基于神经网络的轨道车辆振动预测

车体振动加速度是反映车辆振动状态及轮轨接触品质的重要参数;基于NARX神经网络,结合车辆动力学模型,构建了轨道不平顺激励下的车辆振动加速度神经网络预测模型;为提高模型的预测精度,运用遍历法确定了网络的时延阶数、隐节点等模型参数;基于车辆系统SIMPACK模型仿真数据的验证结果表明,模型输出与目标输出具有较高的相关性以及较小的均方根误差值,模型能够较好的预测出车体振动加速度的变化趋势;最后采用实测数据进一步验证了模型的预测性能,证明了构建的神经网络模型可以准确预测车体振动加速度输出,并有良好的泛化效果。     

空载货运列车脱轨检测系统的研制

根据朔黄铁路实际情况,提出一种适应朔黄铁路特殊线路条件并能准确检测车辆脱轨倾向的脱轨预警系统.分析了系统工作原理和结构,建立了测量轮轨间横向和垂向相对位移、作用力以及车轮加速度的方法,结合脱轨判据综合判断车辆脱轨倾向,最后分析了该系统的效益.     

轨道不平顺状态预测支持向量机模型建立及其案例分析

根据各单元区段的个性化特征来构建得到符合数据变化规律的分析模型,利用支持向量机方法来构建轨道不平顺预测模型及对其实施性能评价。选择由某铁路局管辖的京九线段中的轨检车测试数据作为研究对象,分析了100个长度为200m的轨道单元区段内的OQI数据,对轨道不平顺的发展趋势进行了预测,研究结果可知,进行第8次与9次测试时,轨道OQI值发生了快速降低的现象。2个周期OQI预测值与实测值的整体变化规律一致,误差在可控的范围内,表明该模型能够取得理想的结果,本文方法可以构建得到有效的预测模型,可以有效地反映轨道质量指数的发展趋势,对轨道不平顺预测研究具有一定的参考价值。     

列车横向振动与轨道不平顺输入关系研究

利用小波变换和互相关函数分析了列车横向振动与轨道不平顺输入之间关系。轨道不平顺输入引起了列车横向振动, 为了抑制横向振动并预测其变换规律, 需要研究两者之间关系。首先利用Simulink软件建立了列车横向系统模型, 模拟列车横移、侧滚和摇头振动信号; 然后利用小波变换和互相关函数分析了上述三种振动与轨道方向、水平不平顺输入之间关系。仿真结果表明, 水平不平顺与横移和摇头振动之间的互相关函数大于方向不平顺, 而方向不平顺与侧滚振动之间的互相关函数大于水平不平顺。结果证实了水平不平顺是引起列车横移和摇头振动的重要因素, 方向不平顺是引起列车侧滚振动的重要因素。     

融合聚集系数的链接预测方法

许多基于网络结构信息的链接预测算法利用节点的聚集程度评估节点间的相似性,进而执行链接预测;然而,该类算法只注重网络中节点的聚集系数,没有考虑预测节点与共同邻居节点之间的链接聚集系数对节点间相似性的影响。针对上述问题,提出了一种融合节点聚集系数和非对称链接聚集系数的链接预测算法。首先,计算共同邻居节点的聚集系数,并利用共同邻居节点对应的两个非对称链接聚集系数计算该预测节点的平均链接聚集系数;然后,基于Dempster-Shafer证据理论将两种聚集系数进行融合生成一个综合性度量指标,并将该指标应用于中间概率模型（IMP）,得到一个新的节点相似性指标（IMP_DS）。在9个网络数据上的实验结果表明,该算法的受试者工作特征（ROC）的曲线下方面积（AUC）与精度值（Precision）优于共同邻居（CN）、Adamic-Adar（AA）、资源分配（RA）指标和基于共同邻居的中间概率模型（IMP_CN）。     

基于预测控制的列车精确停车算法

精确停车是评价列车自动驾驶性能的关键指标之一。在分析列车停车阶段运行情况的基础上,考虑制动模型的延迟特性和列车运行特性的约束条件,运用广义预测控制理论,将列车运行的参考速度和参考距离作为控制目标,结合控制量所需满足的约束条件,设计了一种带约束的多目标预测控制器,以提高停车精度和列车运行的舒适性。通过仿真实例表明,该控制器不仅可以使列车精确跟踪停车目标曲线,达到高精度的停车要求,而且使列车运行具有更高的舒适性。     

