基于RBF神经网络的传感器故障诊断研究

提出一种基于RBF神经网络的多传感器故障在线诊断方法。同时对该方法在摆式列车加速度传感器故障诊断中的应用进行了仿真研究。仿真结果表明此方法是有效的，不仅消除了零偏对故障诊断的影响，而且提高了故障检测率及可靠性。     

基于代价敏感RBF神经网络的道岔故障诊断系统

针对铁路道岔故障中几种常见类型故障,为尽量减少道岔故障误分类所造成的损失,特建立基于遗传算法的代价敏感RBF神经网络模型以及基于该模型的道岔故障诊断系统。模型通过建立代价敏感适应度函数,实现基于遗传算法的RBF神经网络向代价最优的方向进行随机搜索。利用某车站道岔动作电流监测数据进行验证,证明系统能够提高故障数据的识别精度,降低故障数据的误分类代价。该系统可帮助维护人员快速、准确地对道岔故障进行诊断,缩短故障处理时间,提高铁路行车的安全性。     

基于RBF神经网络的铁路货运量预测

对铁路货运量发展趋势进行预测是正确制定铁路货运营销战略的前提和基础,运用RBF神经网络法对铁路货运量进行了预测.     

一种基于神经网络的分类系统

本文研究一种基于神经网络的分类系统，该系统采用传统模式识别与神经网络结合的方法，即在特征提取选择的基础上，用神经网络分类器进行分类识别。本文还针对ＢＰ算法易陷于局部极小的缺陷，提出了模拟退火法和ＢＰ的组合算法。将此分类系统用于脑干听觉诱发电位识别，其分类性能大大优于最近邻分类器。     

基于改进RBF神经网络的产业损害预警指数预报

为了有效的保护产业安全,产业损害预警指数的预报成为重要的研究方向.针对这种非线性的时间序列和产业损害预警系统的应用特点,本文对RBF网络的学习算法进行了一定的改进,提高了预测结果的稳定性.根据实验仿真结果显示,该模型优于传统使用的分析方法,为各生产行业的生产计划提供决策支持.     

基于RBF神经网络的铁路沿线短时风速预测方法

对实测风速数据进行Kalman滤波,去除实测风速数据的偏差;通过归一化处理,消除数据中的冗余成分;针对RBF神经网络的预测误差会随着时间的推移而增大的问题,采用滚动式训练方法在线训练RBF神经网络;用训练好的RBF神经网络进行风速预测,再对预测结果进行反归一化处理,得到最终的预测风速.仿真结果表明,运用基于RBF神经网络的铁路短时风速预测方法对短时风速进行预测,最大相对误差仅为5.92％,可满足铁路防灾安全监控系统中风速预测子系统的要求.     

基于RBF神经网络预测的分部分项工程费蒙特卡罗仿真方法

土建工程造价中分部分项工程费是计费的基础,其经济模型是一个包括人工费、材料费、机械费、管理费、利润和风险因素及其变化趋势等随机因素的多元联合随机分布函数,难以解析法求解.利用RBF神经网络对造价因素在建设期内取值进行预测,独立抽取造价因素的随机数,利用蒙特卡罗方法建立了分部分项工程费预估的系统仿真模型.同时,利用中心极限定理对仿真结果进行了精度估计.     

基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断

针对轨道车辆的滚动轴承故障诊断问题,提出了一种小波包与RBF神经网络相结合的故障诊断方法.首先对采集到的振动数据进行小波消噪,然后利用小波包分解提取故障信号的能量特征向量,最后利用提取的能量特征训练RBF神经网络,进行故障诊断.诊断结果表明,基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断方法能够较好的诊断出轨道车辆的轴承故障类型,具有一定的实际应用价值.     

