摘要：无人驾驶汽车的状态,如速度、载荷、重心高度等会对制动效果产生影响;车辆状态信息较多且包含噪声信号干扰,导致信息采集精度较差,会导致制动效果不稳定,甚至出现车轮抱死的情况;为此,设计基于改进bp神经网络的无人驾驶汽车防抱死制动控制系统;系统硬件中设计DSP处理器,实现信号的高速处理并生成控制指令,通过CAN实现通讯功能;设计执行模块执行DSP处理器的控制指令;通过采样模块实现无人驾驶汽车防抱死制动信号的采样;在软件设计中,设计引导滤波信号去噪算法,实施防抱死制动信号的去噪处理,获取汽车驾驶信息数据;利用LM算法寻找函数值最小的对应参数向量,获得辨别误差局部最小的权值,改进bp神经网络,设计基于改进bp神经网络的PID控制算法,输出无人驾驶汽车防抱死制动控制a指令;实验结果表明,紧急制动工况下所提方法的最大超调量为1.02,峰值时间为0.12 s,调节时间为0.26 s,延迟时间为0.06 s,上升时间为0.08 s;轻微制动工况下所提方法的油路压强为4.8 MPa。由此证明,所提方法汽车行驶系统随动性较强。

摘要：公交线路OD矩阵是公交线路优化设计调整的基础性数据,针对传统解析模型对输入数据敏感性高造成OD推算效果不理想的缺陷,提出了以改进bp神经网络为基础,根据公交站点上下客数据建立公交线路OD矩阵的推算模型,并设计了OD推算神经网络。进而基于算例数据,应用数值试验对神经网络设计的核心参数进行了标定并给出OD推算的计算结果。算例分析结果表明,使用此方法能显著提高预测的精度,推算结果更具可靠性且更能反映公交线路的需求分布状况。

摘要：通过建立相应的车辆1/4主动悬架振动模型和相应的数学模型,并根据空气悬架的非线性特性,设计了模糊神经网络主动悬架的控制系统,把路面的激励信号引入到悬架系统中。在控制系统学习算法中针对传统bp学习算法的不足,对其进行改进,提高计算效率,最后在MATLAB/SIMULINK所建立的系统模块中进行仿真,把设计的控制系统与传统的被动悬架系统进行比较分析。结果显示,改进的利用模糊神经网络方法控制的悬架的平顺性得到提高。

摘要：针对现有审核方法在对房建工程设计造价审核时,存在审核结果误差过大,影响后续各阶段审核管理的问题引入改进bp神经网络,开展房建工程设计阶段造价审核方法设计研究。获取房建工程基本特性信息、工程造价信息,采集房建工程设计阶段造价审核数据;计算造价指数与造价修正系数;利用改进bp神经网络,构建设计阶段造价估算模型;最后,工程量审核输入输出层选取与量化,完成审核。通过对比实验证明,新的审核方法审核结果的误差更小,具备极高应用价值。

摘要：针对电气火灾类型多样、火势大小不一及预警阈值差异大的问题,设计一个新系统以提高电气火灾预警的准确性和效率。采用分散式控制系统(DCS)作为硬件基础,部署MQ-135烟雾传感器、IR Flame Sensor火焰传感器和LM35温度传感器,并通过DCS系统进行数据采集。利用温度时序模型改进的bp神经网络,通过参数归一化和温度时序模型构建电气火灾阈值模型,实现电气火灾的准确判断和预警。实验结果表明,该系统能够对插座火灾、线路火灾和电气设备火灾三种类型进行准确的温度和烟雾检测,并且在检测时间上更为迅速。所设计的系统通过集成先进的传感器和优化数据处理算法,有效提升了电气火灾预警的准确性和响应速度。

摘要：针对活性污泥污水处理非线性系统中,由于某些状态变量不能在线检测时状态观测器的设计问题,本文采用了一种基于改进激励函数的变步长bp神经网络状态观测器设计方法,设计了改进bp神经网络状态观测器,并进行了容错性实验以验证该观测器的实用性和可靠性。

摘要：为提高融合数据与网络节点的适配度,引进改进bp神经网络,以无线传感网络为例,设计一种全新的数据融合方法。采集无线传感网络数据,引进Kalman滤波器,根据滤波器在空间中的线性表达区域,给定一个无线传感网络数据的线性归回范围,设计无线传感网络数据的预处理与特征提取;利用改进bp神经网络的数据反向传播特点,参照网络在学习中的映射规则,调节网络传播节点的阈值与权值训练数据;设定无线传感网络数据集合的参考视场和步长,计算数据与节点适应值;选用Max-min标准化处理法对数据归一化处理,采用LEACH算法深度融合网络数据。设计对比实验,实验结果证明:该方法可在提高融合数据与节点适应值的基础上,提高节点对数据的收敛速度,以此达到最优的融合效果。

摘要：传统水轮机进水蝶阀故障诊断方法RMSE性能较差,无法有效精准诊断到故障,提出基于改进bp神经网络的水轮机进水蝶阀故障诊断方法。建立bp神经网络,利用粒子群算法改进网络参数,采用传感器采集进水蝶阀振动、噪声以及压力等数据,利用改进后的bp神经网络分析故障信息,提取故障特征,识别与诊断进水蝶阀故障类型,实现故障诊断。经实验证明,设计方法RMSE值在0.2以下,诊断精度较高,具有良好的应用前景。

摘要：为了提高机械手在易碎零件抓取过程中力的稳定性,提出了一种改进bp神经网络的机械手抓取力模糊PID控制算法。首先,分析机械手抓取力控制的特性,提出bp神经网络算法与模糊PID控制结合的策略。其次,利用改进的bp神经网络实时调整模糊规则和隶属度函数,通过改进后的bp神经网络算法优化模糊PID控制器的相关参数;在此基础上,采用所设计的模糊神经网络PID控制器,实现了PID参数动态调整的问题。最后,进行仿真实验,结果表明所设计的抓取力模糊PID控制算法,超调量仅为3.07%,调节时间为3 ms,扰动整定时间为1.2 ms,改善了抓取力控制系统的稳态性能,提高了控制精度。

摘要：为了降低由评价标准可靠性较低引起的风险评估误差,提出基于改进bp神经网络的商业保险介入风险评估系统设计。主控芯片通过SPI控制器调动内置存储器内的数据,利用bp神经网络对影响风险的因素进行赋权,通过反向计算检验并调整异常赋权结果,以此为评价标准构建用户自画像,再根据画像评估商业保险的介入风险。实验结果表明,该评估系统计算出的风险结果与实际结果之间具有较高的拟合度,同时能够对主要影响因素以及风险存在形式进行准确评估。