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。     

一种基于支持向量机的增量学习算法

具有增量学习功能的数据分类技术与普通的数据处理技术相比较,增量学习分类技术具有明显的优越性?在新的训练过程中充分利用了历史的训练结果,从而显著减少了后继训练的时间。介绍了支持向量机的基本理论和一般的支持向量机增量学习算法,针对有些渐变问题(如机械设备的早期故障期和损耗期),新样本所提供的信息量与历史样本所提供的信息量是不同的,给出一种新息加权的支持向量机的增量学习算法,通过循环来获得最优分类面仿真实验表明,采用加权的增量算法更能反映新样本点的特征?     

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。     

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.     

基于支持向量机的地铁客流量预测

地铁客流量是城市地铁交通运营组织的重要依据,客流随机性较大及其影响因素较多,因此加大了客流预测的难度。为了更加准确地预测城市地铁交通中的客流量,及时对客流组织方案进行调整,设计了一种基于非线性支持向量回归机的地铁客流量预测方法。该方法通过分析已采集数据的影响因素,确定对客流量影响较大的支持向量,然后构建预测模型进行预测。该模型可以通过调整影响因素的强度来提高预测精度。最后,通过算例验证：该方法可以有效地改善预测误差,适用于短期和不确定环境的地铁客流预测。     

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.     

基于支持向量机的边坡稳定性识别研究

考虑到边坡岩体稳定性问题存在高度的非线性,建立了基于支持向量机的边坡岩体稳定性的判别模型,它是一种基于统计学习理论的识别方法,这种模型非常适合用于对小样本的学习,且训练后的支持向量机判别模型具有很好的推广性能.采用工程实例进行分析,结果表明,基于支持向量机的边坡岩体的稳定性识别模型具有较高的准确率,且操作简便.     

基于粒子群支持向量机的轨道电路故障诊断

支持向量机（SVM）是一种解决小样本分类问题的最佳理论算法,它的核函数的参数选择非常重要,直接影响着故障诊断的准确率。本文将粒子群算法（PSO）用于支持向量机的参数优化,提出基于粒子群支持向量机的故障诊断模型,并将其运用于轨道电路中。通过对比MATLAB仿真结果得出:经过粒子群寻优得到的参数比随机选取的参数更优,所建立的PSO-SVM模型的故障诊断准确率高于普通的SVM模型。     

支持向量机在货运量预测中的应用研究

在分析现有货运量预测方法所存在问题的基础上,建立了货运量预测的支持向量机模型,并以我国1981～2001年的货运量和相关经济指标的历史统计数据作为学习样本,分别选用3种不同的核函数,通过拟合训练和外推预测分析,验证了支持向量机用于货运量预测的有效性,并对模型中的有关参数进行了探讨分析。     

基于相关向量机的电气化铁路用电量预测方法

为了提高用电量预测的精度,提出基于相关向量机回归的预测模型,在时间序列数据的基础上通过拟合训练得出其内在关系,进而可以计算得到较为准确的预测结果。相关向量机具有算法简洁和预测精度高等特点,易于编程使用。为了验证模型的有效性,本文选取2006年3月至2013年2月之间的电气化铁路用电量数据进行模型拟合训练,并预测分析2013年3月至7月的用电量情况。最后,通过对比分析表明相关向量机模型的预测结果比传统回归方法的预测结果更优。     

铁路货运车流预控系统设计研究

在铁路运输货物过程中,在铁路局与铁路局或者站与站分界口出现违流、违编现象,不但浪费大量运输成本,而且直接影响到运输效率及效益,需要采取有效措施合理组织车流.本文提出一种铁路货运车流预控系统设计方案,通过建立车流多维分析模型,使用数据仓库集成现有电子确报、预确报、车号识别以及货运精密统计系统数据,分析货物运输车流接入交出重车去向,为车流运输提供决策依据,以减少违流运输和机车车辆浪费,实现效益最大化,提高站段列车编组质量.     

