基于RBF-NN近似模型的地铁钢轨探伤车转向架悬挂参数多目标优化#br#

以某地铁钢轨探伤车为研究对象,利用多体动力学软件UM建立车辆-轨道耦合动力学模型,分析探伤车在直线、曲线两种工况下的运行平稳性、安全性和曲线通过能力,为后续悬挂参数多目标优化提供原始数据支撑。基于MATLAB编程建立UM-ISight 联合仿真平台,在ISight 中以转向架一、二系悬挂刚度、阻尼等为目标参数,通过最优拉丁超立方法进行参数组合样本设计,并在此基础上构建符合精度要求的径向基函数神经网络(RBF-NN)近似模型,最后通过多目标优化算法NSGA-Ⅱ对近似模型进行寻优计算,得到最优的转向架悬挂参数组合。结果表明,所建近似模型具有较高的拟合精度,优化后车辆平稳性指标都得到明显改善,最多可降低35.39 %,且车辆的脱轨系数、轮轨横向力、轮轴横向力、轮重减载率等曲线通过性能指标也有不同程度好转。     

基于 Taguchi改进算法的脱水机悬挂系统参数优化研究

高速脱水机减振悬挂系统是其工作状态下抑振性能的基本保证,其中悬挂系统参数的波动更是直接影响高速脱水机的抑振效果。利用高速脱水机的动力学模型建立其筒体振幅的响应面模型,以该响应面模型为优化目标,悬挂系统参数为优化对象,分别采用传统遗传算法和基于Taguchi改进方法的混合遗传算法进行参数优化。对两种优化方法应用蒙特卡洛法进行了算法分析。基于优化结果,开展了高速脱水机多工况筒体振动试验研究,并进行了对比验证。结果表明,基于Taguchi改进方法的混合遗传算法具有更优的精确性和稳健性,对于工程应用具有指导意义。     

基于智能算法的动力吸振器多参数优化研究

动力吸振器在改善系统振动与噪声方面应用广泛,优化动力吸振器的参数是提高动力吸振器性能的关键。设计动力吸振器多参数优化目标函数,研究人群搜索算法在动力吸振器参数优化中的应用,并运用人群搜索算法、遗传算法和粒子群算法进行仿真计算,对比三种算法对动力吸振器进行参数优化时的稳定性、计算速度、计算精度。结果表明,所设计的基于人群搜索算法的优化方法具有较好的稳定性及计算精度,但计算速度稍慢于另外两种算法。工程实例证明,基于人群搜索算法优化后的动力吸振器对于改善汽车部件共振、降低车内噪声具有良好效果。     

面向车辆平稳性的抗蛇行减振器结构参数多目标优化

高速动车组在运营过程中依赖抗蛇行减振器维持车体横向振动的平稳性,为提高不同工况下车辆运行平稳性,需要对抗蛇行减振器结构参数进行多目标优化.首先建立包含抗蛇行减振器液压数值模型与CRH3车辆动力学模型的UM-SIMULINK联合仿真模型,分析抗蛇行减振器结构参数对车辆平稳性的影响,随后基于车轮磨耗对轮轨接触几何的影响设计...     

基于GA-BFGS混合算法的多目标粘弹性模型参数优化

粘弹性材料的本构模型对复合结构的动力分析至关重要,一个精度高、结构简单的本构模型可以使系统分析简单、有效.本文首先采用动态力学热分析仪对一类沥青型阻尼材料进行力学特性测试,得出粘弹性沥青材料的存储模量,损耗模量及损耗因子随频率变化曲线.进而采用一种基于遗传算法(GA)和拟牛顿算法(BFGS)混合算法,对标准流变学模型(STD)、ADF模型以及GHM模型进行了参数优化,结合目标函数的优化结果,分析了各个模型的优缺点.研究表明:(1)GA-BFGS混合算法可以得到精确的全局最优解,且计算量不大.适合于该类问题的求解;(2)对于该类沥青型粘弹性阻尼材料,STD模型,ADF模型可以在较少的待定参数下得到较好的拟合结果;(3)由于ADF模型方便和有限元结合,更适合采用有限元方法对复杂结构分析.参数优化结果为该类阻尼材料的复合结构分析奠定了基础.     

