基于粒子群优化支持向量机的斜拉桥主梁损伤识别研究

为了能够更加准确地判断结构损伤位置和程度,本文提出了基于粒子群优化支持向量机(PSO-SVM)方法对斜拉桥主梁进行损伤识别的新方法。该方法以最敏感索张力指标作为损伤识别指标,利用粒子群(PSO)算法寻找支持向量机(SVM)最优参数,建立SVM预测模型,以不同位置、不同损伤程度下最敏感索的张力指标作为SVM的训练和测试输入,由SVM的输出确定损伤位置。通过对实验室的模型斜拉桥的主梁损伤进行了仿真验证,结果表明:采用PSO算法很好地解决了采用SVM方法进行损伤识别时的参数选择随机性难题,实现了对SVM模型参数的自动优化,基于PSO-SVM的损伤识别方法对斜拉桥主梁不同程度的损伤均有很高的识别率。     

基于粒子群优化最小二乘支持向量机的铁路客运量预测

对于铁路客运量预测的准确度问题,本研究提出了基于粒子群(PSO)优化最小二乘支持向量机(LS-SVM)重要参数的方法。以1995—2013年的铁路客运量历史数据作为训练集,2014—2018年的客运量作为测试集,用LS-SVM进行建模和预测。针对模型中参数难以选择问题,采用PSO全局搜索方法,与神经网络和LS-SVM的预测效果作比较,仿真表明,采用PSO优化LS-SVM对铁路客运量建模与预测效果更好,精度更高。     

基于支持向量机和模糊评判的故障诊断方法研究

将采集到的数据进行模糊化处理,然后运用支持向量机对计算出的模糊样本进行训练,并对其进行模拟仿真,结果与实际试验结果基本相符.克服了根据单一的频谱变化来判断故障的类型,有效地提高了故障诊断性能.     

基于支持向量机的机车轴承故障诊断方法

通过对机车轴承振动信号的分析处理,提出基于支持向量机(SVM)的故障诊断方法,提取反映轴承运行状态的无量纲系数作为故障的特征向量,并以此作为输入来建立支持向量机分类器,利用SVM网络的智能性来判断机车轴承的工作状态和故障类型.实验结果表明,提出的方法在小样本的情况下仍能准确、有效地对机车轴承的工作状态和故障类型进行分类,实现机车轴承故障的智能诊断.     

基于独立成分分析和支持向量机的交流电机故障诊断

研究了一种结合独立成分分析和支持向量机的方法在交流电机故障诊断中的应用.首先通过检测各种电机振动和定子电流信号得到数据,利用独立成分分析对交流电机原始数据进行特征提取和压缩;主成分分析也同时应用于独立成分分析特征提取过程中,在完成故障识别时应用了支持向量机技术,采用的是连续最小优化算法和基于支持向量机分类的多类统计分类方法.同时分类过程选择了典型的核函数,以达到诊断电机故障的目的.试验分析的结果表明,该方法是一种简单而有效的方法.     

基于ICEEMDAN-FE和支持向量机的三电平逆变器的故障诊断技术

为了提高三电平逆变器复杂开路故障诊断的准确率,提出了一种应用“改进自适应噪声完备集合经验模态分解-模糊熵（ICEEMDAN-FE）”和“支持向量机（SVM）”结合的三电平逆变器故障诊断方法。首先,检测信号选取三相负载电压,为降低特征向量的维数,对三相负载电压进行Concordia变换,转换为α-β相电压;然后,通过ICEEMDAN算法提取α-β相电压的特征,得到不同尺度的内禀模态函数（IMF）,再利用主成分分析（PCA）降维剔除IMF虚假分量;最后,计算优选的IMF的模糊熵均值作为特征向量,输入到多分类SVM中进行训练分类,进而实现对二极管中点箝位型（NPC）三电平逆变器的故障诊断。仿真试验结果表明,该方法能够有效识别多种开路故障模式,具有抗噪性能强,诊断速度快,诊断精度高等优点。     

