车辆TPMS轮速传感器误差消除方法研究

轮胎压力监测系统能够实时地自动监测行驶中汽车的轮胎气压,对于提高行车安全具有重要的意义。基于轮胎压力监测系统硬件平台,阐述了轮速信号的获取,研究了异点剔除方法,提出了基于弹性BP神经网络分析轮速传感器误差的方法,实现了对轮速信号的修正。仿真和实验结果表明,该轮速传感器误差消除方法的精度可达2×10-4rad,能够显著降低传感器误差,提高轮速信号的获取精度。     

智能交通信号控制系统初探

城市交通拥挤是当今世界普遍关注的问题,它所带来的严重危害日益影响到人们的日常生活和社会经济的发展,而城市交通信号控制系统对解决这一问题发挥着不可替代的作用。从高性能智能交通信号控制系统的要求出发,针对目前我国城市交通问题的现状．对智能交通信号协调控制系统进行初步的研究和探讨。     

基于车型识别的BP算法Matlab实现

车型识别具有广阔的应用前景,BP神经网络在车型识别中能够提高车型的识别率。在任何车型大致都可以抽象成一个"工"字型情况下,提取其中的顶长比、前后比和顶高比这三项相对参数作为BP神经网络的输入参数。采用三层3-8-3的BP神经网络,并用14对输入参数离线训练,再用4对新数据进行检验,均得到了预想的期望值。     

基于SOM的模糊聚类在Web日志挖掘中的应用

将自组织映射神经网络（SOM）与FCM结合,利用SOM的并行计算能够减少模糊C均值算法在处理海量数据时的聚类时间,可以提高聚类算法的速度和效果,同时使用该算法对校园网Web日志进行数据挖掘,能够对用户行为进行分析,从而提出相应的方法,更好地提高服务效率和管理质量。     

卷积融合文本和异质信息网络的学术论文推荐算法

针对交互数据稀疏和推荐多样性问题,基于卷积协同过滤推荐框架提出卷积融合文本和异质信息网络的学术论文推荐算法（WN-APR）。首先学习不同语义下用户和论文的多样化特征,缓解数据稀疏问题;然后基于外积设计不同语义特征相互增强的方式融合它们,并使用三维卷积神经网络代替二维卷积神经网络充分挖掘不同特征对性能的影响;最后改进贝叶斯个性化排序损失函数增强推荐多样性。在CiteuLike-a、CiteuLike-t数据集上的实验结果表明,相比于基线模型,WN-APR在准确率和多样性的四个指标上都有所提升。     

基于D-FNN的混沌铁磁谐振系统非线性补偿控制方法

针对电网混沌铁磁谐振系统产生的混沌现象,提出基于动态模糊神经网络的混沌铁磁谐振系统非线性补偿控制方法。该方法采用动态模糊神经网络来逼近系统的非线性部分,消除了过电压的混沌现象,将系统稳定到目标位置,实现了对系统的非线性补偿控制。Matlab仿真结果表明,基于动态模糊神经网络的非线性补偿控制方法控制结果正确,响应快速。     

基于神经网络观测器的飞控传感器在线故障诊断

为提高无人机飞行安全可靠性,针对飞行控制系统中常出现的传感器故障以及非线性气动力模型参数难以确定的问题,提出了基于BP神经网络观测器估计的故障诊断方法;引用LM改进算法对网络参数进行调整,构造了神经网络观测器模型逼近非线性系统,并运用于飞行控制系统进行在线数字仿真,对垂直陀螺输出卡死故障、恒偏差故障和恒增益故障分别进行仿真分析;仿真结果表明,所设计神经网络观测器可以有效估计系统输出,在线诊断传感器故障。     

清洗机器人自主清洗方法研究

为提高清洗机器人运行的自主性,提出了针对具有六自由度清洗机器人的自主清洗方法;首先给出了清洗机器人的机械及电气结构,建立了机器人的运动学模型,分析了机器人的运动学及逆运动学问题,实时计算出污物的位置;在此基础上,为实现机器人的自主清洗,接着设计了机器人的控制系统结构,采用了RBF模糊神经网络对机器人进行智能控制;最后通过实验表明所提出的方法能满足清洗机器人精确定位到任意目标位置的要求,其动态性能和稳定性都达到了清洗要求。     

基于PCA-BP神经网络的装甲车辆柴油机状态评估

针对装甲车辆柴油机摩托小时不能真实反映实际技术状况的问题,通过提取气缸压缩压力、加速时间、减速时间、供油提前角、振动能量和平均燃油流量等状态参数,运用主成分分析和BP神经网络相结合的方法构建了一种柴油机状态评估模型;该模型首先利用主成分分析方法将多个参数简化为两个综合参数,并根据综合参数的散点图对柴油机的状态进行初步划分,得到BP神经网络的训练数据;最后通过建立BP神经网络进行状态评估;评估结果表明,该模型准确度高,具有较好的应用和推广价值。