统品质评估-公共交通站

对于人口密集的市区,地下公共空间已经成为了一个重要的公共领域。在释放地面交通压力,为公共交通运输网络提供更多的空间,减少噪音并提高空气品质,保留更多的城市绿化地,同时通过对空间功能的集中和有效应用来缩减距离等方面,公共空间具有提高市区环境的潜力。如此一来,我们需要对地下空间品质的设计和评估创建一个更为系统的方法。对地下空间设计最具影响的几个方面包括：易用性和周围环境;定位和路线搜索;空间比例,与外部的联系,自然照明和人工照明;材料和颜色;噪音水平和空气品质。这些方面的共同点是,它们都非常主观,而问题在于怎样为这些主观的因素提供客观的测量。文章将为这些因素的持续测量提供一种方法,此方法可以融合到决策支撑体系中,此体系能够指出地下空间现存问题并为建筑设计新的地下空间提供支持。文章将重点讨论地铁站设计。用于数据优化的数据分析将通过神经网络法完成（2001 Elsevier科学股份有限公司版权所有）。     

基于神经网络的连续刚构桥施工线形控制参数预测研究

结合白果渡嘉陵江大桥施工线形控制的具体实践,采用BP神经网络进行连续刚构桥施工线形控制中的参数识别及预测工作。基于影响桥梁线形主要参数的截面尺寸、距离及标高建立神经网络系统,并对其进行计算训练样本、训练神经网络和网络仿真分析。运用神经网络仿真分析进行连续刚构桥施工线形的具体方法是,先计算当前施工状态的标高,再预测下一节段的标高。经过往复循环,逐一进行节段预测调整,从而指导连续刚构桥顺利施工。网络学习及仿真预测结果表明:该法对数据的处理及预测,在操作简单的基础上,分析结果具有较高的精度。该结论可推广到采用悬臂法施工的连续梁桥、拱桥、斜拉桥等桥型的施工线形控制工作及研究。     

BP人工神经网络模型在建筑物沉降预测中应用

以BP人工神经网络模型为基础,建立预测模型,以小区某栋建筑物l期～8期的沉降观测数据为输入数据和输出数据,对网络模型进行训练,并对9期～12期实际观测值与预测值进行了比较,结果比较理想,从而验证了采用BP人工神经网络模型进行建筑物沉降的预测是可行的。     

基于神经网络和柔度曲率的简支梁损伤识别

将神经网络和柔度对角曲率结合起来,得到一套简支梁智能损伤识别方法,对一经典简支梁模型进行了损伤识别,并且在损伤单元数量未知情况下,准确识别出了其损伤位置和损伤程度。