基于支持向量回归的地铁进站客流短时预测模型

基于准确的未来客流信息对地铁运营的重要性,研究客流预测的方法。选取支持向量机应用领域的一大分支——支持向量回归的方法对地铁进站客流进行短时预测,使用一种改进的粒子群算法进行参数寻优,从而构建客流预测模型。提出的模型以日期类型和所处时刻作为输入,可以提前预测未来一周的每15 min的客流。采取平均绝对百分比误差和均方根误差对模型的预测结果进行评估。使用广州杨箕车站进站客流数据进行实验,通过交叉验证确定验证参数选取的合理性,并将该模型与BP神经网络、KNN算法进行比较,实验表明模型预测结果的精度更高,稳定性更好。     

基于支持向量机与最小二乘支持向量机的闸片识别及磨耗趋势预测

针对检测动车组闸片剩余厚度的需求,设计闸片图像采集系统,通过高速相机与面阵光源的结合使用完成在线闸片图像的采集。介绍支持向量机(SVM)算法的概念,采用SVM对闸片边缘特征进行识别,进而检测剩余厚度。运用最小二乘支持向量机(LSSVM),将SVM的不等式约束变为等式约束,实现闸片剩余厚度的趋势预测。通过将LSSVM检测结果与现场人工测量结果进行对比,验证方法的可靠性。基于LSSVM算法精准预测闸片磨耗趋势,可提供更好的闸片状态修管理模式。     

工程岩体的支持向量机分类研究

文章提出一种新的工程岩体分类和寻找最优支持向量机网络的方法,通过采用支持向量机的回归算法来解决多类分类的问题。通过对相同工程岩体的分类结果对比,发现可以采用支持向量机回归算法来解决工程岩体的分类问题,取得与采用支持向量机多类分类算法相同的分类效果,从而证明了采用回归算法来解决分类问题是可行的。     

基于支持向量机的静力损伤识别方法

针对使用静力测试数据进行桥梁结构损伤识别时容易出现误判的问题,基于支持向量机理论,提出1种新的静力损伤识别方法。将损伤识别过程分为损伤发生识别、损伤位置识别和损伤程度识别3个步骤。使用理论计算结果与测试数据比较的方法判断损伤是否发生,采用C-支持向量机分类算法进行损伤位置识别,利用ε-支持向量机回归算法进行损伤程度识别。将该方法与优化识别方法同时运用于1个连续梁试验中。试验结果表明:与优化识别方法相比,支持向量机方法通过分开求解损伤位置和程度,并先进行结构有限元分析,然后再使用支持向量机进行识别,将这2个过程解耦,从而降低了问题的难度,不仅能够正确地识别损伤出现的位置,而且能够得到与实际相符的损伤程度识别结果,并且具有较好的推广能力和较强的抗噪声能力,能够很好地对桥梁静力损伤进行识别。     

粒子群优化的神经网络在齿轮故障诊断中的应用

针对BP神经网络容易陷入局部极小及收敛速度慢的问题,本文利用粒子群优化算法代替BP算法中的梯度下降法训练神经网络的权重和阚值,有效地改善了BP网络诊断性能;利用训练后的神经网络对齿轮进行了故障诊断,并比较了基于粒子群优化算法与BP算法的诊断结果,通过仿真实验表明:无论是在诊断速度上还是在诊断精度上,PSO-BP神经网络诊断性能都比单独的运用神经网络有很大提高.     

基于改进的粒子群算法的地铁时刻表调整方法研究及实现

为应对突发状况下地铁列车的晚点问题,尽快消除与既定时刻表的偏移时间,采用Visual Studio 2012和SQL Server 12.0数据库搭建时刻表系统,同时建立列车运行动态调整模型,选择改进的粒子群优化算法对模型进行求解,得出消除偏离时间的最优解,完成列车的动态调整仿真。仿真结果表明,该方法通过自动调整多辆列车的站间运行时间和停站时间,能有效地消除晚点时间,恢复列车正常运行。     

基于粒子群算法的轨道车辆设备布局优化

轨道车辆车上设备布局是轨道车辆设计中一个重要的环节,开展轨道车辆设备布局优化设计对保证轨道车辆的安全运行具有重要作用。考虑轨道车辆设备外轮廓约束、设备干涉约束等,建立了以设备总重心相对于轨道车辆自身中心的距离最小化的轨道车辆布局优化数学模型。根据轨道车辆设备布局优化的特点设计了基于粒子群算法的轨道车辆设备布局数学模型。采用线性递减权值策略,通过改进惩罚因子,有效地引导粒子群算法向全局最优解方向收敛。以轨道工程车辆的设备布局问题为实例,采用本文算法进行了车上设备布局优化设计的实例分析,表明本文方法可有效解决轨道车辆设备布局优化问题。     

