基于LSSVM的地铁弓网系统广义动态建模与仿真

提出基于最小二乘支持向量机(LSSVM)的弓网系统广义动态建模方法,并对弓网模型进行辨识及仿真研究。首先对离散化后的弓网系统动力学模型的线性部分和非线性部分进行分析,构建ARX Hammerstein弓网系统模型,然后根据LSSVM的方法对模型参数进行辨识,最后利用弓网实际检测数据对该弓网模型进行弓网接触力的建模预报试验。试验结果表明,LSSVM-ARX Hammerstein弓网模型可以有效地逼近弓网系统接触力的动态行为,具有较高的预报精度,从而验证了所提方法用于弓网系统广义动态建模的有效性。     

一种顾及用户朝向的PSO-LSSVM指纹定位算法

为了解决人体对WiFi信号遮蔽和最小二乘支持向量机参数优化的问题,提出了一种顾及用户朝向的粒子群优化最小二乘支持向量机指纹定位方法。建立全向指纹库,采用粒子群优化算法求出最小二乘支持向量机最优参数,通过最小二乘支持向量机训练出定位模型,将待测点指纹信息输入定位模型中,最终估算出待测点位置坐标。仿真实验结果表明所提算法在定位误差上达到0.72 m,普通的粒子群优化最小二乘支持向量机算法定位误差为0.84 m,提高了室内定位精度,具有实际的应用价值。     

基于改进最小二乘支持向量机的电力机车牵引电机建模

介绍利用最小二乘支持向量机的回归理论对牵引电机磁化曲线进行拟合,从而建立准确的电力机车牵引电机模型的方法.针对最小二乘支持向量机参数选择耗时长的问题,提出一种基于三步搜索技术的参数选择方法.理论分析及仿真结果表明,该方法可优化选择最小二乘支持向量机的参数,并可提高最小二乘支持向量机的建模速度.将该方法用于电力机车牵引电机建模的参数选择,仿真结果表明,该方法建立的电力机车牵引电机模型精确度高,可用于对电力机车主电路性能及控制策略的研究.     

基于最小二乘支持向量机的轨道电路故障诊断方法

为提高轨道电路故障处理效率和正确率,对轨道电路的多故障诊断方法进行研究。建立基于最小二乘支持向量机的轨道电路故障诊断模型,用某轨道电路实测数据进行训练和测试,选择基于BP神经网络的故障诊断方法进行对比。结果表明:基于最小二乘支持向量机的轨道电路故障诊断方法能有效实现轨道电路5种故障的诊断,且具有更快的运算速度。与BP神经网络故障诊断方法比较,故障诊断正确率提高了17.14%,运算时间减少2/3。     

二维和三维弓网耦合动力学模型适用性分析

针对二维和三维弓网耦合动力学模型,根据接触网模态、接触压力、接触线抬升位移、弓头振动加速度及其频谱特性,分析了两种模型在弓网耦合动力学仿真中的区别;采用三维弓网模型分析了接触网在横风作用时,接触线风振位移对弓网接触压力的影响。计算结果表明二维和三维弓网模型获得的仿真结果基本一致,弓网横向相对运动对其垂向动力学行为影响较小;三维模型适用于横风条件下的弓网动力学仿真,横风载荷对弓网接触压力具有显著影响,导致弓网受流质量变差。     

基于小波分析的最小二乘支持向量机轨道交通客流预测方法

针对城市轨道交通客流预测问题,采用离散一维Daub4,小波分析方法对某一时间段的原始客流时间序列数据进行分解;以分解得到的高频分量和低频分量为样本数据,对最小二乘支持向量机进行训练,确定最小二乘支持向量机的核参数σ,以及系数a和b.利用训练后的最小二乘支持向量机预测未来一段时间客流时间序列数据的高频分量和低频分最,然后再利用Daub4小波分析方法对预测的高频分量和低频分量进行数据重构,从而得到预测的未来一段时间客流时间序列数据.与历史平均预测法和灰色预测法进行比较,结果表明,基于小波分析的支持向量机客流预测方法用于轨道交通短期客流预测具有更好的精度.     

基于最小二乘支持向量机的高速铁路路基沉降预测

高速铁路路基的施工环境复杂,沉降监测数据往往是不等时距的.鉴于最小二乘支持向量机拥有强大的非线性拟合能力,使用最小二乘支持向量机建立沉降与时间的关系函数,以等时间步长插值得到路基的等时距沉降时间序列,建立基于最小二乘支持向量机的高速铁路路基沉降预测模型.分别运用给出的预测模型和BP神经网络与灰色理论联合方法对杭甬铁路客运专线上虞北站5个路基沉降监测断面进行路基沉降预测,并与现场实测数据对比.结果表明,短时距的最小二乘支持向量机预测模型比BP神经网络与灰色理论联合方法的预测精度高,预测结果更稳定,外推预测沉降更可靠.     

弓网动态接触压力测量方法研究

在电气化铁路中,弓网接触压力对机车供电可靠性及质量起着重要作用。通过总结分析国内外测量方法,对影响弓网接触压力的因素及受电弓受力情况进行分析,设计一种检测弓网动态接触压力及机车运行方向摩擦力的装置,并对误差进行分析。     

基于SAHDE-RVM的铁路短期风速预测研究

针对铁路短期风速预测方法中人工神经网络(ANN)易陷入局部最小值、支持向量机(SVM)核函数选择困难等缺陷,提出采用一种基于自适应混合差分进化相关向量机(SAHDE-RVM)对铁路短期风速进行预测研究。首先,改进自适应差分进化算法,引入模拟退火算法对种群的当前最优个体进行二次寻优,形成自适应混合差分进化算法,然后将自适应混合差分进化算法与相关向量机结合,建立自适应混合差分进化相关向量机模型,最后利用本文模型对国内某两段不同铁路沿线实测风速数据进行预测,预测结果表明,本文模型的预测指标均优于传统差分进化算法(DE)参数寻优的相关向量机模型及最小二乘支持向量机(LS-SVM)模型,具有更加出色的预测性能。     

弓网系统电磁作用力的研究

接触压力是弓网系统动态性能的核心指标,弓网之间保持相对恒定的接触压力是保证弓网持续稳定受流的关键。本文基于毕奥-萨法尔定律建立弓网系统电磁力理论计算模型,分析载流接触网导线周围的感应磁场作用、受电弓上感应磁场力的变化规律及其影响因素,主要包括接触网拉出值、由车轨振动造成的弓网垂向间距、牵引电流等因素的影响。计算结果表明:牵引供电电流对弓网系统电磁力的影响比较明显,故障时的电磁力最大值瞬间可高达弓网正常接触压力的30%~50%。