基于BP人工神经网络的基坑围护结构变形预测方法研究

基坑的变形分析是基坑工程设计中的一个重要组成部分,如何预测基坑围护结构的变形是需要解决的问题。在分析基坑围护结构变形影响因素的基础上,采用BP(Error Back-Propagation,简称EBP或BP)人工神经网络方法建立了基坑围护结构变形的预测模型。结合南京地铁二号线逸仙桥车站基坑变形的现场监测数据对网络模型的预测结果与实测进行了对比。结果表明,利用大量的基坑工程现场实测资料,采用神经网络BP算法,可以较为准确地预测基坑围护结构的变形量,预测值与实测值吻合较好;必须坚持现场监测,并将最新监测信息及时反馈,将其添加到学习训练样本中,让神经网络重新学习,以提高基坑工程围护结构变形的预报精度。     

基于混合神经网络的铁路材料消耗的预测方法研究

为精确地预测铁路材料的消耗,采用了混合神经网络的方法进行建模。根据ABC分类法对所有物资进行分类,明确了材料消耗中的重点,在综合分析以往材料消耗数据的基础上,确定了混合神经网络的结构,最终建立了一个用于材料消耗预测的混合神经网络模型。     

基于LVQ 神经网络的轨道单元状态综合评判方法研究

为了有效利用多种检测数据评判轨道单元的状态,提出利用 LVQ (学习矢量量化)神经网络建立轨道单元特征参数与轨道单元分级的关联模型,通过对 TQI (轨道质量指数)、轨道几何、加速度、晃车仪、添乘仪、人体感觉的超限扣分加权得到轨道单元的量化评分指标,并利用层次分析法确定各特征参数的权系数。根据大量实测数据建立随机样本,利用聚类方法确定轨道单元状态的分级。以轨道单元的量化评分指标作为输入,以聚类得到的表征轨道单元分级的矢量量化数据作为输出,利用误差反向传播方法训练 LVQ 神经网络模型。利用新的评判方法对某线路的轨道单元状态进行评判,结果表明该方法可行、有效,为轨道单元状态综合评判提供了一条新途径。     

Elman递归神经网络在结构分析中的应用

给出了Elman动态递归神经网络的网络结构和基本原理。基于Elman递归神经网络能够逼近任意非线性函数的特点,提出了一种基于Elman递归神经网络建立结构分析模型的方法。利用Elman递归神经网络对桁架进行建模,真实地反映了桁架结构的动态特性。     

用于NARMAX参数辨识的一种神经网络方法

本文提出一种适合于ＮＡＲＭＡＸ参数辨识的神经网络模型和相应的训练算法，该模型能直接辨识ＮＡＲＭＡＸ参数，结构简单，辨识率高。为非线性系统的参数辨识和模态分析提供了一种有效的方法，仿真结果表明，文中所提出的神经网络方法和相应的算法是有效的。     

基于瞬间跳变似然比法中故障隔离方法的研究

基于瞬间跳变的似然比法能较好地诊断出单故障源，对多故障源，本文提出了其隔离算法，然而此算法很费时间，作用将启发性知识引入故障隔离算法中，分别采用了传统的专家系统以及神经网络的专家系统方法，因而能较快地较准确地隔离出多故障源。     

基于Wav2vec2.0神经网络的轨道交通钢轨损伤压电阵列超声导波定位方法

鉴于普通超声波检测方法无法实现对轨道交通钢轨的长距离检测，基于超声导波的SHM (结构健康监测)技术难以从响应信号中提取损伤特征而影响损伤定位精度，提出了一种基于Wav2vec2.0神经网络的压电阵列超声导波定位方法对轨道交通钢轨损伤进行定位。基于压电阵列超声导波数据的特点，对该方法进行了简要介绍。搭建了钢轨损伤的超声导波检测系统，并利用该系统进行数据集的采集。采用ABAQUS有限元软件建立钢轨损伤超声导波检测三维有限元模型，并利用该模型进行数据集的采集。利用小波信号处理方法对超声导波试验信号进行重构，以达到信号去噪的目的；在仿真信号中加入随机噪声，将叠加随机噪声后的超声导波仿真信号作为补充数据集；通过计算模型中钢轨损伤定位的准确率和误差对模型的性能进行评估。结果表明，当迭代轮次达到第120次时，训练样本的准确率达到100%。利用基于Wav2vec 2.0神经网络的压电阵列超声导波定位方法可实现轨道交通钢轨损伤的准确定位。     

一种基于神经网络的煤炭调运优化方法

运用神经网络的Hopfield优化电路，对一种煤种可相互代用的煤炭调运问题进行了优化仿真计算，其计算结果可为铁路部门的煤炭运输提供定量依据．同时此算法，对于其他的铁路运输问题也是可行的．     

基于新型CMAC神经网路的不确定性机器人鲁棒控制

基于文[1]所给的新型CMAC神经网络提出了一种机器人鲁棒控制策略,给出了新的网络权系数修正律,利用Lyapunov稳定性理论得出了系统稳定性充分条件,计算机仿真结果说明本文给出的鲁棒控制策略是有效的.[ ZK)〗