基于粒子滤波的电力机车电气故障诊断

采用分布式传感器网络(DSN)对列车电气系统的各种状态信息进行检测,根据动态空间模型理论建立系统状态方程和观测方程,采用粒子滤波技术对系统滤波状态进行估计,通过二值决策法对每个传感器获得检测信息并与阈值对比,对比结果由故障诊断中心融合并给出最终决策结果,如果确认处于故障状态则给出故障预警.由于传递给诊断中心的数据是二值结果,降低了通信量,提高了实时性能.实验仿真结果验证了诊断系统的适用性和可靠性,也验证了粒子滤波在非线性、非高斯系统中的适用性.     

基于粒子群BP网络混合算法的边坡稳定性评价

边坡稳定性评价与预测具有高度非线性和不确定性特征,难以用准确的数学模型表达。选取多个边坡工程实例构成学习样本集,以土体重度、内摩擦角、黏聚力、坡角、坡高、孔隙压力比6个主要影响因素作为土坡稳定性的评价判别指标;然后采用粒子群算法优化BP神经网络模型,实现混合算法,在保持BP网络算法误差反向传播修正权值特点的同时,将网络权值和阈值粒子化,利用粒子群算法的全局搜索性实现网络权值和阈值的更新,从而加快收敛速度和提高收敛精度,避免传统粒子群结合BP网络算法的"早熟"现象;通过与其他算法进行边坡稳定性评价的比较分析,表明了本文研究算法的可行性与合理性。     

一种基于三维坐标识别的逆变器开路故障诊断方法

逆变器的安全性和可靠性对电力电子系统的稳定运行起着至关重要作用。为了实现对逆变器开关管开路故障进行快速精准的故障判定,提出一种基于三维坐标的逆变器开关管开路故障诊断方法。该方法通过建立逆变器开关管开路故障下的三相输出电流的数学模型,将输出三相电流转化为三维坐标。逆变器开关管开路故障时,逆变器的输出相电流发生畸变,三维坐标距离缩短,三维轨迹的形心坐标发生变化。通过求取三维坐标距离构建故障判断函数,正常时判断函数值为0,故障发生时,实时函数值变为1,由此可对逆变器开关管开路故障进行判断。计算三维轨迹的形心坐标,通过归一化处理,将形心坐标与参考故障定位表进行对比,对逆变器开路故障进行定位。通过半实物仿真平台进行实验验证,实验结果表明,在逆变器功率管单开关管开路故障、同相双开关管开路故障和异相双开关管开路故障实验中,均能通过构建的坐标距离函数判断故障发生,通过三维轨迹的形心坐标变化完成故障类型定位。该方法能适用于不同类型的逆变器功率开关管的断路故障诊断,能对故障快速反应并完成故障类型的诊断,具有一定的可靠性和有效性,可应用于逆变器的开路故障诊断。     

基于粒子群的有轨电车混合储能参数匹配研究

目前,混合储能式有轨电车作为一种高性价比的交通工具已得到广泛应用。混合储能系统承担着有轨电车供能任务,合理配置储能元件对于保障有轨电车正常运行具有重要的现实意义。以混合储能式有轨电车作为研究对象,在多目标、多约束条件下,利用粒子群优化算法,求解混合储能系统最优参数匹配方案;以广州海珠有轨电车THZ1线作为实例进行仿真验证,结果表明:最优配置混合储能系统在降低储能系统的体积、重量及成本、发挥储能元件充放电能力方面具有明显的优越性。     

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。     

基于改进支持向量域描述的道岔转辙机运行状态异常检测

针对铁路道岔转辙机缺乏大量异常样本来实施其运行状态异常检测的问题,提出了基于改进的支持向量数据域描述方法的异常检测模型。以ZYJ7型液压道岔转辙机为研究对象,利用既有微机监测系统采集道岔功率数据。用聚类的方法对数据进行清洗,接着对功率数据在时间序列上进行解锁、转换和锁闭分解,分别提取其统计特征值,采用主成分分析(PCA)法对特征值进行降维处理,将经过处理后的数据输入到异常检测分类器进行模型训练和模型测试。实验结果表明,改进的支持向量域描述(SVDD)分类器对道岔运行状态的异常检测有较强的识别能力。