基于GA-岭回归分析的机车车轮踏面磨耗量预测算法研究

车轮踏面磨耗量是评价机车运行安全的重要参数，但多数车轮运维现场的条件尚不能对踏面磨耗量及时、准确地进行监测。为了解决上述问题，文章提出了基于“GA-岭回归”分析的机车车轮踏面磨耗量预测算法（简称“GA-岭回归”预测算法）。“GA-岭回归”预测算法分为数据前处理和数据预测分析2部分。对于数据前处理，首先依据不同的测量方式对采集到的踏面磨耗量数据进行分类，基于车轮的实际运维情况，分析不同类型数据的特点；随后以镟修周期作为数据划分标准，对分类后的数据进行切片处理；最后采用相关标准和主成分分析法对相应的动态测量数据进行清洗、降噪。对于数据预测分析，首先划分数据集，进行数据整合，创建训练集数据的时间滑动窗口；随后采用岭回归算法对训练集数据进行回归分析训练，并结合遗传算法和验证集数据进行模型参数的调优，以提高预测准确性。基于测试集数据，分别采用传统预测算法、岭回归线性预测算法和“GA-岭回归”预测算法，对3类预测算法的预测效果进行对比分析；随后采用相同的测试方法，扩大车轮样本的数量，继续进行预测效果的对比分析。测试结果表明，采用“GA-岭回归”预测算法的预测误差和误差标准差均相对较低。经分析可知，...     

基于MIV-BP模型和AIC准则的盾构掘进参数优化研究

为解决水下隧道和隧洞工程盾构施工关键掘进参数在复合地层中难以控制的问题,以广东陆丰核电站1、2号机组排水隧洞工程盾构施工为背景,将平均影响值(Mean Impact Value,MIV)算法引入BP神经网络模型,筛选出对施工效果影响显著的关键掘进参数,在此基础上,基于AIC准则对其进行最优分布拟合,提出以50%和90%置信水平下的置信区间,分别作为掘进参数的控制区间和预警区间的掘进参数优化设计方案,并基于Python脚本语言自带的开源Scikit-Learn、SciPy模块库开发了相应的程序。分析结果表明,刀盘扭矩、总推力等参数对隧洞拱顶沉降起重要的控制作用,所开发程序具有良好的统计分析、快速指导施工的功能,可以为同类型盾构在相似复合地层下掘进参数的选取、优化和隧洞拱顶沉降量的控制提供参考。