铁路隧道工程可行性研究阶段风险评估研究

风险评估对于铁路隧道工程的建设和项目选线具有重要意义。针对铁路隧道工程风险评估在可行性阶段对应的风险类别与风险因素,建立基于AHP法的多因素模糊综合评价体系以及相应的隧道风险等级定量评判标准。模型根据专家对各风险类别和风险因素相对发生概率的定性评判,通过AHP法计算得到各风险类别和风险因素在整个风险评估体系中发生的相对概率,并将风险事件发生后果等级赋予相应的风险分值。最终结合得到的概率与风险分值通过模糊综合评价得到隧道综合风险评估分值和其对应的风险等级,从而对铁路隧道工程风险进行综合、定量、直观的评估。将A隧道运用该体系进行分析评价,得到其在可行性研究阶段的综合风险评估值为4. 774,风险等级为中度。     

铁路绿色施工节地与土地资源保护措施评价

为了更好地促进绿色铁路建设,进而促进国家实现建设资源节约型环境友好型社会的目标,必须对施工阶段铁路的节地与土地资源保护措施进行评价。通过研究相关技术标准及铁路施工特点,建立一套完善的铁路绿色施工节地与土地资源保护措施评价指标体系。然后,利用三角模糊数层次分析法确定各指标权重,应用灰色聚类法确定评价指标体系的综合绿色等级。最后,结合实例证明三角模糊数层次法与灰色聚类法结合可以对铁路绿色施工节地与土地资源保护措施进行很好的评价,并能找出铁路施工阶段节地与土地资源保护的不足之处并进行改进。     

基于Matlab的牵引变压器故障智能诊断方法研究

应用数据融合技术、模糊神经网络及遗传算法构建牵引变压器故障智能诊断模型,通过Matlab软件对该模型进行仿真,训练模糊神经网络以确定其结构和权重,并通过典型实例验证该模型在牵引变压器故障诊断中具有良好的故障诊断性能。     

客运专线中间站选址方案的多级模糊综合评判

为实现客运专线中间站的合理选址,首先对影响选址要受到客运需求、铁路枢纽、工程条件、城市规划、压有线、工程费用和运营费用等因素进行分析,介绍了多级模糊综合评判原理．并以客运专线某中间站的5个站址方案为实例,对如何选取评判因子,建立模型,怎样进行初级评判和二级评判进行了详细阐述。通过多级模糊综合评判可从多个方案中得到最佳选择方案。     

南京地铁运用全面生产维修和以可靠性为中心的维修相结合的维修效果评估

城市轨道交通设备的检维修是保障列车安全运营的重要手段。南京地铁在实际维修中首次将全面生产维修和以可靠性为中心的维修两者结合起来运用到轨道车辆的检维修中,取得了良好的效果。就该维修策略的实施效果构建了评价指标体系,并选用模糊层次分析法对实施效果进行了评价和分析。由于专家的评断信息具有一定的灰类,因此基于灰色理论进行了进一步处理。评价结果可为地铁设备的维修提供指导。     

编组站系统能力协调度的计算分析

以编组站实际作业过程为研究背景,基于编组站车流到达的不均衡性,将每一时段[ti-1,ti)的车流输入强度划分为3种不同的到达状态,结合对车流状态及编组站各系统能力的分析,得出编组站系统作业能力的协调度计算公式,最后,根据某编组站的实际车流量,计算出该编组站车流密集到达状态下的系统协调度。实例计算分析表明:所得出的协调度计算结果能够反映出编组站系统能力协调的薄弱环节,为提高编组站整体作业能力提供了一种新的方法。     

黔张常铁路白垩系砂岩抗压强度取值研究

黔张常铁路沿线白垩系砂岩强度低、分布广,准确的力学参数值直接影响工程建设的可靠性。以白垩系砂岩抗压强度为例,通过对抗压强度原始数据的随机-模糊处理,对其置信度进行研究,给出置信度95%条件下的参数值。通过有限的实验样本,给出更加符合现场实际情况和反映研究对象特性的力学参数值,具有较高的可靠性,可以指导工程的设计和施工。     

基于轮廓线特征的三维人脸识别改进算法

研究基于面部轮廓曲线特征的三维人脸识别。为提取最优面部曲线特征,提出一种基于模糊聚类方法的人脸曲线特征优选算法。该算法从三维人脸深度图中选取最具代表性的8条轮廓曲线,作为主要识别特征,这在很大程度上降低了计算复杂度,克服表情和光照对人脸识别的消极影响,同时它用最少的轮廓线包含了所需要的人脸识别信息。基于这些人脸轮廓线特征,利用改进的Manhattan距离分类器来提高人脸识别的分类效果。实验结果表明,所提出的算法明显提高了人脸识别率,并且具有很强的鲁棒性。     

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D-S证据理论信息融合的轨道电路故障诊断方法研究

在闭塞区间主流设备越来越多的采用ZPW-2000A型无绝缘轨道电路的背景下,针对单一故障诊断方法的诊断精度偏低问题,提出基于信息融合的故障诊断模型和故障诊断方法。该方法分别用BP神经网络和模糊综合评判对轨道电路进行故障诊断,然后将这2种方法的诊断结果作为D-S证据理论的证据体,利用神经网络输出和模糊综合评判输出来构造D-S证据理论中的概率分配,最后利用D-S证据理论将BP神经网络和模糊综合评判对轨道电路的故障诊断结果在决策级进行融合,诊断轨道电路是否有故障并判断故障的模式。仿真结果表明:该诊断方法具有较高的故障诊断精度,诊断结论的可信度有明显提高。