汽车制动力动态分配控制

对汽车制动过程中的制动力分配进行控制 ,提出了转向角前馈控制原则 ,并进行了模拟分析 ,结果表明该方法对提高汽车转弯制动过程中的操纵性和稳定性是有效的。     

ADuC812在汽车制动力检测中的应用及其C语言实现方法

对汽车制动力检测系统中的数据采集及检测原理进行了分析说明。针对该检测系统介绍了一种基于51单片机内核的内嵌MCU的高精度12位数据采集系统ADuC812，给出系统的软硬件设计主要框图及流程，并探讨了系统软件C语言编程实现方法。     

汽车防抱制动系统中的制动力分配控制逻辑

主要介绍一种在汽车防抱死制动系统（ＡＢＳ）控制逻辑中采用的制动力分配控制逻辑的控制理论和控制方法。希望对从事ＡＢＳ理论研究或开发的同行有参考价值。     

液缸汽车制动力分配系数的研究

对液罐汽车在非满载工况下制动时液体质心的转移进行了分析研究。为了减小对汽车制动性能的影响，可在罐内增加横向隔板来抑制液体质心的转移。提出了液罐汽车制动力分配系数的设计方法。     

汽车前,后轴制动力分配及后轮压力滞后比例阀

本文分析了汽车前，后轴制动动力分析，滑移界限，并介绍了五菱汽车动液压调节装置，后轮压力滞后比例阀的结构，工作原理及特性曲线。     

汽车联合制动系统制动力分配的优化控制

在电涡流缓速器和汽车主制动器构成的联合制动系统中,设定了电涡流缓速器转子盘温度的限制条件,建立了联合制动系统制动力分配的优化模型,计算出制动力分配系数与道路坡度的变化曲线,拟合了两者间的指数函数关系。虚拟多坡度道路上制动过程的验证结果表明,随道路坡度变化的制动力分配系数能实现电涡流缓速器与主制动器的有机联合,使联合制动系统在长下坡道路上持续有效地工作,能充分发挥电涡流缓速器的辅助制动作用。     

CAN总线在混合动力汽车中的应用研究

在研究CAN通信协议的基础上，介绍了CAN总线技术在混合动力XL2000整车上的应用，台架试验结果表明，CAN通信完全满足整车控制系统的要求，达到了较高的性能指标。     

转鼓制动力测试及回归分析

本文分析了转鼓试验台测试汽车制动力的原理,并比较了它和滚筒反力式制动试验台测试方法的不同,设计了一组制动力测试试验,通过对数据的回归分析,实现了将转鼓测试得到的部分负荷下的制动力转化为汽车的最大制动力,从而数据满足GB7258对整车出厂制动力检测的要求,解决了生产的实际问题。     

遗传算法在混合动力汽车控制策略优化中的应用

提出了一种基于浮点数编码遗传算法的混合动力汽车控制策略参数优化新方法。以一辆实际混合动力汽车样车的逻辑门限控制策略为例，分析并建立了控制策略参数优化的有约束非线性规划模型，其目标函数包含最小化油耗和排放。提出了采用稳态进化模型和浮点数编码遗传算法的参数优化方法，用于求解一组最优的控制策略参数。仿真结果表明，该方法可以找到一组全局最优的参数，将其用作离线参数优化，可以大大缩短控制器的实车标定时间。     

CAN总线在混合动力汽车中的应用

结合混合动力汽车的特性,介绍了CAN总线及其通信协议,在对混合动力汽车CAN总线应用层协议分析的基础上,组建了CAN总线多主分布式控制技术的控制网络,并对CAN接口进行了软硬件方面的设计,最后通过硬件在环仿真对CAN通信进行了测试,结果表明CAN通信满足了混合动力汽车实时性和可靠性的要求.     

采用神经网络与模糊控制的制动需求识别

以保证车辆的制动安全性为最终目的,基于制动推杆行程传感器信号,利用神经网络算法与模糊控制算法提出了对制动需求进行识别的方法。首先采用神经网络算法与模糊控制算法完成对驾驶员制动需求的初步判断,然后通过主缸压力反馈信号对制动系统的制动动作完成程度进行预测,进而对制动需求识别结果进行持续反馈跟踪修正,以保证车辆的制动系统能够实现预期的制动效能。通过MATLAB/Simulink仿真试验与台架试验对控制算法进行了对比与验证,结果表明该方法能迅速准确地识别驾驶员的制动需求,从而为车辆的制动安全性提供保障。     

BP神经网络在教学质量评估中的应用

针对以往教学质量评估体系中存在的问题,利用BP神经网络理论建立教学质量评估的数学模型。通过对模型的训练,使网络的实际输出值与期望输出值的误差均方值最小,经仿真计算证明,该数学模型具有较好的辨识精度。     

基于BP网络的工程数据处理

基于BP神经网络的高度非线性映射特性,提出一种改进的BP神经网络及其算法,将其应用于工程图的数据处理,并通过建立渐开线齿轮齿廓线的BP神经网络模型后进行齿轮轮廓线拟合,由仿真曲线可验证此方法的有效性.     

BP神经网络的实现及应用

研究了BP神经网络的实现方法和在材料科学上的应用。BP网络经大批样本训练以后，能够对材料性能进行比较精确的预测，这有利于提高试验效率，降低试验成本。     

神经网络在磨损颗粒自动识别中的应用

引入了一套磨粒形态学描述体系，用来提取磨损颗粒的显微形态特征，然后以此为输入参数，提出了一套BP神经网络，对磨损颗粒进行自动识别分类。以很少的磨粒特征量，可以正确识别磨损类别，提高了磨损识别的效率。     

基于神经网络的切削力预报

将人工神经网络用于切削力的预测，实验证明人工神经网络能够实现切削力大小的准确预报。     

BP网络在热气机运行性能预测中的应用

简要介绍了 Ｂ Ｐ网络模型及计算方法，并将该网络用于热气机的设计阶段预测其未来的输出功率，得到了输出功率与运行条件的关系，给出了相应的图形。     

粒子群优化人工神经网络在高速铣削力建模中的应用

将粒子群优化人工神经网络理论应用于高速铣削力的建模研究中.采用粒子群算法与反向传播算法相结合的方法,对反向传播神经网络模型进行优化.用粒子群算法训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行反向传播算法运算,以实现高速铣削力的预测.充分发挥了粒子群算法的全局寻优能力和反向传播算法的局部搜索优势.仿真结果表明,与其他几种反向传播算法相比较,粒子群算法与反向传播算法的学习算法训练的神经网络,不仅训练时间明显缩短,而且其预报精度也得到了较大的提高,能够有效地建立铣削力模型,并对铣削力进行准确的预测.     

BP神经网络在某型飞机发动机故障预测中的应用

飞机发动机是飞机的“心脏”,为了确保飞机的飞行安全,就必须能够对飞机发动机的故障进行有效的预测,并及时予以排除。本文介绍了神经网络故障预测原理,给出了神经网络模型在故障预测过程中的学习算法。并将该算法应用于某型飞机发动机的故障预测中。实验结果表明：用BP神经网络进行故障预测,不仅准确度高、效率高,而且可变被动维修为视情维修,具有良好的应用前景。     

BP神经网络在财务失败预测的应用

采用了改进的BP神经网络对企业的财务状况进行了仿真预测，并与证券交易所公布的结果做比较，验证了其可靠性。