人工神经网络在预测热舒适性指标中的应用

热舒适性指标与各个影响因素之间存在复杂的非线性的关系,而人工神经网络能够反映这种非线性的映射关系,因此通过人工神经网络可以实现热舒适性指标的计算及预测。首先对热舒适性指标做了一个简单的介绍,并以Fanger公式计算出热舒适性指标的期望输出值,然后分别介绍了BP网络、GA-BP网络、RBF网络及Elman网路的算法及结构,并建立热舒适性指标预测模型,对4种神经网络在预测中的性能给予定性与定量的分析。结果表明,在预测热舒适性指标方面,基于GA-BP神经网络性能要优于其他神经网络,具有更高的精度和适应能力,能够较好的满足将其应用于空调系统的控制器中对其进行实时控制。     

公路客车舒适性水平的综合评判

对公路客车乘坐舒适性影响因素分三层共23项指标进行分析，针对每个因素分别构造其模糊子集隶属函数，并对这些因素进行权重分配，运用模糊评判理论，确立了二级模型评判步骤。结合实际。以北方奔驰、西沃等客车的具体数据为参考，探讨了客车乘坐舒适性的综合评判方法。     

模糊聚类分析在服装舒适性评价中的应用

建立了服装舒适性的模糊评价数学模型。得到了模糊关系矩阵,并采用传递闭包法计算出相似矩阵,根据不同阈值,得到不同的动态聚类结果,由这种模糊聚类分析方法所得到的结果与实际经验具有极好的吻合性。     

针织运动面料热湿舒适性的模糊评价

根据运动中人体显汗的特点,提出了影响运动中热湿舒适性的主要因子。对典型针织运动面料的相关性能进行了测试,并对其热湿舒适性进行了模糊评价。     

篮球运动服装舒适性研究

采用调查访谈的方法,了解到国内篮球服装存在的问题及运动专业人士对舒适性篮球服的要求,通过对篮球运动特点的分析,认为比赛服装的舒适性要素为透气散热、排汗速干、轻便柔软及适于运动等,基于此,提出改进结构设计及色彩面料选择的建议,同时设计一款具有散热功能的比赛服装。     

服装及纺织品湿热舒适性的灰色关联分析

本文在分析服装及纺织品湿热舒适性的研究水平的基础上,提出将灰色关联分析应用于研究,文中利用实验检测手段获得实测数据,对理论分析的结果进行了实际应用,对服装及纺织品的湿热舒适性作了综合评价。     

模糊人工神经网络在矿井构造评价中的应用

介绍了模糊综合评判和人工神经网络原理，分析了一般BP神经网络在研究复杂性问题时存在的局限性，根据模糊人工神经网络模型的构建方法，探讨了该模型在矿井构造定量评价中的应用，结合鲍店煤矿的实际资料，对建立的模糊人工神经网络模型进行了学习训练，对未采区的构造复杂程度进行了预测，结果表明：模糊人工神经网络较一般BP神经网络具有更快的收敛速度和更准确的预测效果．     

智能控制在电梯乘坐舒适性方面的研究和应用

电梯作为一种特殊的升降设备,是垂直交通运输工具中应用最为广泛的.特别是进入21世纪以来,我国建筑行业高速发展,高楼大厦拔地而起,电梯已经对于人们的日常生活来说已经必不可少了.因此,乘坐电梯的舒适性被越来越多的人所关注.本文介绍了智能控制的概念、特点和智能控制在电梯乘坐舒适性方面的应用.     

纯棉衬衣功能性面料舒适性及评价方法的研究

随着社会的发展和人们生活水平的提高, 人们对纺织面料的舒适性、环保性、功能性要求日趋提高,纯 棉材质的功能性面料无疑成为现在人们追捧的热点。本文以纯棉衬衣功能性面料为对象,研究了纯棉衬衣不同功 能性面料的舒适性变化规律,并从客观的角度通过物理指标反映其舒适性,对舒适性效果进行量化研究,构建了 热湿舒适性的客观评价方法。     

结构动力特性的人工神经网络预测

在 Kolmogorov多层神经网络映射存在定理基础上 ,证明了一个三层神经网络可以描述机械结构设计变量与其动力特性参数之间的映射关系 ,给出了预测机械结构动力特性的人工神经网络实现方法 ,并通过仿真算例验证了该方法的有效性     

人工神经网络在煤矿开采沉陷预计中的应用研究

提出了利用人工神经网络技术进行开采沉陷定量预测的新方法 .研究了影响因素的选取、开采沉陷预计模型的建立以及模型的应用等问题 .采用 BP神经网络算法对开采沉陷量进行了建模和预测 .结果表明 ,用神经网络模型对复杂的开采沉陷系统进行模拟预测 ,具有理论上的可行性和现实意义 ,说明人工神经网络技术在开采沉陷预计领域中具有实用价值     

基于人工神经网络的加权负荷预报

针对矿区电力负荷系统的特点，提出了基于人工神经网络的加权负荷预报．仿真结果表明，其预报精度符合要求．     

用人工神经网络预测结构钢的端淬曲线

利用8×9×10的3层BP神经网络模型精确预测了优质碳素结构钢的端淬曲线.实际应用中通过调整学习率和动量项系数来改进标准BP算法,实验结果表明在训练次数一定的情况下,这种调整是有效的,并且表明网络的预测精度受这两个网络参数的影响很大.     

人工神经网络及其在智能 CAPP 系统中的应用

目的　认识和把握人工神经网络在计算机辅助工艺过程设计 (CAPP)中的应用及发展前景 .方法　在论述人工神经网络模型的特点和性质的基础上 ,对人工神经网络在智能 CAPP系统中的应用原理和方法作了初步的理论分析和研究 .结果　人工神经网络在 CAPP系统具有很大的使用价值和广阔的应用前景 .结论　这种初步的研究及其以后相关人员的工作 ,将为 CAPP领域应用神经网络技术开辟新的途径 ,从而在一定程度上解决目前 CAPP系统中存在的问题     

基于BP神经网络的动态交通流量预测

本文通过对BP神经网络和影响交通流量因素的分析,采用Windrow-Hoff学习算法、Kolmogorov定理和trainlm训练方法,实现对长春市开运街和湖西路路段动态交通流量的预测.     

人工神经网络的发展及其应用

介绍人工神经网络的发展历史、主要模型、原理及其在各个领域中的应用。     

基于神经网络的驾驶座椅舒适度评价方法

提出一种基于神经网络的预测驾驶座椅主观舒适度的方法。预测的输入变量为12个体压分布变量以及2个人体变量,输出变量为整体舒适度指数。数据通过12个被试者对5辆不同汽车的驾驶座椅测试获得。在对数据预测时,对主观舒适度的预测实验结果达到了均方误差0.003 0以及相关系数0.749的效果。研究的成果将有助于降低当前汽车制造企业提高汽车座椅舒适性过程中的成本,并缩短制造时间。