Matlab神经网络工具箱在过程辩识中的应用

介绍了运用神经网络辩识动态过程的一般原理,同时阐述用Matlab神经网络工具箱辩识动态过程的方法、步骤.为用神经网络辩识动态过程提供了一种解决方案.     

行车事故致因的事变树模型

在剖析行车所涉及的人机环境系统中事变与事故关系的基础上，基于信息论的基本原理，提出了事变树（Ｉｎｃｉｄｅｎｔ Ｔｒｅｅ，简称ＩＴ）及其仿真数学模型，结合机车冒进信号的机理辩识，详细地阐述了ＩＴ的绘制步聚和功能，从而得到系统安全分析的新方法－事变树分析，为辩识铁路行车事故致因的动态过程提供一新思路，同时也展示了ＩＴＡ预测和控制事故的前景。     

遗传算法在零极点辩识中的应用

介绍了遗传算法的基本愿理,给出了遗传算法在零极点辩识中系统时延、零极点辩识的实现步骤,在种群进化过程中采用基因流代替突变算子,仿真结果说明了该方法的有效性和实用性,并说明该方法能有效地避免算法早熟收敛.     

一种具有鲁棒性的磁链观测器在异步电机直接转矩控制中的应用

对磁链的准确估计在异步电机直接转矩控制中具有至关重要的作用．针对参数不确定电机模型．利用Lyapunov函数方法，给出了一种基于线性矩阵不等式（LMI）的具有鲁棒性的磁链观测器设计方法．得到了磁链观测器辨识的收敛性条件：相对于基于参数辩识磁链估计方法，其计算量很小．容易满足实时性控制的要求、仿真结果表明．磁链受定转子电月且不确定性变化影响较小．具有较强的鲁捧性．     

基于支持向量机的大断面岩质隧道掌子面围岩非均一性判识方法

为快速判识高速铁路大断面岩质隧道施工过程中常表现出的掌子面围岩显著非均一性特征,提出1种大断面岩质隧道掌子面围岩非均一性判识方法.依托郑万高铁5条试验隧道,采集得到掌子面围岩炮眼钻孔过程样本299份,相应形成大断面岩质隧道掌子面围岩分级样本库;分别构建基于支持向量机(SVM)和2种神经网络的大断面岩质隧道掌子面围岩分级...     

高层建筑施工现场的危险源辨识

建筑企业的危险源辩识应围绕易造成“五大伤害”的作业活动，结合工程项目的特点进行。本文分析了高层建筑施工的特点，论述高层建筑施工各工序中存在的主要危险源，指出在施工现场进行危险源辨识中常见的问题。     

主动悬挂的良好非线性模型研究

： 采用系统辩识的方法，构造出主动悬挂控制系统的良好非线性模型。在此基础上，得到了由基于线性二次型的最优控制系统和线性化补偿器构成的主动悬挂最优控制系统。计算机仿真结果证明了本文所提控制策略的有效性。     

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。     

基于试验数据的城轨车辆二系悬挂系统神经网络辨识研究

针对城市轨道车辆二系悬挂系统的输入-输出动态关系,根据实测数据应用神经网络对城市轨道车辆二系悬挂系统进行辨识,建立了二系悬挂动态系统神经网络模型。仿真结果表明:所采用的辨识网络能够对城市轨道车辆二系悬挂系统的动态关系进行有效的辨识,可以建立一个分析二系悬挂系统特性的神经网络模型。     

用神经网络分析估计斜拉桥的施工控制参数

结合一座三塔四跨预应力混凝土斜拉桥施工过程,进行用神经网络分析估计斜拉桥施工控制参数的研究。用神经网络分析估计斜拉桥施工控制参数的过程主要包括建立神经网络、计算训练样本、训练神经网络和网络仿真四部分。运用神经网络仿真计算进行斜拉桥施工监控的具体方法是,先计算当前施工状态的索力和标高,再预测下一节段的索力和标高。经过往复循环,逐一进行节段预测调整,从而指导斜拉桥顺利施工。通过对比该斜拉桥合拢后部分节段索力及主梁控制点标高的计算值和实测值可知,用神经网络分析进行斜拉桥施工监控的效果达到设计的理想桥梁线型和索力要求。     

基于改进BP神经网络的铁路货运量预测

在分析铁路货运量预测方法的基础上,针对标准BP神经网络的不足,提出改进的BP神经网络预测模型。首先,利用动态陡度因子来改变激励函数的陡峭程度,以此来得到更好的激励函数响应特征以及更好的非线性表达能力;其次,利用附加动量因子,通过对以前经验的积累,既降低了神经网络对误差曲面的局部细节敏感特性,又较好的遏制了神经网络易于限于局部最小的缺陷;最后,采取改变学习率的方法,给定一个较大的学习率初始值,在学习的过程中学习率不断减小,网络最终趋于稳定。改进BP算法既可以得到更优的解,还能够缩短训练时间。利用全国铁路货运量的相关数据对改进BP神经网络进行了验证。验证的结果表明,改进的BP神经网络预测模型在相对误差和迭代次数上有较大改善,对铁路的货运量预测很有效。     

