基于神经网络的车辆排气噪声声音品质预测技术

通过评审团成对比较法测试得到18种车辆排气噪声的满意度评价,考察并选取响度、尖锐度、粗糙度、波动度和峭度作为描述车辆排气噪声声音品质的客观心理声学参数,使用BP神经网络理论建立车辆排气噪声声音品质神经网络预测模型,对排气噪声样本的满意度进行预测,并与使用多元线性回归模型所得的预测值进行了比较。结果表明,神经网络模型预测值更接近实测值,误差在10%范围以内,对于单一噪声样本满意度的预测精度高于多元线性回归模型,能够更好地反映客观参数和主观满意度间的非线性关系,可用于车辆排气噪声声音品质的预测研究。     

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。     

发动机排气系统噪声的实验分析

以某车型配备491发动机为例,采用实验对发动机上安装和未安装排气系统时的噪声进行了比较,同时得出了在不同频率范围排气噪声对整车噪声的影响.     

基于神经网络的农用车辆自动跟踪控制

跟踪控制器是农用车辆自动行驶控制的重要组成部分。将神经网络控制技术应用于车辆的自动行驶控制中,使得控制器具有良好的自学习功能,提高了控制器的环境适应能力和现场处理能力。在牧草地上的实车实验结果表明：车辆沿直线路径自动行驶时,95％的偏差绝对值小于5cm。     

基于Widrow-Hoff LMS算法的柴油机排气噪声主动控制

柴油机排气噪声是谐波性强的低频间歇性噪声。为此，提出了利用波形合成技术对其间歇性低频排气噪声进行自适应主动控制的观点，并利用Widrow—HoffLMS算法计算最佳的误差权值。在这一算法的基础上，建立了模拟试验台，并进行了模拟实验研究。实验结果表明：该方法可有效地控制排气噪声，且当转速变化时，由于待合成的谐波基频同样变化，同频谐波消声器可以准确跟踪。     

神经网络方法在车内噪声信号预测中的应用

针对以往车内噪声有源控制过程中存在的次级声源在初级声场采样传声器上的声反馈问题，提出了车内噪声信号识别和预测的神经网络方法。对被试面包车在稳态和非稳态两种工况下的试验研究表明，利用车身悬置点和发动机的振动信号，通过BP神经网络来识别和预测车内驾驶员耳旁噪声是可行的，可以解决次级声源在初级声场采样传声器上的声反馈问题。     

基于BP神经网络的农田灌溉量预测

农田灌溉量预测对水资源合理规划和优化配置具有重要意义。为此,以农田水分平衡公式为基础,导出灌溉量I与前各时期的降雨量pt-1、pt-2、pt-3灌溉面积S之间存在非线性关系,由此建立了农田灌溉量的BP神经网络预测模型。检验结果表明,灌溉量BP神经网络预测法精度约为94.5%。因而,以灌溉面积、前各时期降雨量为输入变量,结合BP神经网络技术来预测农田灌溉量,具有很好的应用前景。     

车辆内腔噪声分析及控制研究的发展

首先总结了以往车辆内腔噪声分析的研究方法和常规的隔声降噪技术,然后从声固耦合分析与有源噪声控制两方面综述了不同研究者对车辆内腔噪声分析与控制所采取的不同研究方法与措施,介绍了作者在该方面已完成和正在进行的研究工作。论述了车辆内腔噪声分析与控制的重要性,并提出了不同研究方法的优缺点和适用性,为人们进一步的研究提供了方便。     

一种基于卷积神经网络的车辆检测方法

介绍了一种基于卷积神经网络的车辆识别方法。该方法首先对车道线进行边缘检测,采用车道线模型进行匹配,从而确定道路感兴趣区域。然后采集道路视频,对其中的车辆目标进行标注,制作车辆数据集,再设计一种卷积神经网络,利用车辆数据集训练检测器,使检测器适应于车辆二分类识别的任务。最后在道路感兴趣区域中检测车辆。相较于传统的车辆识别方法,该方法具有较好的准确性与鲁棒性,在复杂行驶环境下的识别效果令人满意。     

基于声强信号分析和组合神经网络的发动机故障诊断

建立了一个基于声强信号分析和组合神经网络的发动机故障诊断模型。该模型首先运用小波理论分析各类故障下发动机产生的声强信号,获取反映发动机工作状态的频带特征向量,然后将特征向量用于组合神经网络训练,进行故障模式识别。通过对3Y丰田2．0发动机的试验数据分析表明,这种模型可有效提高故障诊断的效率和准确率。     

基于BP神经网络的车身钣金件冲压成形回弹预测

选择车身碰撞盒冲压成形中的压边力、板料厚度、板料初始尺寸和润滑条件作为试验参数进行了冲压成形数值模拟试验与生产试验，并测取了三维空间各点的回弹值；在数值模拟与生产试验的基础上，建立了基于BP神经网络的回弹预测模型，并应用该模型对压边力、板料厚度、润滑条件综合影响下碰撞盒法兰边的回弹进行了模拟和预测，结果表明采用双隐层的4层BP神经网络结构模型能够很好地预测碰撞盒法兰边回弹的大小、回弹的分布和回弹的变化趋势。     

基于遗传算法和神经网络的车辆主动悬架控制技

采用遗传算法与神经网络相结合的控制策略,以四自由度车辆主动悬架半车模型为仿真对象,与传统的被动悬架进行控制性能比较.通过改变神经网络训练参数、遗传算法输入函数以及车速,对系统的响应特性进行了分析.结果表明车辆主动悬架控制策略可以减小车辆的振动,改善车辆行驶平顺性.     

基于GA-BP神经网络的甘蔗收获质量预测

甘蔗联合收割机收获质量对制糖工艺有极大影响,但测量难度大,难以直接获得.针对上述问题,以甘蔗联合收割机切割机构、行走机构、切段机构、风机机构的负载压力信号和转速信号为输入变量,以含杂率和损失率为输出变量,建立了一种GA-BP神经网络预测模型.GA-BP神经网络预测模型对甘蔗收获质量的预测结果平均MSE为0.0937,平...     

汽车驾驶机器人模糊神经网络换挡控制方法

为了实现汽车驾驶机器人挡位决策的智能化,提出了一种驾驶机器人模糊神经网络换挡控制方法.模糊神经网络模型的输入为驾驶机器人油门机械腿的位移、试验车辆的车速和加速度,模型的输出为挡位.输入变量的隶属函数都为3个,类型都采用广义钟形函数gbellmf,网络训练算法选用反向传播算法和最小二乘法相结合的混合学习算法.仿真结果表明,汽车驾驶机器人模糊神经网络控制仿真挡位与试验挡位基本一致,该方法可根据操作工况环境实现正确的汽车驾驶机器人挡位控制.     

基于神经网络逆系统方法的汽车底盘解耦控制

为了消除汽车底盘各电控子系统间的耦合影响,采用了一种基于神经网络逆系统方法的底盘解耦控制策略.对集成主动前轮转向( AFS)、直接横摆力矩控制(DYC)和主动悬架(ASS)的汽车底盘系统进行研究,利用Interactor算法分析了底盘系统的可逆性,建立了多变量底盘系统的BP神经网络逆系统模型,将闭环控制器与神经网络逆系统组成复合控制器用于改善系统的动态性能,并进行了仿真验证.结果表明,基于神经网络逆系统方法的解耦控制策略能够消除底盘各电控子系统间的干涉和耦合影响,有效改善整车的操纵稳定性.