基于BP神经网络的转向架斜楔参数优化

斜楔是货车转向架重要的减振元件,基于力学分析推导斜楔参数与斜楔垂向、纵向、横向及抗菱等效作用的解析关系式,根据关系式建立便于优化斜楔参数的斜楔等效模型,在考虑部件柔性的C70E货车刚柔耦合模型中建立斜楔各向等效力元模拟斜楔作用;该斜楔处理方法下货车模型的振动模态特征和临界速度均与实际接近。据此方法,计算266组不同斜楔参数下车体垂向及纵向加速度响应;并利用遗传算法优化的BP神经网络,建立斜楔参数与车体加速度的关系模型。以此为基础,运用遗传算法寻找使车体加速度最小的斜楔参数。通过建立的货车模型,验证与原始参数相比,优化参数下车身垂向和纵向加速度均有所下降,提升了转向架的减振性能;货车的脱轨系数与轮重减载率也有所下降,提升了货车的运行性能,表明该优化方法对斜楔理论设计有一定的指导作用。     

基于遗传算法优化BP神经网络的道口事故预测

针对铁路事故发生的偶然性和事故发生原因的复杂性,提出应用BP神经网络对铁路事故进行较长期预测的建议,并以美国高速公路-铁路道口事故为实例,应用BP神经网络方法和遗传算法优化的BP神经网络方法对美国高速公路—铁路道口未来3年的事故进行预测,并将预测结果进行对比,结果表明,遗传算法优化的BP神经网络可以用于铁路事故的中长期预测。     

工程造价估算的进化BP网络方法研究

为合理、有效地控制工程造价,快速准确地估算项目工程造价是非常必要的。此文建立了进化BP网络的工程造价估算模型,并应用于工程实例之中,证明该方法是可行性的。     

基于改进的BP人工神经网络的物流需求规模预测

为了对物流需求规模进行准确预测,探讨了用于物流需求规模预测的经济指标和物流需求规模的度量指标,再应用粗糙集理论、适应度函数和BP人工神经网络理论建立了用于物流需求规模预测的模型,即改进的BP人工神经网络模型。该模型首先应用粗糙集对BP人工神经网络的输入层进行指标知识约简,以减少BP人工神经网络的复杂度,再在BP人工神经网络中引入适应度函数,以克服传统BP人工神经网络算法易陷入局部最优、训练速度较慢等缺陷,最后,将该模型应用在案例分析中。结果表明,该模型使预测精度得到很大提高;该方法为以后物流需求规模的预测提供了一种新的思路和方法。     

基于BP神经网络的铁路货运量预测

在铁路货运量预测中，为改善传统预测方法数据拟合度不高、外推性不强等问题，提出基于BP神经网络技术的货运量预测模型，该模型采用贝叶斯正则化方法以提高神经网络推广能力。实验比较发现，该模型具有较强的自适应性，其拟合、预测结果优于灰色预测模型GM（1，1）和修正指数回归模型，证实了该方法的可行性和可靠性。     

基于动态BP神经网络的抑郁病症诊断系统

随着生活节奏加快,竞争压力增大,抑郁症已成为一种常见的心理疾病,其发病机理目前尚不是十分清楚,医学界也没有严格统一的诊断标准。基于具有动态结构的BP神经网络,利用VC 设计开发了一套抑郁症诊断系统。该系统具有良好的灵活性和开放性,用户可根据实际需要自行调整网络层数、节点数以及学习收敛误差等参数。采用批量BP算法,提高了学习效率和逼近能力。测试结果表明,该系统具有较好的分类效果,可以用于抑郁症的辅助诊断和治疗。     

基于改进BP神经网络的驼峰场车辆减速器故障诊断的研究

减速器是驼峰场控制速度的主要部分,随着当前高速铁路大发展和铁路货运量的提高,编组站解体和编组能力加大,车辆减速器使用率和故障率增加,而现场维修人员凭借经验的低效率维修已经不能满足当前的货运溜放要求,对驼峰溜放控制,钩车安全连挂提出更高的要求,因此根据现场收集的数据建立BP神经网络模型进行仿真训练,精确诊断驼峰车辆减速器TJK(Y)2,3的故障部位,仿真结果表明,故障判断准确率达到96%。     

基于BP神经网络的货车车号识别方法研究

针对货车车号的字体不规则、单字有断裂的特点,提出基于图像预处理的动态字符分割和提取算法,准确地对车号图像进行车号区域提取和车号单字分割.利用Hilditch细化算法对单字进行细化,提取出能表征数字的结构特征向量.设计出BP人工神经网络,数字的结构特征向量作为BP网络的输入,用经过训练的BP网络进行货车车号的识别.     