铁路信号机械室环境温度监测下位机设计

介绍一种基于Atmel 89S51单片机的环境温度监测下位机的设计,解决对铁路信号机械室内重要设备卫作温度的监测问题.环境温度测量使用DS18B20单总线数字温度传感器.与上位机以主从通信方式实现串口通信,实时向主机发送环境温度信息.     

基于收益管理的高铁动态定价方法

以高速铁路市场化定价为背景,提出高速铁路动态定价模型。根据列车停站方案的差异,以列车旅行时间进行列车分级;通过分析高铁沿线各点对之间的历史客流出行信息,从旅客出行的价格敏感性和时间敏感性角度出发对旅客进行分类,并根据历史售票数据得出不同类型旅客所占比例;在此基础上,以客票总收益最大化为目标,考虑票价上下限、列车能力和票价不到倒等约束,建立基于收益管理的高速铁路动态票价优化模型,并根据模型特征设计启发式求解方法。最后以京沪高铁为例,利用所提出的方法进行优化计算和分析,证明在不增加运力的前提下,考虑收益管理的高铁动态定价方法,可以有效提高客票收益。     

基于ANP的铁路设计项目投标决策研究

运用ANP法对铁路设计项目投标决策进行分析,并使用超级决策软件SD求解得到最优决策结果.研究表明:ANP法是解决关联性强且存在反馈关系决策问题的良好手段,案例结果与实际情况相吻合;该方法对工程设计项目投标决策具有可行性.     

滑坡变形的支持向量机非线性组合预测

在分析支持向量机(SVM)用于时间序列预测和非线性组合原理基础上,提出基于支持向量机的非线性组合预测方法。利用4种单项预测方法,包括SVM、径向基函数前向型神经网络(RBF)、反馈型神经网络(El-man)及3层神经网络(ANN),分别进行滑坡变形时序的建模与预测。对4种方法的预测结果再采用线性组合方法(简单平均、方差倒数、改进最优加权系数)和非线性组合方法(SVM、BP神经网络)进行组合预测及方法性能的比较。结果表明,非线性组合的平均相对误差明显低于线性组合方法,且对滑坡这种具有一定程度不确定性的非线性系统,SVM的非线性组合方法有着更理想的预测效果,7步外推预测准确度控制在89.3%以上。而与BP神经网络非线性组合相比,SVM也具有更好的稳健性和泛化性。     

基于SVM的相关反馈图像分类和检索方案

图像获取和存储技术的进步可以获得包含大量有用信息的图像数据,在传统的图像分类和检索方案中,图像的低级视觉特征和高级概念之间存在着较大的语义间隔,导致图像的分类和检索效果不佳.针对该问题,提出了一种基于SVM相关反馈的图像分类和检索方案.该方案通过缩窄图像的领域,利用机器学习方法建立图像类的模型,并使用一种优化的SVM相关反馈图像检索方法学习图像的类别,将学习到的模型用于图像的分类和检索.实验结果表明,此方案能够高效的检索出较多相关图像,并对其进行有效分类.     

基于自适应可变权重的铁路继电器机电参数融合方法研究

铁路继电器性能优劣直接影响铁路系统的正常运行.为分析铁路继电器长期动作造成的性能退化,研究一种融合继电器机械参数和电参数的方法来综合反映继电器性能状态.利用熵权法分析继电器性能参数所含退化信息量,客观确定参数基础权重.根据性能参数退化特征,引入考虑关键参数优化差异的劣化参数凸显因子和异常趋势惩罚因子,对基础权重进行优化...     

基于线特征跟踪的铁路桥梁支座振动位移测量方法

针对现有基于结构物表面纹理特征跟踪的支座振动位移测量算法易受光照、背景杂波、运动模糊等因素干扰的问题,提出一种基于线特征跟踪的铁路桥梁支座振动位移测量方法.利用大津法与连通体分析法获取感兴趣目标,并基于感兴趣目标确定线跟踪区域,提高支座位移计算效率;利用一种直线鲁棒检测算子,快速提取桥梁支座振动过程中线跟踪区域中的线目...