一种动车组转向架装配线电机传动系统健康状态评估优化方法研究

对于动车组转向架装配线,电机传动系统是其关键部分,由于其运行状态的实时监测数据具有无标签性,采用K-Means聚类等无监督式学习算法是解决这类系统健康状态评估的常用方法。针对传统K-Means算法受噪声及孤立点影响较大的缺陷,提出基于局部异常因子算法的优化方法,有效地去除数据噪声点的影响;针对中心点选取过于随机性的缺陷,提出一种基于样本密度的初始中心点选取方法,并且中心点更新是选取距簇中其他样本点方差最小的点,从而改善了聚类效果;利用实际电机传动系统的运行数据对优化的K-Means算法进行验证。实验结果表明:优化后的算法有效提高了聚类质量,很好解决了实际应用环境下的电机传动系统健康状态评估问题。     

地铁车辆牵引控制单元的故障诊断方法

地铁车辆牵引控制单元是地铁系统的核心单元之一,准确判断其故障状态对车辆安全运行至关重要。针对模糊C-均值聚类(FCM)在牵引控制单元故障诊断中的不足,提出了采用入侵杂草算法优化FCM,解决了FCM聚类结果不稳定和容易陷入局部最优的问题。该方法能克服单一故障诊断法的缺陷,同时具备群智能算法搜索全局最优和FCM算法处理模糊信息的能力。通过UCI数据集和地铁车辆实际数据进行仿真实验,结果表明,新方法与传统FCM相比,能获得更优的聚类中心,有效提高了TCU故障诊断的准确性和快捷性。     

基于CEEMDAN与KFCM聚类的转辙机退化状态识别方法

针对道岔转换设备在使用寿命内的功率信号特征提取与退化状态识别问题，提出基于自适应白噪声完备经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）与核模糊C均值聚类（Kernel-based Fuzzy C-Means clustering,KFCM）相结合的转辙机退化状态识别方法。首先，对S700K转辙机采集的功率曲线数据进行模态分解，得到多个固有模态函数（Intrinsic Mode Functions,IMFs），通过IMFs的能量幅值获得表征数据退化过程的特征向量；然后，由KFCM算法对特征向量进行转辙机退化状态识别，并进行状态划分；最后，通过计算分类系数和平均模糊熵对该方法的分类性能进行综合评估，并与模糊C均值聚类（Fuzzy C-Means clustering,FCM）和GK (Gustafson Keseel)聚类算法进行比较。结果表明：该方法聚类效果准确率达95.6%，优于FCM和GK聚类算法，能对转辙机的退化状态进行科学划分，为铁路现场道岔设备健康状态监测提供...     

聚类分析算法改进及其在地铁隧道病害分析中的应用研究

在研究经典聚类分析算法的基础上,对k-means算法进行改进,得到MK-means改进算法。随机选取初始点,运算后会产生不同的聚类结果。把基于图论中最小支撑树思想应用到算法改进中,通过最小支撑树求得最小圈,产生k个初始聚类中心,由达到一定初始聚类阈值的点开始聚类,聚类效果更优,有效克服随机选取初始点的缺点。把改进的算法应用到地铁隧道病害分析评价中,准确划分隧道病害等级,有针对性地提出防治措施,具有一定的实际应用价值。     

一种有效的FCM算法的实现方式

提出了一种有效的FCM算法的实现方式。目前FCM算法的实现大多采用启发式方法,根据经验或实验用人工选择的方法来确定FCM算法中的所有参数。利用一个有关选择权指数m的新的研究结果,提出了一种有效的FCM算法的实现方式,选择了一种简便的聚类有效性函数用于聚类结果的检验,最后用数值实验验证了方法的合理性。     

改进GA-BP算法的棒式绝缘子表面缺陷识别

针对棒式绝缘子及表面缺陷的精确识别技术问题,提出改进遗传算法(Genetic Algorithm)优化BP神经网络算法(GA-BP)和绝缘子水平/垂直方向像素统计的算法,分别用于绝缘子及其表面缺陷精确识别.采用GA算法对BP网络的初始权重进行优化,并用鲍威尔-比厄法(Powell-Beale)更新GA-BP算法中的权值...     