基于ANSYS的脱轨轮轨力分析的研究

针对朔黄铁路安全运营的要求,提出了一种适应朔黄铁路的脱轨检测预警系统,并且对车轮轮轨力进行了ANSYS仿真与分析,建立了车轮轮轨力与横向形变位移关系方程,并通过现场检测试验得到了轮轨横向位移曲线,最后经过数据分析计算,验证了朔黄铁路空载货运提速的可行性。     

一种新型波动系数、不均衡系数计算方法的探讨

波动系数和不均衡系数是移动通信网络规划和配置中常常使用的重要参数,二者取值的大小直接关系到小区忙时话务量和系统忙时话务量之间的差异,所以也关系到整个网络的小区配置。因此本文主要介绍几种典型的波动系数和不均衡系数的计算方法,然后分析它们的优劣,从而寻找更好的统计方法。     

水厂吸砂机防脱轨控制方法研究

针对污水厂吸砂行车的脱轨现象,研究了一种污水厂吸砂行车设备防脱轨控制策略,达到行车同步稳定运行的目的。基于偏差测量系统、电机同步调整系统与PLC控制系统,对传统的电气控制回路进行优化设计,并采用新兴的传感器测量技术实时测量。通过PLC系统对电机实时监控,实现了行车两侧位移均衡的目标。该方法成功解决了行车脱轨问题,为水厂的稳定运行和无人值守模式提供了可靠的保障,为自控调试人员与工艺研究人员提供参考。     

基于Elman神经网络的燃气轮机功率预测方法研究

预测燃气轮机未来的功率变化趋势对故障预测非常重要。针对燃气轮机故障预测的问题,提出了一种基于Elman神经网络的功率预测方法。以某电厂燃气轮机的实际数据为例,选取与功率变化最相关的属性。通过对比实验,采取合适的预处理方法,确定神经网络模型的输入,设置合适的隐含层神经元个数,从而建立了基于Elman神经网络的燃气轮机功率预测模型。最后通过与反向传播(back propagation,BP)网络、径向基函数(radial basis function,RBF)网络进行比较,验证了该方法的有效性。     

基于神经网络方法的水声信号预测

由于海洋环境的复杂性和水声信道复杂的时变、空变特性，使得舰船辐射噪声是一种非平稳、非高斯过程。如能提前预测敌方舰船的辐射噪声，并有效地对敌进行水下对抗，先敌使用武器攻击，是克敌制胜的前提，也是我海军目前各型潜艇和水面舰艇急需解决的关键技术。文章根据水声信号的特点建立了预测模型和网络结构参数的设计。并分别采用BP神经网络和RBF神经网络对仿真信号和实际舰船水声信号进行预测。结果表明，利用神经网络预测水声信号达到了一定的效果，为今后进一步开展水声信号预测研究奠定了基础。     

利用神经网络预测Flory-Huggins作用参数

以理论溶剂化变色参数来定量表达有机分子结构 ,探讨 42个有机探针分子的结构及其与聚合物相互作用的Flory Huggins参数 χ12 之间的定量关系。采用改进的神经网络方法进行建模和预测 ,并与基于理论线性溶解能关系的结果进行了比较 ,结果表明神经网络预测结果优于理论线性溶解能关系的结果     

Prediction of Road Traffic using a Neural Network Approach

A key component of the daily operation and planning activities of a traffic control centre is short-term forecasting, i.e. the prediction of daily to the next few days of traffic flow. Such forecasts have a significant impact on the optimal regulation of the road traffic on all kinds of freeways. They are increasingly important in an environment with increasing road traffic problems. The present paper aims at presenting the effectiveness of a neural network system for prediction based on time-series data. We only use one parameter, namely traffic volume for the forecasting. We employ artificial neural networks for traffic forecasting applied on a road section. Recurrent Jordan networks, popular in the modelling of time series, is examined in this study. Simulation results demonstrate that learning with this type of architecture has a good generalisation ability.     

