开关磁阻电机驱动系统的神经网络辨识

从理论上分析了神经网络辨识系统的可行性 ,提出了一种运用神经网络参数估计对开关磁阻电机驱动系统进行辨识的方法 ,并应用这种方法对系统进行了仿真分析 ,从理论和仿真结果均证明了这种基于神经网络辨识方法应用于开关磁阻电机非线性系统的可行性和可靠性     

基于模糊自适应的BP神经网络动态行驶车辆车长测算

在对绿色通道检测系统实测大量数据分析及实验研究的基础上,提出了一种在车辆动态行驶过程中运用BP神经网络进行车长测算的方法。该方法通过模糊自适应的方式调节BP神经网络的学习率以加快算法的收敛速度。本文将该方法应用于吉林省省际收费站的绿色通道检测系统中,通过对绿通车辆大量的实车数据的测试与验证,结果表明本文所提测算方法能够有效地提高在车辆动态穿行过程中车长的测算精度。     

汽车起动机电磁开关动态行程分析

详细介绍汽车起动机电磁开关工作过程、电磁开关性能测试实验台的结构以及测试过程.根据汽车发动机实验台架采集的负载电流数据,在电磁开关实验台上进行实验;根据气隙值,测出对应的电磁力和弹簧力;根据实验数据作出力学特性匹配图,分析阀芯工作时受力状况.为电磁开关设计人员修改设计参数提供数据支持.     

气动高速开关阀动态压力特性仿真与试验研究

为解决传统方法存在的高速开关阀动态特性获取困难及实用物理意义不明确等问题,提出了以控制腔压力转折点为标志,以开关压力传递延迟时间与充放气过程压力建立时间来描述高速开关阀的动态压力特性.基于高速开关阀的电磁、机械、气体传动3个组成模块建立了数学模型,通过Matlab仿真对阀控压力腔容积大小、阀芯横截面积等影响高速开关阀动态压力特性的因素进行了分析,并研制了一高速开关阀动态压力性能测试平台以验证数学模型的正确性.试验与仿真结果吻合,表明所建立的模型和测试系统是有效的.当管路长径比为10~15时,阀控腔动态压力特性可以较好地反映阀芯开启与关闭延迟时间.     

接近开关操作频率智能检测系统的研究与开发

鉴于接近开关操作频率检测的单一性、随机性和低效率、误差大等问题,将现代控制技术、高精密传感器技术和计算机网络等技术相结合,研制了接近开关操作频率智能化检测系统.通过智能测试系统的软、硬件设计及实现方法,以及系统中所开发的智能定位模块结合现代传感与控制技术,完成了对试品的准确定位及通断测试.检测系统用于现场调试时,取得了较好的测试结果,有效地提高了接近开关操作频率的检测效率.     

基于响应面模型的织物开关结构参数与导通压力的关系

对影响织物开关导通压力的3个因素进行单因素显著性分析,得出上导电层宽度、下导电层导电材料组织点数、支撑部分纱线细度这3个因素对织物开关的导通压力有显著性影响.选取这3个因素为变量,以导通压力为响应目标,采用Box-Behnken试验设计方法,建立了试验变量与优化目标之间的关系式,并验证了关系式的准确性.     

测试井数据资料的数据清洗技术研究

针对测井和试井资料中存在数据质量的问题,提出了一种基于聚类分析和神经网络预测技术的数据清洗新方法.该方法首先检测测试井数据中存在空缺项的记录数据,对无空缺数据项的记录数据采用模糊聚类分析技术进行数据分类,再对各类数据分别进行蚁群聚类分析和神经网络学习并矫正噪声数据.将该数据清洗方法运用到试井分析中进行检验,取得了良好的效果.为提高测试井数据质量进行正确的解释评价提供了保证.     

轿车车门闭合力测试系统研究

随着汽车技术的不断发展,汽车的各项性能指标也在不断提高,开关车门的难易程度成为衡量汽车质量的重要标准之一.车门闭合力测试系统可以为评价车门闭合力提供参考,为进一步评价车门性能以及车门和密封条结构有限元理论分析和实验提供参考标准.对车门闭合力测试方法进行了研究,设计了车门闭合力测试系统,对于分析车门结构、车门密封性和车内噪声等具有重要意义.仿真和实验表明,系统具有结构简单、使用方便、测试精度高等特点,可以为提高汽车车门关闭性能的测试提供重要的帮助.     

汽车前悬架隔振性能的实验分析与神经网络辨识

给出了汽车隔振基本原理.采用汽车制动-悬架隔振效率实验台获取了实验汽车前悬架的振动曲线,对其计算了系统参数如一阶固有频率和阻尼比.以实测数据作为学习样本,对汽车前悬架的系统参数进行辨识.结果表明,利用神经网络可以更好的研究汽车前悬架的隔振效能.     

基于模糊神经控制的EPS系统设计

为提高自动驾驶过程中汽车转向的轻便性和鲁棒性,建立了自动驾驶汽车的EPS系统模型,提出了基于径向基神经网络的辅助特性曲线模块和模糊神经网络PID控制算法,并运用Matlab/Simulink和Carsim建立整车联合仿真.结果表明：基于径向基神经网络的辅助特性曲线平滑度更高,为后续整车仿真精确性提供了良好的基础,且基于模糊神经网络PID的EPS系统比常规神经网络PID控制系统更优,对自动驾驶汽车的EPS系统设计具有重要意义.     

智能变频恒压供水系统设计及实现

智能变频恒压供水监控系统由PLC、变频器、计算机组成,设计时将BP神经网络控制策略寓于变频控制之中,实现PID参数在线调整.     