基于RBF神经网络的地铁隧道施工坍塌事故应急车辆需求预测

现有生产安全事故应急救援体系未能充分利用历史经验辅助应急决策,并多为资源总体上的预测和调度。为高效、准确地应对地铁隧道施工坍塌事故,制定应急救援方案,提高应急救援效率,以确定应急车辆需求量为例,提出一种基于RBF神经网络的应急车辆需求预测模型。在确定预测指标的基础上,整理分析历史事故案例并提取关键指标值,通过训练确定扩展速度及隐含层神经元个数,分别构建以坍塌位置、次(衍)生事故、坍塌面积和被困人数为输入,救护车及消防车需求量为输出的RBF神经网络预测模型。在预测结果的基础上,确定所需应急车辆类型及数量,推算医护人员和消防人员的配备数量,并结合事故实际特征对预测结果进行修正。以某实际地铁隧道施工坍塌事故数据进行案例分析,预测该事故所需的应急车辆、相关人员及设备等应急资源的需求量,并将其与实际数据对比分析,验证了预测模型的可行性和有效性。该预测模型可为地铁隧道施工坍塌事故应急救援方案的制定提供新的思路和方法。     

铁路客运量数据挖掘预测方法及应用研究

在分析铁路客票数据特征的基础上,提出采用分段模糊BP神经网络对铁路客运量进行数据挖掘预测。通过对铁路客票数据的分段处理,提高了网络学习的收敛速度和预测精度,并在MATLAB环境下建立了分段模糊BP神经网络模型,在仿真试验中各分段的期望输出和实际输出之间吻合较好,从而证明了分段模糊的数据处理方法是有效的;同时,预测的客运量和实际客运量数值非常接近,说明分段模糊BP神经网络得到的数据挖掘预测模型对铁路客运量有很好的预测效果,该预测模型可信,为预测铁路客运量提出了一种新思路。     

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。     

基于BP神经网络的货车车号识别方法研究

针对货车车号的字体不规则、单字有断裂的特点,提出基于图像预处理的动态字符分割和提取算法,准确地对车号图像进行车号区域提取和车号单字分割.利用Hilditch细化算法对单字进行细化,提取出能表征数字的结构特征向量.设计出BP人工神经网络,数字的结构特征向量作为BP网络的输入,用经过训练的BP网络进行货车车号的识别.     

聚类分析在城市轨道交通车站分类中的应用

聚类分析作为数据挖掘的一项功能,已被应用到许多领域,像模式识别、数据分析、图像处理和市场分析等,并且已经取得很好的效果.然而其应用在交通领域车站研究上的确很少.对聚类分析在城市轨道交通车站分类中的应用进行研究,展示数据挖掘在交通领域的应用,重点介绍层次聚类法的应用,并对相关算法进行比较,最后对该应用提出展望.     

基于模糊神经网络的道岔故障诊断系统研究

运用模糊理论和神经网络技术相结合的方法,构造了基于模糊神经网络的铁路道岔故障诊断系统,介绍该系统的的结构、原理及诊断过程,并采用Matlab神经网络工具箱进行仿真,仿真结果表明模糊神经网络方法适用于道岔设备故障诊断.     

DWL-48连续走行捣固稳定车控制系统分析

对DWL-48连续捣固稳定车的捣固装置控制系统进行分析,认为控制策略的滞后是导致设备现场使用故障的重要原因。以捣固架提升与下降控制为例,提出基于BP神经网络的捣固装置控制系统的设计思路。     

基于模糊神经网络的驼峰推送速度控制研究

对影响驼峰机车推送速度的各种因素进行了探讨,将模糊神经网络理论引入到驼峰变速推峰系统中,结合神经网络和模糊控制的各自优点,将专家或熟练操作人员的控制策略转换为控制功能函数,利用神经网络自学习、自校正的能力调整、修改模糊控制规则,从而实现对推送速度的优化控制。     

基于数据仓库和OLAP技术的故障分析应用研究

制造业的故障分析涉及众多复杂因素和海量数据,传统的故障分析方法已经不能满足需求.利用数据仓库和联机分析处理(OLAP)技术解决电视制造业中的故障分析问题.首先介绍数据仓库和OLAP的基本概念和相关技术,然后在实际应用中利用SQL Senrer 2000提供的数据转换服务(DTS)来完成数据仓库的构建,并用SQL Server 2000提供的专门用于数据分析的软件Analysis Service完成OLAP分析,最终实现故障分析系统.这一解决方案能够实现传统的信息管理系统向信息分析决策系统的转变.