基于射线跟踪与离开角空间聚类的5G-R网络优化技术研究

当前反复“路测-调整”的传统无线网络优化方式难以满足铁路5G专用移动通信系统（5G-R）的网络优化需求。面向京沈铁路干线场景，在确定了射线跟踪传播机理模型后，进行了5G-R无线信道建模仿真，提出一种基于射线跟踪与离开角空间聚类的网络优化算法。该算法以全向天线仿真结果为基础，使用K-means++算法对射线跟踪仿真的角度-能量域数据进行聚类，将水平离开角的空间聚类中心作为扇区方位角；结合水平离开角的聚类中心与高铁行车路径的空间位置关系，计算相应扇区的下倾角；以上述基于射线跟踪与离开角空间聚类的结果为初值，基于粒子群算法进行优化迭代，高效地完成铁路干线场景下的5G-R网络优化。结果表明，在相同的计算资源和仿真条件下，基于射线跟踪与离开角空间聚类的5G-R网络优化算法对比直接使用粒子群算法，在收敛速度方面提升了约10%，在优化效果方面提升了约30%。该方法针对铁路干线场景能够实现在迭代计算次数更少的情况下，给出更好的网络优化方案，为未来建设高质量5G-R通信系统提供技术积累和参考。     

基于BFS和加权半监督聚类算法的地铁客流分配研究

复杂的城市轨道交通线网给乘客提供多种出行路径选择,而轨道网络起讫点间可能存在多条可选有效路径,给城市轨道客流清分工作带来难度。为求解相同起讫站点间各路线乘客选择的概率问题,以广州市地铁自动售检票(automaticfarecollection,AFC)系统刷卡数据为研究对象,提出一种创新性的半监督聚类算法框架。首先基于广度优先(breadth first search, BFS)的K短路径的搜索算法,识别起讫点间的有效路径集,由此确定初始聚类中心及个数;然后以路径距离和换乘次数等特征值依次标定各有效路径权重,由这些标记数据出发,采用加权半监督的方式增强聚类算法的分类能力。最后结合客流调查结果,与经典K-means算法和朴素贝叶斯分类算法进行比对。通过算例证实提出的客流分配算法性能最优,准确率高达94%,具有较好的分类效果。     

基于地铁-货车联运的动态配送选点-路径问题

为应对传统动态需求下单一车辆配送成本高、时效差等问题，通过共享地铁剩余运能将地铁网络融入城市末端配送网，提出基于地铁和货车联运的动态选点-路径问题。从联合运输配送成本最小化角度出发，考虑动态需求、客户服务时间窗、多转运点接送等因素，构建地铁转运点选择、货车调度以及接运配送路径的两阶段动态选点-路径整体优化模型。针对模型特征，设计“初始阶段+动态阶段”的两阶段启发式算法，将Mark-Sweep算法和蚁群算法相结合求初始解，再设计双层启发式集成算法求动态解，为提高算法的求解质量和效率，外层遗传算法采用矩阵编码结构并通过截取掩码方式改进交叉变异算子，内层蚁群算法采用关键值编码结构并改进多点接送概率选择操作，通过内外层信息交互实现选点和路径的集成优化。最后结合不同算例验证模型与算法的合理性及有效性。结果表明，基于地铁和货车联合运输开展动态配送，不仅能有效提高配送时效性和精准度，而且能使配送成本降低约18%。     

基于粗糙集和模糊认知图的ZPW-2000轨道电路故障诊断

针对目前由人工分析监测数据进行ZPW-2000轨道电路故障判别存在判别效率低、判别周期较长、对数据分析所依赖的人员经验程度高的缺陷,将粗糙集理论和模糊认知图的概念引入ZPW-2000轨道电路的故障判别中,通过主分量启发式算法对原始故障数据进行属性约简,得到故障特征参数,利用模糊认知图构建出基于属性约简和模糊认知图的分类器,并在此过程中利用自适应遗传算法完成FCM权重的学习。通过仿真实验验证,在模糊认知图的基础上利用粗糙集进行特征的提取,再对ZPW-2000轨道电路故障进行诊断,这种方法是有效可行的,并与人工分析故障数据进行诊断的方法进行比较,发现基于属性约减和模糊认知图的分类器有较高的故障识别率以及较短的诊断时间。     

