Novel Approach to Integration of Numerical Modeling and Field Observations for Deep Excavations

Precedent and observation of performance are an essential part of the design and construction process in geotechnical engineering. For deep urban excavations designers rely on empirical data to estimate potential deformations and impact on surrounding structures. Numerical simulations are also employed to estimate induced ground deformations. Significant resources are dedicated to monitor construction activities and control induced ground deformations. While engineers are able to learn from observations, numerical simulations have been unable to fully benefit from information gained at a given site or prior excavation case histories in the same area. A novel analysis method, self-learning in engineering simulations (SelfSim), is introduced to integrate precedent into numerical simulations. SelfSim is an inverse analysis technique that combines finite element method, biologically inspired material models, and field measurements. SelfSim extracts relevant constitutive soil information from field measurements of excavation response such as lateral wall deformations and surface settlement. The resulting soil model, used in a numerical analysis, provides correct ground deformations and can be used in estimating deformations of similar excavations. The soil model can continuously evolve using additional field information. SelfSim is demonstrated using two excavation case histories in Boston and Chicago.     

基于神经网络的信息收集机器人导航界面

采用任务分派型策略远程导航一个坦克型救援机器人，为某化工厂在灾难发生时收集危险信息。远程人员用鼠标点击目标图像给出导航任务。系统自动计算目标方位，并规划路径，发出底层命令，将机器人移动到目标位置。系统采用BP神经网络技术，从被点击的目标图像在窗口中的位置求解目标的世界坐标。实验结果表明，基于神经网络的导航界面能够很好地实现远程人员分派的导航任务。     

模糊控制的现状与发展

文章简要介绍了模糊控制的概念和特点，并对模糊控制的原理作了说明，较详细的介绍了模糊控制的现状，包括模糊PID控制、自适应模糊控制、神经模糊控制、遗传算法优化的模糊控制、专家模糊控制等，还介绍了一些模糊控制的软硬件产品，对模糊控制系统的稳定性作了简单介绍，最后对模糊控制的发展作了展望。     

人工神经网络专家系统在门窗选型中的应用

本文提出了一个将神经网络专家系统的设计思想引入门窗选型过程的应用模型,从而提高了门窗选型的合理性,也充分发挥了神经网络及专家系统的各自优点。文中主要介绍了基于神经网络专家系统的门窗选型模型的结构和推导过程,此模型在实际应用中确实取得了令人满意的效果。     

车牌识别系统的设计与实现

针对某市电子警察的需要设计了车牌识别系统。本方案选用的是基于小波变换的车牌定位和基于改进的BP神经网络的字符识别。用该方法构造的车牌识别系统识别率高、识别速度快、车牌定位准确，在实际运用中取得了良好的运行效果。     

汽油机不同暂态燃油补偿模型的比较

通过对三种暂态燃油补偿模型（TFC）的剖析，并在相同条件下对每个模型进行仿真，提出了基于模型的TFC和基于神经网络（NN）时，模型选取的方法和需要考虑的问题。     

模糊优选递归神经网络模型及其在水利水电投资项目评价中的应用

在模糊优选BP神经网络模型上,加入反馈信号及偏差单元,生成递归神经网络.其基本思想是通过对前馈神经网络中加入附加的、内部的反馈通道来增加网络本身处理动态信息的能力.将该模型用于水电投资项目的评价,所得结果与其它方法所得结果相比较,对该方法用于水利水电投资项目的评价的有效性进行了说明.     

基于模糊神经网络的永磁同步电动机矢量控制系统

该文提供了一种基于自适应模糊神经网络的永磁同步电动机（PMSM）矢量控制系统速度控制器的实施方案。模糊神经网络控制器（FNNC）包括神经网络控制器（NC）和模糊逻辑控制器（FC）两部分，它同时具有神经网络自学习能力和模糊逻辑在处理不确定信息方面的能力。人工神经网络（ANN）的初始权值和阈值通过离线训练的方式获得。在实际的运行过程中，利用模糊控制器的输出对神经网络的权值和阈值进行实时调整。仿真结果表明利用所提出的模糊神经网络来建立永磁同步电动机矢量控制系统的速度控制器，当电机参数改变或者受到外部扰动时，系统具有良好的动态特性。     

小波包能量熵神经网络在电力系统故障诊断中的应用

提出了一种基于小波包能量熵神经网络的电力系统故障诊断方法。对采集到的故障后电压信号进行3层小波包分解,提取小波包能量熵,然后构造信号的小波包特征向量, 并以此向量作为故障样本对3层BP神经网络进行训练,实现智能化故障诊断。ATP和Matlab仿真结果表明该方法有效可行。     

供应链多风险组合的综合评估及风险管理

分析了供应链风险来源，探讨了基于独立风险的供应链多风险的综合评估法，建立了求解多个风险的总损失分布函数的模型，并通过实例分析了供应链总体风险状况，最后提出了供应链风险防范的措施。