铁路提速路基判识与测试方法

中国铁路正在分阶段全面提速，同时也在发展高速铁路。从提速对路基承载力的要求和高速铁路接近或超过轨道地基体系的临界速度时的变形两个方面探讨铁路提速与路基弹性波速度之间的关系，以寻求提速区段路基提速的判识方法。提出控制列车速度小于轨道地基体系的临界速度。并且用瑞雷面波法在轨道上用路基面波速度和路基承载力两种判识方式进行实测，可以判识路基特性对提速的影响问题。试验数据表明，用路基承载力的判识方法作为路基提速的判识依据较为合理。     

基于模糊神经网络间隔调速模型的研究

间隔调速控制是驼峰控制的重点,目前普遍使用的间隔调速算法是出口定速法,不能适应车辆行驶的动态过程,容易出现错误导致事故发生。为此,本文提出了一种基于模糊神经网络理论求得动态出口速度的模型,使用改进的误差反向传播学习算法进行学习,具有很好的自学习和自适应能力,能根据列车的溜放实际情况自动调整减速器出口速度。     

神经网络专家系统在铁路货车空重车自动调整装置试验台上的应用

根据专家系统基本原理．结合模糊理论、神经网络理论．建立了货车空重车自动调整装置试验台的试验监控系统，判断试验台试验过程井指示操作者对试验台进行合理的操作：同时建立了试验故障诊断系统，对故障阀进行故障分析和预测。     

地铁盾构掘进进度三维非线性控制方法研究

研究目的:地铁区间盾构掘进过程中,工程水文地质条件复杂且需穿过各种建筑物群,施工环境复杂,实际作业管理难度大。为优化控制盾构掘进进度,本文以福州地铁2号线过闽江区间盾构掘进进度控制为例,综合运用BP神经网络、灰色预测理论、动态优化预警控制方法、BIM虚拟优化方法以及OA远程辅助办公系统,以实现对地铁区间盾构掘进进度的三维非线性控制。研究结论:(1)运用BP神经网络、灰色预测理论进行盾构进度目标估算,提高了盾构机进度目标非线性估算的准确性和可靠性;(2)通过综合运用BIM、PDCA、预警等动态优化管理方法,循环控制盾构施工的掘进过程,实现进度信息的直观可视化、施工进度的动态优化;(3)以实际工程盾构掘进进度控制为例,建立BIM、OA办公自动化等信息集成系统,实现对区间盾构进度的实时、远程、三维动态优化控制;(4)本文研究可为类似工程的进度管理提供参考。     

基于动态神经网络法考虑区域沉降的高速铁路沉降预测

穿越地面沉降严重区域的高速铁路受工程沉降和区域沉降的耦合影响,准确预测高铁工后沉降的发展趋势对高铁安全运营有重要意义。通过分析影响工后沉降的因素,结合动态神经网络原理,以基准点、工作基点2个指标作为网络输入,以历史沉降数据作为延迟量反馈,用贝叶斯正则化算法训练网络,得到工后沉降的仿真非线性网络。应用此模型在沧州市沉降漏斗区进行沉降预测,以桥墩沉降量作为工后沉降的表征,和传统的双曲线法和灰色预测等模型对比。结果表明,动态神经网络考虑了区域沉降的影响,能更准确的预测工后沉降的发展趋势,具有很高的预测精度。     

基下神经网络专家系统的机车故障诊断系统

分析了神经网络和专家系统理论之间的互补性,论述了两者集成系统所具有的特征,并结合机车电路的特点提出了在专家系统的基础上引入神经网络的智能诊断结构模型,成功开发出一套新型机车在线动态诊断专家系统,实现了机车状态监测和故障诊断,对保证机车的安全运行有重要的意义.     

级联神经网络用于单扫描示波极谱信号的测定

将改进小波神经网络与BP神经网络相结合,提出一种新的混级联神经网络结构,用于单扫描示波极谱信号的同时测定.通过对网络结构的优化和网络参数的调整,加快了训练速度,提高了预测的准确度.用该法对邻、间硝基氯苯混合样进行了预测,结果满意.对级联神经网络法与单一BP神经网络法的预测结果进行了比较,表明级联神经网络优于单一BP神经网络.     

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.     

神经网络在铁道车辆齿轮箱故障诊断系统中的应用

将BP神经网络技术应用于铁道车辆齿轮箱故障诊断领域,搭建了BP神经网络诊断模型,在此基础上提出了一种改进的BP算法,并将常规诊断方法所提取的典型故障信号作为神经网络的输入数据,用改进的BP神经网络进行仿真测试。测试结果表明,经过改进的BP神经网络诊断系统具有较好的诊断效率和诊断精度,达到了预期的诊断结果。