炭素制品X射线图像的缺陷特征选择

针对炭素制品X射线检测图像的特点,对缺陷特征提取与选择技术进行了研究。为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从原始图像中提取缺陷区域。在此基础上,从缺陷样本中提取19个特征值。为提高缺陷模式识别对各种噪声及干扰的鲁棒性,提出以特征组合分类能力数学模型为适合度函数,设计基于遗传算法的特征选择策略,实现了对缺陷原始特征量的优化选择。利用BP神经网络分类器及选择的特征值对缺陷进行模式分类。研究结果表明,所提出的选择方法可以用于缺陷的识别与分类。     

基于粗糙集理论和FCM的轨道电路故障诊断模型

由于轨道电路数据多且其维数高,这往往会导致所选特征之间存在冗余和相容性的问题。基于主分量启发式算法,引入相容度概念,并提出一种改进的主分量启发式属性约简算法,提取初始数据的主要特征属性来降低样本的维数。同时将模糊认知图概念引入到轨道电路故障诊断中,利用最小二乘法完成模糊认知图节点间权值的选择,最后根据权值建立轨道电路诊断模型并对预处理的样本进行训练和分类。实验结果表明,与单独的FCM分类器相比较,加入属性约简算法后, FCM分类器可提高分类性能,与采用人工确定权值的FCM方法对比,最小二乘法提高了FCM分类的精度。     

基于遗传算法的铁路纵断面优化研究

针对铁路纵断面优化问题,基于遗传算法建立铁路纵断面优化模型。研究结论:在初始铁路纵断面方案基础上,基于遗传算法进行纵断面自动优化,可以提高优化速度和优化结果;以变坡点里程及设计高程为优化设计变量,依据对纵断面设计内涵的分析,构建了遗传算法的多目标适应度函数;在种群多样性评价的基础上,确定选择、交叉和变异算子操作概率的自适应调整方法;在纵断面优化理论的研究基础上,利用VC.NET和ObjectARX2006编制了基于遗传算法的纵断面优化程序。     

基于模糊路段流量的OD反推的不确定规划模型与算法研究

考虑调查数据存在的偏差,将路段流量视为一个模糊数,在此基础上构造一个OD反推的双层规划模型,其上层为一模糊期望值模型,即以路段计算流量与实测流量的偏差模糊期望值最小为目标;下层为用户平衡分配模型.为求解该模型,将模糊模拟、二分法、人工神经网络以及遗传算法相结合,给出一种混合智能算法及其步骤.通过一个简单的路网进行仿真试验,最后对这一新方法的有效性进行检验,并对结果进行了分析.     

基于非负矩阵分解的高速列车走行部工况识别

根据高速列车振动信号数据的特点,针对高速列车走行部工况的识别,提出了一种基于非负矩阵分解(NMF)算法的工况识别模型。该模型通过数据处理获得具有辨识度的工况数据集,使用K-meams、谱聚类、近邻传播和模糊C均值4种聚类算法获得初步识别结果。聚类算法的初步识别结果作为NMF算法的输入,获得最终识别结果。相比NMF算法与聚类算法的识别结果,NMF算法具有更高的准确率,本文验证了NMF算法在高速列车工况识别方面的有效性和高效性,为高速列车的工况识别提出了一种有效的解决方案。     

地铁站点客流特征与土地利用关系研究

讨论轨道交通站点客流的时间变化规律,根据客流的时序特征,利用时间序列聚类的K-means算法对轨道交通站点进行分类,对比不同类别站点的客流差异,同时探究轨道交通站点早晚高峰进出站客流与站点周围用地密度之间的相关关系,在考虑空间相关性的基础上,采用地理加权回归定量计算回归方程,详细分析客流与用地之间的相关系数在空间的分布情况。通过分析为不同站点制定有针对性的运营管理措施,以及为轨道交通规划提供理论支持。     

复杂工业过程的模糊建模与控制

利用模糊理论,进行复杂工业过程的模糊建模与控制研究。主要在基于改进模糊聚类的可解释性模糊建模、基于分布补偿和线性矩阵不等式的模糊系统稳定性分析和控制器设计、基于TS模糊状态空间模型的模糊预测控制、玻璃熔窑模糊控制系统四个方面进行研究。主要研究内容如下。基