基于改进BP的GDP预测研究

GDP时间序列具有线性和非线性的双重特征,所以传统统计预测方法、神经网络方法和集成预测方法都在预测分析时准确性不高,误差较大。文章提出由GDP时间序列,找出只具有非线性特征的GDP年增量百分比序列,以此建立基于BP的预测模型,对我国的GDP进行预测,仿真实验表明,改进的BP模型预测准确率明显优于目前的ARIMA-BP集成模型及单一BP模型的预测准确率,从而证实了改进的BP模型用于GDP预测的有效性。     

洪泽湖水位预测模型的研究

水位预测是进行洪水监测的规则非线性函数关系,不易使用某个函数进行逼近.采用了BP神经网络对历年的水文信息进行学习、建模,实现了对这种不规则函数的拟合,并支持在线学习及适时调整.另外,使用改进的粒子群优化算法(PSO)对常规的BP网络进行训练.实验结果表明使用由改进的粒子群优化算法进行训练的BP神经网络进行的水位预测的精度有显著提高,并且在训练过程中尽可能地避免收敛于局部最优值.     

动车组转向架轴箱剩余寿命预测方法研究

动车组转向架轴箱的寿命作为衡量转向架性能的重要指标,主要受材料、工艺、质量、载荷、保养、工况等因素影响。为解决单一工况预测轴箱故障发生时间不准确问题,需充分考虑多工况因素,基于全生命周期构建转向架轴箱剩余寿命预测模型。本文通过对比分析多工况与轴箱的相互影响关系,采用大数据和机器学习算法,设计出一种基于长短记忆神经网络(LSTM)的轴箱相对温升与里程的剩余寿命预测方法。该方法能精确地刻画轴箱性能退化特征模型,可在动车运行过程中实时预测转向架轴箱故障发生率,较大幅度地提高动车组转向架轴箱剩余寿命预测的实效性、准确性。     

Prediction of uplift capacity of suction caissons using a neuro-genetic network

Suction caissons are frequently used for the anchorage of large offshore structures. The uplift capacity of the suction caissons is a critical issue that needs to be predicted reliably. A neuro-genetic model has been employed for this purpose. The neuro-genetic model uses the multilayer feed forward neural network (NN) as its host architecture and employs genetic algorithms to determine its weights. In comparison to the application of a conventional NN model [49] for the uplift capacity prediction problem, the application of a hybrid model such as the neuro-genetic network appears attractive. The conventional NN model is sensitive to training parameters and initial conditions and calls for a longer training of the network. Also it is not free of the inherent problem of settling for the local minimum in the neighborhood of the initial solution. In contrast, the hybrid model is much less sensitive to training parameters and initial conditions and inherently looks for a global optimum in a complex search space, which may be multimodal or non-differentiable, with a modest amount of training. The performance of the neuro-genetic model has been studied in detail over specific data sets pertaining to suction caissons, gathered from 12 independent studies [49] and compared with the predictions made by NN and finite element method models.     

基于CS-BPNN算法的飞机客舱PMV指标预测

针对飞机客舱热舒适度评价指标预测平均投票数(PMV)的各影响因素之间存在复杂的非线性和迭代求解关系问题,采用经布谷鸟搜索(CS)算法优化的BPNN来预测客舱PMV指标。通过对PMV模型参数分析,选出PMV主要影响因素作为预测模型的输入,利用CS算法的全局优化能力来解决BPNN易陷入局部最优及其收敛速度慢的问题,并对其初始阈值和权值进行优化。仿真结果表明,与GA-BPNN和PSO-BPNN相比,CS-BPNN预测模型具有较小的预测误差和良好的预测精度。所提方法在客舱PMV指标的预测中有较好的应用前景。     

一类复杂工业过程的智能预报模型及其应用

针对复杂工业过程中关键变量的测量问题,基于智能技术提出一种由数据采集与处理模块、决策支持模块、预报模块、在线校正模块以及效果评价模块组成的智能预报模型,并将该模型用于竖炉焙烧过程的优化控制与决策中.应用结果表明其维护费用低、实时性好、可靠性及精度高,在很大程度上解决了关键变量测量困难的问题,为选矿厂综合自动化系统的优化控制与优化运行奠定了良好的基础.     

复杂网络中节点暂态中心性预测研究

对复杂网络中节点的3种暂态中心性进行了预测研究。通过在真实数据集中分析节点不同时刻的暂态中心性值发现,不同时刻节点的暂态中心性具有很强的相关性。基于此,提出几种预测方法对真实数据集中节点未来的暂态中心性值进行预测。通过对真实值与预测值进行误差分析,比较了不同预测方法在不同真实数据中的预测性能。结果表明,在MIT数据集中,最近时窗加权平均方法的性能最好;在Infocom 06数据集中,最近时窗平均方法的性能最好。