改进型柔性神经网络及在开关磁阻电机磁化曲线建模中的应用

针对传统神经网络建模的不足提出了一种改进型的柔性神经网络。阐述该网络在学习、训练过程中不仅可以调节连接权,而且加强了对网络非线性函数参数的实时修改,通过多自由度的训练与调整,使所建网络达到最佳的性能。给出了所建网络的结构与学习算法,并通过算例的形式将其与传统BP神经网络及传统已有柔性神经网络进行了全方位比较。结果表明,改进型网络由于其三自由度调节参数的能力,具有比传统BP网络及已有柔性神经网络更强的学习能力,它以最少的迭代循环次数实现了期望精度。     

基于模糊神经网络的轨道电路故障诊断方法研究

将模糊神经网络FNN(Fuzzy Neural Network)理论引入轨道电路的故障诊断应用中,在对轨道电路的故障原因进行分析的基础上,根据轨道电路的工作原理和故障特点建立了FNN故障诊断模型。模型选定了3个关键部件的电压值作为输入,4种典型的故障作为输出,并根据专家经验总结了9条推理规则。通过对样本数据的学习训练,采用一阶梯度寻优算法对模型参数进行了优化。通过计算机仿真验证,这种用于轨道电路故障诊断的FNN模型是有效的,并具有一定的准确度,为轨道电路的故障诊断提供了良好的方法。     

基于模糊神经网络的客运专线车站选址决策研究

铁路客运专线是新型的中长途旅客运输方式,代表着铁路未来的发展方向,目前客运专线规划建设还存在包括车站选址在内的很多问题,因此就要科学统筹规划车站分布及城市枢纽布局,系统分析铁路客运专线车站选址决策的影响因素,剖析各因素之间的相互关系,探求合理科学的解决方法。主要从经济、社会、功能、规划和环境等方面深入阐述客运专线车站选址需要考虑的因素,提出借助模糊神经网络理论进行客运专线车站选址决策的思路,利用Matlab7.5程序对模糊神经网络站址决策的思路进行语言实现,并结合实际案例分析说明,验证FNN方法的可行性和有效性。     

基于误差反向传播神经网络的GSM-R场强预测

场强预测是评估和衡量GSM-R系统通信质量的一种重要手段,准确高效的场强预测对信道建模提出了更高的要求.本文提出利用人工神经网络中应用最广泛的误差反向传播(Back Propagation,BP)神经网络预测GSM-R系统的场强.预测结果表明:无需进行三维场景建模,利用表征非线性关系的BP网络即可实现准确的场强预测;相...     

基于时空序列的铁路客运量数据挖掘预测

在分析铁路客运量数据的时空复杂性特征的基础上,以铁路假日运输管理系统中春运期间的客运量数据为依据,采用BP神经网络的数据挖掘方法进行铁路客运量数据挖掘预测研究。通过BP神经网络的建模方法把客运量的空间属性、数据属性和时间属性有机地结合起来,将数据的建模含于网络的数值当中。网络在学习过程中系统误差始终保持持续稳定的下降趋势,没有产生局部振荡和陷入极小现象,整个学习过程中系统稳定性较好。各样本之间的期望输出和实际输出之间吻合较好,从而证明所采取的数据处理方法的有效性和网络学习参数的合理性。根据BP神经网络得到的预测模型在仿真试验中的期望输出和实际输出之间吻合较好,预测的客运量和实际客运量数值非常接近。     

基于双向权值调整算法的神经网络非线性系统辨识

使用神经网络建模是非线性系统辨识的一个重要方法。为克服传统BP算法训练多层前向神经网络进行系统辨识中存在的一些问题,本文提出一种使用双向权值调整学习算法训练单隐层前向神经网络进行非线性系统辨识的方法。此辨识方法使用结构简单的单隐层前向神经网络,在正向阶段由Moore-Penrose广义逆确定输出权值,反向阶段则按误差梯度下降原则对隐层权值进行调整。算法能在正向和反向两个过程对网络的权值做出调整,具有较快的学习速度,并且能在一定程度上保证神经网络的泛化能力。通过基准辨识仿真实验验证,基于此方法的非线性系统辨识具有建模结构简单、训练速度快且辨识精度高的特点。     

基于多神经网络的入侵检测系统模型研究

为了进一步提高入侵检测系统的检测性能,提出一种新型的基于多神经网络的入侵检测系统模型IDSMN.该模型引入多神经网络和模糊理论,基本思想是将网络数据集分成不同类型的子集,在不同子集上训练形成不同的子神经网络,然后用模糊理论进行多神经网络非线性融合,形成最优判断.     

一种新型柔性轨道设计及工作机理

为提高铁路轮渡引桥对船型的适应性,改进陆上固定轨道和甲板上轨道的连接形式,提出了一种轨枕与钢轨连成一体,通过轨枕互相铰接而形成轨道,依靠设在轨枕端部的传动轴传递扭矩并实现轨道整体弯转的新型柔性轨道构造方案。给出了这种新型柔性轨道的基本构造和主要零部件组装特征,说明了其工作原理,介绍了柔性轨道受力弯曲的整体偏移量、偏转角度、钢轨处轨枕间隙变化量等主要轨道工作参数及其函数关系。研究结果表明,这种新型柔性轨道具有可行性和实用性。     

