摘要：基于大量的台架试验数据,利用反向传播神经网络(BPNN)设计了燃油喷射在线学习预测模型,结合PID反馈完成扭矩跟踪的实时控制。其中,燃油喷射BPNN预测模型采用一种实时的简化离散模型,模型的阈值可以在线学习更新,具有参数自适应性。台架试验表明,相比于固定参数的BPNN模型,提出的阈值在线学习的BPNN模型具有更高的预测精度;提出的可变阈值VTBPNN预测前馈加PID反馈控制器能够满足扭矩跟踪的实时性需求,并且相比于普通可变参数VPPID控制器,在瞬态工况干扰下鲁棒性更强,跟踪误差更小。

摘要：在人工智能的研究领域里,不同模式下的目标和对象识别已经成为研究的热点.该文主要在基于TensorFlow框架中Object Detection API基础上,结合Single Shot MultiBox Detector(简称SSD)算法,设计并实现了图像神经网络检测模型并将其应用于“皮卡丘”的图像集的识别中.实验结果表明,基于SSD 的图像神经网络检测模型,能够充分发挥TensorFlow 和SSD的灵活性,有效地提高了图像识别的稳定性、速度实效性和准确性.在Jupyter-notebook 中使用该模型成功检测到目标物体,其中90%的检测模型的可信度达98%以上.