机器学习理论的超光谱遥感图像无损压缩

针对一般超光谱遥感图像的压缩方法无法同时实现图像信息缩减和图像完整性的问题，提出一种机器学习理论的超光谱遥感图像无损压缩方法。利用机器学习中的聚类算法进行第一次压缩，减少超光谱遥感图像中的冗余波段光谱，并降低图像维度；再利用机器学习中的人工神经网络进行第二次压缩，将不同图像子块送入不同压缩率的神经元当中，通过隐含层自主完成图像压缩编码。通过与四种一般压缩方法的对比验证，本方法图像压缩后，图像压缩率更小，图像分辨率和信息熵更高，既有效地减少了图像信息量，能够保留有效关键信息，达到了图像信息缩减和图像完整性的双重目标。     

基于人工神经网络的智能化架空线路应变快速解调方法北大核心

为了提高智能化光纤复合架空线路态势感知的实时性,将人工神经网络方法应用于光纤沿线应变解调,确定了神经网络的结构。编程实现了基于洛伦兹模型的最小二乘谱拟合方法和神经网络方法,采用不同信噪比和布里渊频移的布里渊谱训练神经网络,将它们应用于某光纤复合架空线路沿线光纤应变的测量,从不同角度比较了两种方法的计算结果。计算结果表明,神经网络方法能有效获得光纤沿线的布里渊频移进而获得应变,具有与谱拟合方法相似的准确性,但应变解调时间仅约为谱拟合方法的1/20000。研究结果为提高智能光纤复合架空线路态势感知的实时性提供了参考。     

基于人工神经网络的柴油机失火故障诊断

车载诊断系统在诊断失火故障时,采用基于曲轴段角加速度和阈值规则相结合的方法,该方法在内燃机高速轻载运行时诊断单缸完全失火工况存在一定的局限性。通过对比分析失火和正常工况下曲轴瞬时转速的幅频和相频特征,提取不同谐次的幅值和相位信息,结合人工神经网络作为故障模式识别工具,得到了一种改善方法。通过台架实验,对此改善方法进行了单缸完全失火、两缸完全失火和单缸一定程度失火的故障诊断测试。结果表明,在实验条件下该方法可以有效识别不同的失火模式,并可在单缸失火模式下实现失火程度判别。同时,该方法通过少量工况数据训练神经网络,即可实现一定转速范围内的失火诊断,可行性强,可用于发动机失火故障在线诊断。     

基于高斯混合隐马尔科夫模型与人工神经网络的紧急换道行为预测方法

为了有效降低因驾驶员紧急换道行为而诱发的交通事故，提高道路交通事故链阻断效率，提出一种基于高斯混合隐马尔科夫模型（GMM-HMM）和人工神经网络（ANN）的紧急换道行为预测方法。首先利用GMM-HMM对车辆行驶状态以及驾驶行为连续观察序列进行换道意图辨识，采用ANN预测下一时段的驾驶行为，再预测换道过程中的横向加速度变化率，从而判断紧急换道的危险程度。驾驶员在环仿真实验及实车实验结果表明，该方法预测避险成功率达92.83%，实验避险成功率达90.32%。该方法能有效地对紧急换道行为进行提前警告与干预。     

基于人工神经网络的一卡通数据挖掘

随着计算机技术、通信技术的进步,国民经济得以快速发展,各行各业的信息化程度越来越高。每时每刻都产生庞大的数据,对这些数据进行深入挖掘分析,有助于促进相关行业的发展。本论文将数据挖掘技术应用于校园一卡通数据分析中,通过分析相关记录,从中寻找出品学兼优、家庭贫困的同学供相关部门参考,结合必要的证明材料,使得更多努力学习的贫困学生得到助学金帮助。本文首先介绍了数据挖掘分析的整个流程,接着对人工神经网络算法进行详细的讲述,最后利用Rapidminer studio平台进行实验仿真。     

上游泵送机械密封多目标多工况优化研究

为了获得具有较强适应工况变化能力的上游泵送机械密封,以微间隙内流场的CFD计算为基础,建立涉及多工况的多目标优化数学模型,综合分析相关研究成果和密封特性确定了优化变量及其取值范围、工况参数取值范围和优化目标。应用模糊集理论确定不同工况下的液膜刚度和泄漏量的权重因子,并研究人工神经网络模型对优化结果的影响。基于穷尽搜索法和遗传算法对密封进行优化设计,对比分析2种优化方法得到的优化结果,并对优化前后的密封润滑膜流场特性进行BVF诊断分析。优化研究表明:人工神经网络模型很好地拟合了液膜刚度、泄漏量随槽型参数变化的函数关系;2种优化方法都能提高密封性能,但遗传算法优化比穷尽搜索法优化能获得更好的优化结果。     

基于逐步优化算法的梯级电站优化调度研究

长河坝、黄金坪梯级电站投产后,面临"康甘断面送出受限""运行方式孤立""龙头水库未建"等一系列突出问题。因此,开展长河坝、黄金坪梯级水库优化调度研究具有现实意义。笔者从梯级电站的工程特性入手,通过探索出力联动机制,基于逐步优化算法(POA)建立优化调度模型,以1952～2017年的径流资料为基础,对梯级电站的年度发电量进行优化计算,并通过BP人工神经网络模型对计算结果进行检验,结果表明:优化模型计算稳定,收敛性好,为梯级水库优化调度研究提供了思路。     

人工神经网络技术及其应用的探讨

随着科技时代的到来,越来越多的技术手段走进人们生活的方方面面。其中,人工神经网络技术是(简称:ANN)是一种全新的系统控制技术。可以通过互联网进行动态的模拟,建立模型,控制互联网的系统等,随着技术的成熟,ANN技术应用越来越广泛。本文主要探讨的是ANN技术的应用,并简要分析了ANN技术在未来的发展趋势。     

基于神经网络的电动汽车电池SOC估算研究

论文首先分析了当前电动汽车电池管理系统中存在的问题,特别是电池电压的精确测量和剩余电量的准确预测问题一直亟待突破,因此,论文在分析电池荷电状态(SOC)影响因素的基础上,进行了动力电池的充放电实验,建立了BP网络电池模型,通过对网络进行训练,应用神经网络模型进行SOC估算,实验表明:建立的BP网络具有较好的适应性,能有效预测锂离子动力电池电压、电流和放电容量间的映射关系。可以准确地对电动汽车电池进行SOC估算。