路面不平度采集系统设计

针对路面不平度的检测,开发了一套基于加速度传感器和C8051F单片机路面不平度采集系统。该采集系统的硬件主要包括传感器模块、信号调理模决、单片机模块和蓝牙无线通信模块。加速度传感器检测行驶车辆的悬架垂直加速度信号,并通过信号调理模块调整模拟信号的电压范围。单片机则对传感器采集的信号进行模数转换并通过蓝牙传送给上位机。编写了基于C#环境下的上位机采集控制和数据处理软件。经过连续运行测试证明,系统运行稳定,具备良好的实时性和可靠性,可应用于路面不平度检测。     

BP神经网络仿真软件

根据神经网络的应用特点 ,设计了一个包括输入层、隐层、输出层的BP网络 ,探讨了BP网络的参数设计与选择。同时 ,使用C+ + 语言开发了神经网络的仿真软件 ,该软件能对网络进行训练学习 ,并用图形的方式直观地显示训练学习曲线和仿真曲线。     

基于改进BP神经网络的路面状态识别研究

解决路面气象状态的识别问题并满足一定的精度要求,是高速公路气象监测研究中的一个关键问题。本文提取、和三种彩色模型信息组成特征向量;提出一种附加动量法和自适应学习率相结合的改进BP算法;在此基础上建立了非线性识别模型,并将该模型应用于路面状态识别试验。实验结果表明该模型能准确有效地识别路面气象状态。     

基于BP神经网络的入侵检测算法

为解决传统入侵检测算法存在的高漏报率及高误报率问题,结合BP神经网络算法的优点,提出一种采用遗传算法来优化BP神经网络算法的入侵检测算法。该算法通过遗传算法找到BP神经网络的最适合权值,采用优化的BP神经网络对网络入侵数据进行学习和检测,解决直接使用BP学习造成的训练样本数量过大而难以收敛的问题,同时缩短样本训练时间,提高BP神经网络分类正确率。仿真实验结果表明,与传统网络入侵检测算法相比,该算法的训练样本时间更短,具有较好的识别率和检测率。     

基于BP神经网络的镜头边界检测

基于神经网络的机器学习思想,提出一种利用多种视频特征的镜头边界检测算法。突变检测中,在特征矢量形成上,分别采用了相邻两帧差值法和滑动窗口法,并加入运动信息以排除强运动对突变检测的影响;在神经网络的构架上,则分别采用了融合法和选举法。在渐变检测中,先通过三个神经网络将溶解过程中方差曲线的三种模式分别识别出来,再根据溶解过程中亮度均值呈线性递增或递减的特性将干扰排除。对大量TRECVID视频进行实验的结果表明,该算法对视频突变和渐变都具有良好的检测性能,并对运动以及闪光灯的干扰具有较好的鲁棒性。     

基于BP神经网络的人脸检测算法

针对彩色图像中的正面人脸,提出了一种基于BP神经网络的人脸检测算法,由网络训练和人脸定位两部分组成,可以有效地运用于多人脸、不同尺寸、不同姿态、不同面部表情、不同肤色、不同光照条件和复杂背景的情况。实验结果表明该算法快速有效。     

基于BP神经网络的入侵检测系统设计

传统的入侵检测技术在建立统计模型、规则库管理和检测性能等方面存在着缺陷和不足,影响了入侵检测系统的实际应用效果。本文提出并利用Matlab神经网络工具箱建立一个基于BP神经网络的入侵检测系统。实验结果表明,该算法在提高入侵检测系统的检测准确率、降低误报率和漏报率等方面具有一定的优越性,收敛速度较快。     

基于BP神经网络的火电厂煤耗在线仿真

研究火电厂供电煤耗优化问题,火电厂供电煤耗是衡量电厂能经济运行的一项重要指标,由于热耗与锅炉平衡效率计算需要大量离线数据,很难在电厂监控系统上实时显示供电煤耗.为解决上述问题,利用可变学习速率的BP算法建立了供电煤耗仿真的三层神经网络模型,并用C语言编制了相应的计算程序.对比不同输入参数以及不同隐层节点数情况下进行仿真,结果表明仅用16个强关联参数和22个隐层节点数的BP神经网络模型就能够在线仿真出精度较高的供电煤耗,并且动态响应好,具有很强的鲁棒性.     

基于BP神经网络的烧结矿化学成分预报模型与仿真

烧结矿化学成分的测量是钢铁工业中的关键和难点,并且容易受到烧结几乎每一个操作环节的影响。本文利用BP神经网络建立烧结矿化学成分的预报模型。通过对现场实际数据进行仿真,表明该方法鲁棒性强,准确性高,泛化能力广,具有很强的实用性和推广价值。     

基于卷积神经网络的路面裂缝检测

对路面图像块预标记,根据预标记结果对路面图像进行强度归一化预处理,在保留裂缝信息的同时,减少背景光照不均的影响.将预处理后的路面图像输入卷积神经网络(CNN)模型实现路面图像裂缝的检测.由于路面裂缝分布复杂,在训练网络时,使用不同尺度和不同角度的路面图像进行模型训练,使得网络能够检测不同裂缝形状.实验结果显示:裂缝检测结果较好.     

