基于模糊神经网络的车辆制动性能预测研究

为进一步提高车辆制动性能的计算机仿真精度,以模糊理论和神经网络原理为基础,提出了一种基于模糊神经网络的制动性能的预测仿真模型。试验结果表明使用模糊神经网络模型可以提高车辆制动性能的仿真精度。     

可持续发展评价指标体系模型研究

可持续发展指标体系是一个多层次、多系统的综合体系。研究可持续发展指标具有重大的理论意义与实际的指导价值。模糊优选 BP神经网络模型能较好地求解这种多层次、多系统的复杂结构 ,通过决策、反馈、再决策、再反馈的复杂过程 ,通过对话式的决策信息输入与反馈 ,最终达到优选的目的。     

神经网络用于箱体类零件工步自动排序的方法

为了实现箱体类零件工步的合理排序,应用神经网络的理论和方法,首先对零件工序内加工特征分类编码,然后建立反馈式神经网络模型,进行学习训练后,得出了箱体类零件工步排序的合理方案。该神经网络的各项误差指标均达到了满意的要求,说明用这种反馈式神经网络模型求解箱体类零件工步排序问题的可靠性与优越性。     

神经网络在果蔬收获机器人机械臂避障路径中的应用

果蔬收获机器人是机器人技术在农业中的具体应用,基于避障的路径规划是果蔬收获机器人主要的研究内容.由于农业机器人作业环境的复杂性和非结构性,神经网络将是其重要的研究方法.为此,介绍了神经网络的特点,重点分析了采用神经网络描述果蔬收获机器人工作环境的基本思路,最后给出了黄瓜采摘机器人的具体分析实例,对农业机器人工作环境的描述具有较高的参考价值.     

果树施药仿形喷雾的神经网络统一模型

在果树施药仿形喷雾研究中,为建立反映果树施药仿形喷雾过程参量与分布质量系数之间映射关系的神经网络模型,必须通过不断的尝试,获得合适的网络结构、权值和阈值.然而,由于果树仿形喷雾的影响因素多且重复性差,势必增加计算的复杂度和成本.为此,构建了一种基于面向对象的神经网络统一模型.研究结果表明,该模型具有良好的扩展性和复用性.在系统设计时,运用了不同的设计模式,提高了研究的效率,且代码具有可复用性和重构性.     

基于BP神经网络算法的温室番茄CO2增施策略优化

CO2浓度是植物光合作用的主要原料之一,确定植株生长阶段的最适CO2浓度需求量,对日光温室内CO2浓度调控具有重要意义。以开花期番茄植株为研究对象,将定植后的番茄分为4个CO2浓度梯度处理组,其中,C1、C2、C3处理组CO2增施摩尔比分别为(700±50)、(1 000±50)、(1 300±50)μmol/mol,CK处理组为温室内自然状态下CO2摩尔比(约450μmol/mol)。实验利用无线传感器网络节点实时监测温室环境因子,包括空气温湿度、光照强度和CO2浓度;利用LI-6400XT型便携式光合速率仪进行光合日动态和环境因子交互影响实验测定。光合日动态组间差异性研究表明,对开花期番茄增施1 000~1 300μmol/mol的CO2时,可使番茄单叶净光合速率提高约37.13%~40.42%。以环境因子为输入参数,建立基于BP神经网络的光合速率预测模型,用于不同CO2浓度梯度下的光合日动态预测。结果表明,模型训练集和测试集的相关系数分别为0.98和0.93,预测精度较高;C1、C2、C3和CK处理组的日动态预测相关系数分别为0.96、0.94、0.78和0.96,与实测结果吻合度较高且相对误差较小,因此该模型可以为可变环境下的番茄光合日变化动态预测提供依据。     

随机干扰下电控空气悬架整车车身高度控制研究

为解决随机干扰对空气悬架汽车车身高度动态切换的不良影响,结合空气弹簧模型,建立了随机干扰下的空气悬架车身高度调节系统整车模型。基于单神经元自调整增益算法,设计了神经网络PID自适应高度调节控制器。为检验所设计控制器的性能,搭建了Matlab/Simulink车身高度控制仿真模型,并开发了控制器实物,用于搭建整车试验平台。仿真结果显示所设计的控制器能有效地改善随机干扰下的高度调节过程的震荡,缓解车身俯仰和侧倾,整车试验也验证了仿真结果,提高了车辆舒适性和稳定性。     

神经网络模型在农村人均收入预测中的应用

利用人工神经网络建立了具有时间序列对象的预测模型，并提出了基于体模型的数据处理方法，在此基础上，对吉林省榆树县大坡镇两家村的人均收进行了预测，证实了本模型的正确性和科学性。     

集成神经网络在水轮发电机组故障诊断中的应用

针对单个神经网络的不足，以信息融合技术为基础，建立了集成神经网络故障诊断系统。该系统采用子神经网络从不同侧面对设备进行初步诊断，然后将各子神经网络进行决策融合。通过对水轮发电机组的应用仿真，说明该系统充分利用了各种信息，提高了确诊率。     

混合智能控制在谷物干燥过程中的应用

提出了一套将模糊控制与神经网络和遗传算法相结合，形成混合智能途径用于谷物干燥过程的具体实施方案。