LEACH—DRT算法中基于神经网络的数据预测算法

为了保证无线传感器网络中数据的完整性,针对基于LEACH路由协议的动态轮时间算法存在的问题,提出一种基于人工神经网络的数据预测算法。该动态轮时间算法中,部分簇因调整后的轮时间不足以完成数据的采集而丢失数据。数据预测算法结合传感器节点数据具有时空相关性的特点,将时空延迟算子引入神经网络模型,并通过建立的神经网络模型对数据进行预测。仿真时采用伯克利英特尔实验室的传感器数据,通过Mafl软件对模型进行测试并分析仿真结果。实验结果表明：该算法对连续多个数据的预测效果理想,预测误差始终保持在较低水平。     

基于人工神经网络的人员安全疏散反应时间研究

主要研究了基于Levenberg-Marquardt算法的人工神经网络的火灾时人员疏散反应时间的可靠性和可行性。首先介绍了人员疏散现状调研和LP神经网络背景特点,然后将问卷调查、疏散演练基于同一平台,建构人员疏散反应数学模型,最后通过LP神经网络进行实际测试和分析,验证了人员疏散反应时间数学模型的可靠性。     

城市居民小区地震火灾发生率的非线性预测

利用人工神经网络对地震火灾发生率进行非线性预测具有实用价值和理论意义。分析了人工神经网络预测的优势和不足，并提出算法改进意见，在综合分析人工神经网络预测的工作机理、构造方式以及影响城市居民小区地震火灾发生率的主要因素的基础上，构造人工神经网络模型进行火灾发生率的实例预测，并针对预测结果分析了各影响要素对地震火灾发生率发生影响的强弱程度，非线性预测的结果与预期结果相符。     

基于BP人工神经网络的军事工程投资评价

BP人工神经网络是一种基于误差反向传播算法(BP算法)的多层前向人工神经网络,由信号的正向传播与误差的反向传播两个过程组成。应用BP人工神经网络对军事工程投资效益进行评价,可先提出军事工程投资综合评价指标及评价指标体系,然后构建模型,之后对人工神经网络模型进行训练和测试,验证模型的有效性和实用性。     

模拟退火优化BP神经网络在航向控制系统中的应用

目前,广泛运用于神经网络中的误差反向传播算法(BP算法)训练时间较长,且易陷入局部最优.为了克服BP算法的固有缺陷,文中提出了在BP算法中加入模拟退火算法权因子.在航向控制系统中进行了仿真,数据显示该算法比单纯BP算法更能优化控制器性能参数和全局搜索能力,收敛速度更快,精度提高比较明显.     

低气压环境下柴油机涡轮增压器转速实车估算方法

针对涡轮增压器转速实车测量中存在安装困难、精度低的问题,提出了利用RBF神经网络和BP神经网络估算涡轮增压器转速的方法。分别建立了基于RBF神经网络和BP神经网络增压器转速估算模型,通过与台架试验测试样本比较,模型误差分别2.25%和2.27%。同时,RBF神经网络较BP神经网络,具有训练次数少,收敛速度快、结果稳定的优点,更适合实车涡轮增压器转速估算。     

基于人工神经网络的操作手IKP 求解

人工神经网络以其信息的并行处理与分布式存储、自组织和自适应等特点,在机器人领域显示了极大的应用潜力。本文探讨人工神经网络在机器人操作手ＩＫＰ求解中的应用,试图求得操作手ＩＫＰ的一组或所有可行解。文章利用ＢＰ网络对操作手ＩＫＰ的求解进行了讨论和分析,并给出了具体的求解实例。     

BP人工神经网络的应用及其实现技术

简述了BP人工神经网络的算法原理 ,利用Batchnet程序对一个三层BP人工神经网络进行了设计 ,应用Matlab中人工神经网络工具箱设计了一个用于函数逼近的BP人工神经网络 ,最后 ,运用Matlab中可视化工具Simulink对一个BP人工神经网络例子进行了仿真 ,通过例子 ,探讨了BP人工神经网络的应用并介绍目前几种实用的BP人工神经网络实现技术 .     

导弹故障智能诊断的一种实现方法

研究了基于神经网络的故障诊断专家系统的理论和方法及具体实现过程。将此方法应用于导弹武器系统故障智能诊断之中 ,结果表明该方法是一种行之有效的故障智能诊断方法。     

PHEV电池电荷状态估计设计及仿真

电池管理系统(battery management system,BMS)是混合动力汽车(parallel hybrid electric vehicle,PHEV)能量管理系统中的核心组成部分,而其中电池电荷状态(state of charge,soc)则是PHEV控制策略中的重要参数.针对PHEV动力电池组SOC系统高度非线性和复杂性的特点,提出了一种基于改进的BP神经网络的HEV动力电池组的实时SOC估计,并对网络的收敛性进行了证明.利用大量PHEV动力电池组在行驶过程中充放电的数据样本,对神经网络进行网络训练并且进行仿真.结果表明,与传统离线SOC估计方法相比,能够有效地减小误差,提高电池SOC的精度.