改进估算编制方法 提高估算编制质量

分析铁路工程估算编制存在的问题,进而探讨改进估算编制的方法,提出制订铁路工程估算编制办法的思路及主要技术原则。     

基于BP神经网络的道岔智能故障诊断方法

为将神经网络技术运用在铁路道岔故障诊断领域,提出了以神经网络技术为基准,针对道岔常见的3个故障类分别建立3个子神经网络,并总体组建成一个并行神经网络系统的道岔智能故障诊断方法,以帮助维修人员快捷、准确、自动地诊断出故障原因,降低故障处理时间,提高运行效率。     

改进粒子群优化算法的BP神经网络在机车滚动轴承故障诊断中的应用

本文提出了一个基于改进粒子群优化算法的BP神经网络优化模型来进行轴承故障诊断,此模型融合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了诊断结果的精确性.仿真结果表明机车滚动轴承故障得到了有效诊断.相比于常规的BP神经网络模型,此方法不仅改进网络的收敛速度并且提高了预测准确性.     

基于粒子群BP网络混合算法的边坡稳定性评价

边坡稳定性评价与预测具有高度非线性和不确定性特征,难以用准确的数学模型表达。选取多个边坡工程实例构成学习样本集,以土体重度、内摩擦角、黏聚力、坡角、坡高、孔隙压力比6个主要影响因素作为土坡稳定性的评价判别指标;然后采用粒子群算法优化BP神经网络模型,实现混合算法,在保持BP网络算法误差反向传播修正权值特点的同时,将网络权值和阈值粒子化,利用粒子群算法的全局搜索性实现网络权值和阈值的更新,从而加快收敛速度和提高收敛精度,避免传统粒子群结合BP网络算法的"早熟"现象;通过与其他算法进行边坡稳定性评价的比较分析,表明了本文研究算法的可行性与合理性。     

基于BP神经网络在火灾图像探测技术中的应用

经过研究发现,火灾的发生机率具有双重性,即随机性与不确定性。而运用火灾自动报警系统检测火灾信号,就是将不确定的一面转化成比较准确的一面。基于此,利用BP神经网络算法计算和探测火灾图像的形成规律和信号特征,给出神经网络的具体结构和输入输出单元的设计方案。并对一系列的火灾样本图像和干扰图像进行实验。研究结果表明：此方法能更有效地减少火灾的误报警率,提高火灾报警的准确率。     

一种基于人工神经元网络算法的 谐波多路同步快速检测装置

通过对高铁牵引供电系统中谐波传输特性进行分析,设计以人工神经元网络算法为核心的快速谐波检测算法,实现牵引供电系统多路谐波数据同步检测。试制装置现场测试表明,该装置可实现牵引供电系统多路馈线50次以内谐波的同步快速检测,并具有较高的精度及良好的实时性。     

遗传神经网络对RPC流动度预估的研究

流动度是RPC配制的一个关键指标,它直接反映了其工作性的优劣,但其影响因素复杂,难以用统一的数值关系直接描述RPC流动度与其影响因素的量化关系,目前还没有合适的计算方法,为此,提出控制RPC流动度的数值方法,即引入遗传神经网络对RPC的流动度进行预测控制。在建立网络模型后,选取适当的参数,进行训练仿真分析。结果表明,该遗传神经网络模型是有效的,对RPC的流动度预测有较高的精度和稳定的预测结果,与单纯的BP神经网络模型相比,具有精度高、训练速度快、工作性能稳定等优点。     

基于小波分析和神经网络的网络流量预测

网络流量的准确预测对于提高网络服务质量与网络安全有很重要的作用.本文主要对流量序列进行小波分解和重构,并结合神经网络对网络流量进行预测,新的算法可以有效提高预测精度.通过分析神经网络及非线性预测模型的优劣,建立一个网络流量预测模型.同时利用实际采集的网络流量数据对模型进行仿真,证实该模型可以有效控制由各种因素导致的误差,从而提高网络流量的预测精度.     

基于径向基神经网络的铁路客货运量预测研究

根据径向基神经网络具有分析非线性动态系统的混沌特性的特点,对铁路客货运发送量相关时间序列进行分析和研究,在Takens相空间重构的基础上,利用互信息方法求嵌入时延、伪邻域方法求嵌入维数;应用G-P方法和最大Lyapunov指数方法对铁路客货运量时间序列进行混沌识别;根据RBF神经网络的学习算法和辨识原理,对铁路客货运量预测流程进行分析。应用径向基神经网络对铁路客货运量自1999-01-01-2012-08-27共4 988 d的发送量为基础进行径向基神经网络预测;并对预测误差进行检验及对预测结果进行分析。研究结果表明：基于径向基神经网络预测值能很好地与实际值相吻合,因而在铁路客货运量相关时间序列中预测有广泛的实用价值。     

基于线性自适应神经网络的摆式列车横向加速度预测研究

阐述了用线性自适应神经网络对即将输入的控制参考信号进行多步在线自适应预测并编程实现的方法。对实测信号的仿真分析表明,线性自适应网络可以以满意的精度对摆式列车横向加速度进行多步预测,有效解决由于各种因素造成的滞后补偿问题。