基于BP神经网络的异常轨迹检测方法

为有效利用轨迹内外部属性进行异常检测,提出一种基于BP神经网络的异常轨迹识别方法。对原始轨迹数据进行去噪处理,存储至百度云的LBS云端,基于百度地图的轨迹数据可视化网站实现轨迹显示,并通过归一化数据计算轨迹属性值。同时,将轨迹内外部特征属性作为BP神经网络算法的输入层,轨迹相似度量值作为输出层,调整隐含层系数得到训练模型,从而识别用户异常轨迹。在2个用户数据集上的仿真结果表明,该方法的异常轨迹识别准确率分别达到92.3%和100%。     

基于BP神经网络的智能入侵检测研究

分析了入侵检测技术在计算机网络安全技术中的作用和地位,同时将BP神经网络算法应用于入侵检测当中,建立了基于BP神经网络的智能入侵检测系统.该系统能够通过数据包捕获模块实时抓取网络中传输的数据包,之后通过协议分析模块进行数据包所使用的数据协议的识别,从而能够在BP神经网络模块分别针对采用TCP、UDP、ICMP这三种网络数据传输协议的数据包进行处理.从本文中列出的该系统在Matlab07上的仿真结果可以看出:基于BP神经网络的智能入侵检测系统能够有效地提升入侵检测识别率.     

基于MATLAB的BP神经网络建模及系统仿真

将MATLAB中的神经网络工具箱和Simulink有机结合起来,并充分利用它们各自的优势,实现了神经网络控制系统（NNCS）的计算机仿真。具体仿真实例表明,MATLAB是进行人工神经网络计算机仿真的有效工具。     

基于BP神经网络的SPWM逆变器控制仿真研究

采用控制和实现方法是决定单相SPWM逆变器输出波形质量和动态性能的主要因素。在分析逆变器常规PID控制方法优缺点的基础上,针对带非线性负载和负载跳变的单相SPWM逆变器,输出波形畸变较大,动态性能差和THD值较高的缺点,提出了一种基于BP神经网络自整定PI双闭环控制方案,并用MATLAB软件工具进行了仿真验证。仿真实验结果表明,方法能同时实现逆变器的高精度稳态输出波形、低的总谐波畸变率和快速动态响应性能,适用于感应电源、UPS不间断电源等需要高性能输出电压波形的场合。     

基于BP神经网络的用户感知体系优化仿真

研究提高网络质量评估准确度问题。用户感知是网络质量评估的标尺,而现有无线网络优化中影响用户感知的有众多因素,和网络性能指标之间没有明显的映射关系,采用传统的数学方法很难对复杂的非线性问题定量分析,难以从网络性能指标中实现用户感知评估导致网络质量评估不准。为解决上述问题,提出一种基于BP神经网络的用户感知体系。采用具有非线性映射功能的神经网络,建立用户感知体系模型,实现用户感知的评估。通过比较验证,对用户感知度的评估达到了合理误差,并能够提升网络优化主动智能性,对网络质量评估更准确,对网络优化工作提供了设计依据。     

基于BP神经网络的物流交通实载率监测仿真

针对传统物流交通实载率监测方法仅处理静态信号,导致监测误差率较高,引用BP神经网络对物流交通实载率监测方法进行优化设计。在物流运输车辆和运输路线上,安装物流交通数据监测设备,为实载率的计算提供原始数据。借助监测设备对道路上运行的车辆进行识别,若识别为物流监测车辆,则利用BP神经网络对产生的监测信号进行动态处理。最终通过确定载重量、运输距离和车辆行驶里程的值,得出实载率的实时监测结果。通过仿真验证得出结论:设计的基于BP神经网络的物流交通实载率监测方法的平均误差率为1.4%,与传统方法相比降低了2.4%,且可准确监测实载率,保障了监测准确率。     

基于BP神经网络的智能轮胎标签仿真研究

为了更加快捷方便地研究RFID标签植入环境与阅读器阅读距离之间的关系,从而预测植入轮胎中的RFID标签的最大阅读距离;利用FEKO电磁仿真软件建立了不同情况下的天线,并仿真得到反射系数S_11,然后用弗林斯传输方程(Friis)计算得到仿真读取距离,再利用MATLAB强大的数据处理能力,建立BP神经网络预测模型,从而建立起标签天线长度、轮胎中标签与钢丝层的距离、轮胎介电常数和已得到的仿真读取距离之间的BP神经网络模型;最后实际测量值与训练后得到的预测仿真值在误差允许的范围内可以认定为实际测量距离;此方法可以通过建立BP神经网络模型,快速方便地在一定精度范围内预测阅读器的阅读距离。