一种基于遗传算法的高频载荷识别方法

针对结构在高频载荷作用下模态密集,分析求解比较复杂的特点,提出一种基于遗传算法进行高频载荷识别的方法。运用统计能量法建立了高频载荷识别正模型并进行响应的求解。通过遗传算法反复调用统计能量模型,迭代运算实现高频载荷的反演。数值算例结果表明该方法收敛较快,反求精度高,可以用于高频载荷的快速准确识别。     

基于改进Duffing理论的轴承微弱故障信号判断

分析了传统Duffing振子混沌系统的基本理论对检测微弱信号的不足,给出了基于改进之后的Duffing振子检测微弱信号的新方法。改进后的方法能够弥补传统方法对系统固有频率的限制,检测具有较大固有频率的微弱信号。本文主要利用传统方法和改进方法分别对轴承外圈故障信号进行验证性分析,发现改进方法能更好的找出微弱故障信号。通过对仿真信号分析和轴承故障诊断实验,结果验证了本文方法的有效性。     

动背景下帧差分法与边缘信息融合的目标检测算法

针对动背景下运动目标的检测问题,文中提出了改进的三步搜索算法有效地提高灰度投影法检测序列帧间运动矢量搜索速度,同时保持了运动矢量的搜索精度.首先通过帧间运动矢量补偿将连续三帧图像的相同背景稳定在同一幅图像的相同位置上,其次对连续的三帧图像进行边缘信息提取,并对三帧连续的边缘图像进行差分法运算,最后结合数学形态学的闭运算...     

基于信号奇异性分析的轴承故障检测方法

针对轴承振动信号利用小波单奇异点检测无法克服噪声影响的不足,提出利用小波模极大值分析信号奇异性变化进而进行轴承故障检测的方法。实验中对信号的模极大分形指数,模极大分形指数熵,Lipschitz指数以及Lipschitz指数熵等奇异特征进行分析比较,实验结果表明这些特征都能有效克服噪声影响实现故障检测,但模极大曲线数最能体现故障特征且检测效果最好。将该方法同基于小波包能量谱特征和小波单奇异点检测的方法进行比较,结果表明本文建议的方法在检测时间及检测率上都有显著提高。     

早期故障检测的特征集空间的距离判别法

提出早期故障检测的特征集空间的距离判别法,以含有早期微弱缺陷的元件为参考样本,作为特征集空间的原点,用多特征总体评价的诊断方法,建立特征集空间距离和故障大小的一种对应,最后根据经验预设阈值对检测结果做出定性判断.多特征总体评价,从不同角度充分挖掘早期故障信号中蕴藏的信息,避免片面和盲目.对各个特征量的加权反映出各个特征量在总体评价中重要性差别.故障特征提取用到了分形特征及小波多分辨分析.     

一种新的基于声信号的故障分类算法

提出采用相空间重构与高斯混合模型相结合的方法,利用声信号对设备进行故障分类．此方法首先将一维声信号时间序列进行相空间重构,在高维相空间展示各故障状态下的动力学特性,然后通过最大期望值算法建立相空间的高斯混合模型,最后采用贝叶斯分类算法进行故障的识别．从齿轮故障试验台上采集常见齿轮故障的声信号并进行分类实验,验证了该方法的有效性．     

结构损伤的遗传神经网络检测方法

将遗传算法与神经网络相结合,用遗传算法完成神经网络的学习过程,建立了结构损伤的遗传神经网络检测方法,并对遗传算法进行了改进.研究结果表明,用改进的遗传算法进化神经网络可以有效地避免BP算法有可能陷入局部极小的缺点,而且运算速度大大加快,精度提高.     

基于SVDD的多设备故障源识别定位方法研究

对于由多个设备组成的系统,检测的快速性和面临的小样本限制是进行声学故障源识别通常要考虑的两个重要问题。本文以线谱增强类声学故障为研究对象,提出了一种基于支持向量数据描述（SVDD）的故障源识别定位方法。该方法依据正常样本建立数据描述模板,对线谱增强类声学故障的出现进行识别,然后通过与各个设备上测得的传感器信号联合分析,实现了故障设备的准确定位。实验结果表明该方法具有较好的工程应用性。     

基于遗传算法的水下爆炸冲击隔离系统的极限性能分析

在舰船上安装隔离器可以减小水下冲击的影响起到保护仪器的作用.通过构造一个冲击激励-船体-隔离装置-仪器的交互作用模型,计算出仪器的动力响应.基于这一模型 ,设计适宜的冲击隔离系统,满足它的性能指标.然后用遗传算法来解决传统优化方法很难解决的最优化问题.最后,通过一个算例及结果分析,获得其极限性能特性.     

基于离散分数布朗随机场的水下图像目标检测

采用传统图像检测方法存在目标区域定位不准确、目标细节信息丢、目标形状变形等问题,本文提出一种基于离散分数布朗随机场模型的水下图像目标检测方法.该方法根据分形理论和水下图像的特点,以图像中每个像素点为中心取窗口,计算在该窗口内的分形维数均值,将该均值作为中心像素的分形特征,然后根据分形维数分布图确定分割阈值,从而实现对水下图像分割,并且通过将目标表面不同尺度下的灰度差分平均值进行归一化处理,减少了用于表示不同尺度下的平均绝对值灰度差分的数据,从而提高算法检测效率.实验结果表明,该方法对水下成像条件具有一定鲁棒性,是一种有效的水下图像目标检测方法.