基于电力载波通信的铁路道岔转辙机液压检测

电力载波通信是以现有的电力电缆为载体实现数据交换的一种通信方式。随着网络通信技术的发展,这种由于不需要铺设通信专线,且可以有效降低系统的运行成本的通信技术开始在工业自动控制领域获得应用。针对现有铁路道岔液压转辙机油压检测方法存在的不足,设计了一种基于PL3201电力线载波扩频通信的铁路道岔转辙机液压检测系统,实现了对铁路液压转辙机健康状况的实时在线监测。     

基于神经网络的非线性模型辨识

在分析了影响多层前馈神经网络泛化性能各项因素的基础上,应用BP网络对一个微型锅炉非线性对象进行了模型辨识,以建立该系统的预测模型.在辨识过程中注意采用泛化方法解决样本数据采集和网络结构确定方面的问题,利用贝叶斯正则化方法训练神经网络,以保证在满足训练精度的要求下,网络还具有较好的泛化性能.通过选取一组数据对辨识结果模型进行测试,结果表明所辨识出的对象模型能够较好地表现出对象的动态行为,且具有较好的泛化性能.     

多纤复用环形国际海光缆故障影响统计算法

运用神经网络分类方法对海缆故障进行分类,在不需要了解海缆倒换机制和海光缆通信原理条件下,通过神经网络自身的学习机制自动形成所要求的决策区域,建立适当的数学模型,实现故障电路的统计.算法充分利用了神经网络在模式识别和故障诊断方面的优势,解决了海缆故障分类问题,尤其是复杂故障情况下的故障分类问题.神经网络概念的引入不仅解决了环形海缆系统在复杂故障情况下的故障统计问题,而且为神经网络解决通信领域中的其他难题带来了希望.     

新型射流泵装置及其智能控制的研究

提出了具有泵及减压阀两用的新型射流泵装置及其自动控制系统 ,利用流体力学基本理论及准二维分析方法 ,建立了装置的数学模型 ,采用神经网络及专家系统交互处理方法进行优化控制 ,在大量的实验数据基础上 ,研制了新型射流泵装置计算机智能型控制系统 .     

基于稳健神经网络的CMOS电路开关级设计

基于数字电路开关级设计的优越性、稳健布尔神经网络和开关级电路结构的相似性,提出了一种基于稳健布尔神经网络的互补金属-氧化物半导体(CMOS)晶体管电路的开关级设计方法.该方法通过神经元激活函数推导开关级电路的开关函数,同时引入神经网络中卡诺图化简和最小项限制的化简方法.所得电路可以和传统的开关级电路相吻合,电路结构清晰,并进一步减少了金属-氧化物半导体(MOS)晶体管的数目.     

燃料电池空压机的建模及仿真

空压机的工作参数直接影响燃料电池的性能.为了控制空压机的压力,建立了空压机的压力控制模型,用RBF神经网络和Elman神经网络分别对同一组实验数据进行了拟合分析.仿真结果表明,空气压力控制系统采用RBF神经网络的空压机辨识模型,实时性好,偏差小.     

模糊RBF神经网络在麻醉深度控制系统中的应用

麻醉深度通常用病人的平均动脉压（MAP）值来直接反应和度量。针对平均动脉压的时变、非线性特点,提出了基于模糊RBF神经网络的麻醉深度PID控制系统。通过采用模糊RBF神经网络对检测到的平均动脉压值进行模糊化处理及神经网络辨识,从而在线整定PID控制器各个参数,以获得更好的控制效果。MATLAB仿真结果表明模糊RBF神经网络用于麻醉深度控制具有良好的动态响应性能。     

基于虚拟仪器技术的直流无级调速开关测试系统

直流无级调速开关在电工开关中有着广泛的应用,手枪电钻的直流无级调速开关便是其中一例。这种开关的作用是:随着手枪电钻开关的逐渐扣紧,手枪电钻的输出功率也逐渐增加,以达到直流无级调速的目的。本课题所研发的是一种基于虚拟仪器技术,专门用于手枪电钻的直流无级调速开关的自动测试系统。这种自动测试系统测试成本低、测试性能稳定,减少了开关的损坏率,提高了测试效率。该自动测试系统经过实际应用,效果良好,测试结果的可靠性高。     

Application of functional-link neural network in evaluation of sublayer suspension based on FWD test

Several methods for evaluating the sublayer suspension beneath old pavement with falling weight deflec-tormeter(FWD), were summarized and the respective advantages and disadvantages were analyzed. Based on these methods, the evaluation principles were improved and a new type of the neural network, functional-link neural net-work was proposed to evaluate the sublayer suspension with FWD test results. The concept of function link, learn-ing method of functional-link neural network and the establishment process of neural network model were studied in detail. Based on the old pavement over-repairing engineering of Kaiping section, Guangdong Province in G325 Na-tional Highway, the application of functional-link neural network in evaluation of sublayer suspension beneath old pavement based on FWD test data on the spot was investigated. When learning rate is 0.1 and training cycles are 405, the functional-link network error is less than 0.0001, while the optimum chosen 4-8-1 BP needs over 10000 training cycles to reach the same accuracy with less precise evaluation results. Therefore, in contrast to common BP neural network, the functional-link neural network adopts single layer structure to learn and calculate, which simpli-fies the network, accelerates the convergence speed and improves the accuracy. Moreover the trained functional-link neural network can be adopted to directly evaluate the sublayer suspension based on FWD test data on the site. En-gineering practice indicates that the functional-link neural model gains very excellent results and effectively guides the pavement over-repairing construction.