本文采用一种混沌神经网络，应用神经网络的非线性动力学特性.将样本集记忆在神经网络确定性的混沌吸引子轨迹上，正是这种动态记忆方式，不仅将全部样本集得到记忆，而且允许利用动力学特性将各种样本模式一一加以重现和辨识，混沌吸引子的吸引线存在，形成了混沌神经网络固有的容错功能.若网络输入的实际信息发生不完整性或变异程度超出混沌神经网络固有容错范围，网络混沌运动就脱离了原有混沌吸引域，丧失了原有被储存样本模式的记忆，称之为失忆.神经网络是一种时空分布系统，空间上呈相互耦合的网络分布，时间上作非线性混沌运动，对于这种时空系统，采用的钉扎控制，通过对某些神经元施加一定强度的脉冲激励，驱动神经网络混沌运动进入要被恢复记忆的吸引域，从而对丧失的记忆得以恢复.这种方式使同一网络中反映不同工程的模型成为可能，当不同类别数据进入系统，系统就会作出自动辨识，得出不同的结论。

　　除了对盾构推进隧道施工参数的控制，系统此外还通过专家系统根据得到的施工数据和专家经验对盾构智能化故障诊断和设备保养。

　　4 结语

　　目前系统正处于调试与试运行阶段，主要试验地点分别在上海明珠二号线和南京地铁，系统的运行加快了施工信息的传递，也为施工水平的提高奠定了基础。

　　参考文献

　　[1] 周文波，胡珉. 盾构法隧道施工智能化辅助决策系统，上海隧道，2001,1

　　[2] 曹志彤.混沌神经网络的动态联想记忆.浙江大学学报，1999,3

　　[3] 吴彤，非线性动力学混沌理论方法及其意义. 清华大学学报, 2000,3

　　[4] Microsoft SQL Sever 2000 数据操作与复制, Microsoft Press, 2001

　　[5] 韩明虎，余英林. 基于耦合的混沌神经网络建模方法. 通讯学报，1995,2

　　[6] 朱忠隆，张庆贺，易宏传. 软土隧道纵向地表沉降的随机预测方法. 岩土力学, 2001,1

　　[7] 李宏建，隧道变形预测的灰色Verhulst模型.石家庄铁道学院学报，2000,3

上一页  [1] [2] [3]