简介:摘要:针对单通道振动信号输入不能全面表达结构损伤特征信息问题,提出基于多通道一维卷积神经网络的结构损伤识别方法,融合多传感器振动信号信息,直接从原始振动信号中自主提取学习结构损伤特征,实现对结构损伤模式的识别。通过简支梁数值模拟对所提方法进行验证,结果表明:所建立的多通道一维卷积神经网络模型(1D-CNN)能够准确地识别结构的损伤位置和损伤程度,且具有一定的抗噪能力。
简介:摘要:目前,PID控制方法由于其算法简单,易于实现的优点已经被广泛应用于各种控制领域。但涡喷发动机转速控制系统为非线性系统,传统PID控制在非线性系统中的表现并不良好。因此采用模糊控制来弥补传统PID控制无法在线调参的不足。为进一步提高模糊PID控制系统的性能,有学者将遗传算法和BP神经网络应用于模糊控制中,虽然解决了难以将控制参数调至最优的问题,但仍存在训练时间长的问题。本文采用模糊神经网络控制方法,很好地解决了模糊控制和神经网络单独使用时的弊端,提高了PID控制系统的性能。利用Simulink仿真将3种控制系统应用于ECU控制系统进行仿真,结果显示模糊神经网络PID的系统稳定时间最快,超调量最小,在遇到干扰时鲁棒性最好。
简介:摘要:针对土木工程结构施工现场人员安全帽佩戴情况识别问题,对基于卷积神经网络的施工人人员佩戴安全帽智能判别方法进行了研究,并设计了一套安全帽佩戴智能识别软件系统。卷积神经网络模型主要包括 AlexNet网络和 Faster R-CNN网络。网络模型在 Matlab中进行了训练和验证,训练损失小于 0.2%,验证了该智能判别方法的有效性。
简介:摘要车辆在黄灯期间的加速度变化与交叉口交通事故发生频率息息相关。为有效预测并量化驾驶人黄灯期间在交叉口的制动减速度和行驶加速度,构建了BP神经网络加速度预测模型,在信号交叉口实测数据基础上,通过Pearson相关性检验法分析了加速度的影响因素,并进行仿真预测验证。结果表明,构建的模型可有效预测驾驶人黄灯期间在交叉口的制动减速度和行驶加速度。
简介:摘要:随着电子技术的发展,科技的进步,各种精密测量仪器的的不断出现,为测绘技术的发展提供了广阔的前景,全站仪在工程建设中已广泛使用,但是传统全站仪的对中一般都是悬挂对点垂球,采取点下对中的方式进行对中、整平,在地下矿山风速较大巷道中对中、整平误差较大,如何解决这一难题,是当前迫切需解决的问题。野阳RTS112R5L-Y多功能全站仪及多功能觇牌采用激光点上对中测量程序的方式进行对中整平,不受巷道内风流的影响, 可以解决传统全站仪在地下矿山风速较大巷道中点下对中误差较大的难题。
简介:摘要 本文针对水厂运行单体无人值守的发展趋势和比例加矾在平流沉淀池应用中具有较长滞后性,无法及时响应原水因素的突变从而造成水质不稳定性和不可靠性的弊端,以及混凝沉淀过程具有非线性的特点,提出基于BP神经网络的自动加矾数学模型。该模型以原水流量、浊度、温度、pH值、沉淀水浊度控制指标为输入量,以矾耗为输出量。该模型对南京水务集团某水厂某一系列平流沉淀池的矾投加量等生产数据具有较好的拟合性,证明该模型可应用于自动加矾生产领域,以弥补人工经验投加或按水量比例投加的不足。