重载货车刚柔耦合模型的轮轨接触及振动传递规律研究

为研究重载货车振动特性,以我国轴重最大的某型30 t轴重重载货车为研究对象。首先采用有限元方法建立了轮对的弹性模型,进而在UM软件中进行总体集成,建立了考虑与不考虑轮对弹性的货车刚体模型以及刚柔耦合振动模型,给出了柔性体轮对的自由振动模态,以及柔性轮对的建模方法,对比分析了轮轨接触关系以及2种模型不同位置的振动加速度。结果显示,柔性轮对的弹性结构不仅能缓和轮轨之间的刚性作用,而且还缓和了中央悬挂以下的刚性振动,由于中央悬挂发挥了较好的隔振性能,故轮对柔性建模对车体、摇枕的振动影响较小。因此开展轮对柔性振动研究及其动态影响对于重载铁路车辆装备设计具有重要意义。     

铁路机车检修动态业务流程的建模与实现

为实现铁路机务段机车检修业务流程的建模与自动化管理,提出了应用状态机工作流建立检修业务流程管理系统。介绍了状态机工作流理论基础的有限状态机理论。以状态机工作流模型为基础,开发了一套检修业务流程建模与管理系统,为其定义了丰富的图形化建模工具,并建立了一套支持运行时业务流程运行与管理工作的轻量级工作流引擎核心程序,能够实现检修业务流程的快速建模、自动运行与管理,以及检修业务流程的动态更改、属性配置等。实践表明:业务流程建模简单快速,提升了检修系统柔性能力,易于推广。     

基于神经网络的感应电动机特性辨识新方法

提出并论证了一种基于神经网络的感应电动机特性辨识新方法,只需测得电机两相电流数值便可以辨识出电动机转矩和转速,用改进的Levenberg-Marquardt算法对神经网络进行学习和训练,构建了适合电动机转矩转速观测的BP神经网络。由于RBF神经网络无论是在逼近能力、函数拟合和学习速度方面都优于BP网络,也利用RBF网络进行了辨识。该方法较已经提出的方法相比,需要的检测量少,辨识方法简单。仿真研究表明,RBF神经网络辨识效果优于BP神经网络。     

滑坡变形的支持向量机非线性组合预测

在分析支持向量机(SVM)用于时间序列预测和非线性组合原理基础上,提出基于支持向量机的非线性组合预测方法。利用4种单项预测方法,包括SVM、径向基函数前向型神经网络(RBF)、反馈型神经网络(El-man)及3层神经网络(ANN),分别进行滑坡变形时序的建模与预测。对4种方法的预测结果再采用线性组合方法(简单平均、方差倒数、改进最优加权系数)和非线性组合方法(SVM、BP神经网络)进行组合预测及方法性能的比较。结果表明,非线性组合的平均相对误差明显低于线性组合方法,且对滑坡这种具有一定程度不确定性的非线性系统,SVM的非线性组合方法有着更理想的预测效果,7步外推预测准确度控制在89.3%以上。而与BP神经网络非线性组合相比,SVM也具有更好的稳健性和泛化性。     

基于改进NARX神经网络的接触线表面不平顺与弓网接触力关联分析方法

建立弓网耦合动力学模型,采用软件MATLAB的Simulink模块对该模型进行动态仿真,获取接触线表面不平顺和弓网接触力数据;对接触线表面不平顺和弓网接触力数据进行归—化处理后,分别作为非线性自回归(NARX)神经网络的输入和输出;对传统的贝叶斯正则化算法进行改进,并采用改进的贝叶斯正则化算法进行NARX神经网络权值修正,得到改进的NARX(NARX-IR)神经网络方法;利用NARX-IR神经网络方法进行接触线表面不平顺与弓网接触力的关联分析.采用根均方误差和相关系数,对基于LM算法的BP(BP-LM)神经网络方法、基于传统贝叶斯正则化算法的NARX(NARX-BR)神经网络方法和NARX-IR神经网络方法进行性能评价.结果表明:BP-LM神经网络方法难以描述接触线表面不平顺与弓网接触力的复杂关联关系;不论在训练还是预测中,NARXIR神经网络方法的根均方误差均小于NARX-BR神经网络方法,而相关系数则大于NARX-BR神经网络方法.由此可推断:NARX-IR神经网络方法更适合于分析接触线表面不平顺与弓网接触力的关联关系.     

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LM神经网络模型的机车牵引力和制动力的计算

针对传统机车牵引力、制动力计算的不足,提出了基于LM(Levenberg-Marquardt)算法的前向多层神经网络模型方法,阐述了该神经网络的结构设计,利用LM算法使得在网络结构最小、训练步长最短的情况下实现精度最优.仿真与试验的结果表明,利用该神经网络模型能较好地计算机车的牵引力与制动力,其精确性、快速性和抗干扰性都优于其他计算方法.     

基于BPMN(业务流程建模与标注)标准实现新型综合监控联动模型的探讨

传统的综合监控系统联动方式已无法满足地铁运营的需求。提出了一种基于BPMN(业务流程建模与标注)2.0标准的联动设计方案,通过对业务活动、网关及事件等抽象组件的建模,运用状态机方式灵活组态执行流程来实现复杂的联动功能。该方案可实现联动建模的复用性,提高自动化建模的程度,并解决了传统联动方式无法描述及实现复杂逻辑的应用场景的问题,增加了地铁运营的可靠性及安全性。     

机车故障诊断中征兆隶属度函数的研究

研究了应用模糊神经网络进行机车故障诊断时一种征兆隶属度向量提取的方法。结合机车运行的特点,分析机车控制的规律和特性,提出了切实可行的隶属度函数确定方法,解决了模糊神经网络在机车故障诊断中应用的一个瓶颈。