基于GAPSO-RBFNN的动车组电机吊架多目标稳健优化设计

基于遗传粒子群(GAPSO)算法获取最优平滑系数,从而改进径向基神经网络(RBFNN);通过电机吊架的灵敏度分析筛选出对其总质量和自然频率等质量特性影响较大的关键设计变量;结合正交试验设计与有限元分析得出电机吊架各质量特性值及对应的信噪比,将试验数据作为输入、信噪比作为输出用于GAPSO-RBFNN的训练和测试,并对比分析预测精度;基于GAPSO-RBFNN构建电机吊架的多目标稳健优化模型,采用NSGA-II多目标优化算法对其寻优求解,并与传统设计方案进行对比。结果表明:GAPSO-RBFNN的预测误差远低于传统RBFNN;优化后电机吊架各质量特性信噪比得到提高,实现了对电机吊架的多目标稳健优化,降低了电机吊架总质量,提高了其自然频率。     

基于SVM-PSO算法的大跨度悬索桥挠度可靠度研究

为了研究高维随机参数作用下大跨度悬索桥运营阶段挠度可靠度,在有限元计算基础上,基于支持向量机(support vector machine,SVM)建立成桥阶段挠度可靠度模型,结合优化后的粒子群算法(Particle Swarm Optimization,PSO)计算结构运营阶段挠度可靠指标。研究结果表明:借鉴遗传算法中的变异思想,通过设置中间变量约束条件,可以解决粒子群算法易早熟、后期迭代效率低的问题,进而提高计算效率与精度,基于SVM-PSO算法的结构可靠度方法高效准确,普立特大桥挠度可靠度满足正常使用极限条件下的要求。     

基于支持向量回归的大型客运站客流量预测应用研究

准确预测大型客运站发送客流量,是铁路依据旅客出行需求制订开行方案、编制运行图和完成客流输送任务的重要基础。简要介绍支持向量回归的概念和原理;以汉口车站2017年1月—12月日实际发送客流量作为样本数据集,分析大型铁路客运车站客流特点,即年度客流呈现明显周期波动性、长周期内因多次节假日出现客流大幅激增;将样本数据集分为训练集及测试集,利用支持向量回归模型对剔除节假日前后的客流量进行预测,预测误差对比表明:排除节假日突发大客流的影响后,由支持向量回归模型计算得到车站日常发送客流量的预测精度可明显提高。     

基于改进最小二乘支持向量机的电力机车牵引电机建模

介绍利用最小二乘支持向量机的回归理论对牵引电机磁化曲线进行拟合,从而建立准确的电力机车牵引电机模型的方法.针对最小二乘支持向量机参数选择耗时长的问题,提出一种基于三步搜索技术的参数选择方法.理论分析及仿真结果表明,该方法可优化选择最小二乘支持向量机的参数,并可提高最小二乘支持向量机的建模速度.将该方法用于电力机车牵引电机建模的参数选择,仿真结果表明,该方法建立的电力机车牵引电机模型精确度高,可用于对电力机车主电路性能及控制策略的研究.     

一种顾及用户朝向的PSO-LSSVM指纹定位算法

为了解决人体对WiFi信号遮蔽和最小二乘支持向量机参数优化的问题,提出了一种顾及用户朝向的粒子群优化最小二乘支持向量机指纹定位方法。建立全向指纹库,采用粒子群优化算法求出最小二乘支持向量机最优参数,通过最小二乘支持向量机训练出定位模型,将待测点指纹信息输入定位模型中,最终估算出待测点位置坐标。仿真实验结果表明所提算法在定位误差上达到0.72 m,普通的粒子群优化最小二乘支持向量机算法定位误差为0.84 m,提高了室内定位精度,具有实际的应用价值。     

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。     

高速磁浮列车头型多目标气动优化设计

针对常温常导高速磁浮列车头型的几何特点,将其分为流线型和设备舱2个部分,采用改进的VMF参数化方法和曲面离散方法,分别进行参数化设计;对提取的12个设计参数,结合计算流体力学方法、支持向量机模型和多目标粒子群算法,以整车气动阻力系数和尾车气动升力系数为优化目标,以头车气动升力系数为约束条件,进行高速磁浮列车头型多目标气动优化设计,并进行设计参数的灵敏度分析;对优化外形进行工程化改进和风洞试验验证。结果表明:参数化设计方法能够利用较少的设计参数描述高速磁浮列车头型;减少计算量且提高优化效率的支持向量机模型的预测精度满足设计要求;头型长度是影响高速磁浮列车气动性能的关键设计参数,水平剖面型线对头尾车气动升力的影响较为显著;较原始外形,采用根据工程设计要求改进的优化外形后,整车气动阻力系数减小19.2%,头车和尾车气动升力系数分别减小24.8%和51.3%。     

基于区间理论的桥涵墩台基础可靠性分析

根据墩台基础结构力学参数取值的区间性特征,引入区间分析理论,视墩台基础结构力学参数为区间变量,在确定墩台基础稳定可靠性分析的合理功能函数基础上,建立基于区间理论的墩台基础结构稳定非概率可靠性计算模型;针对区间运算结果扩张问题,引入改进的区间截断法,建立墩台基础稳定性非概率可靠性分析的区间运算方法,采用改进的一维优化算法计算墩台基础稳定非概率可靠度指标,进而建立基于区间理论的墩台基础稳定性非概率可靠性分析方法;将非概率可靠性分析方法应用于工程实例,计算结果验证方法的合理性与可行性。探讨结构力学参数变异性对墩台基础稳定性非概率可靠度指标的影响规律,具有一定的工程参考价值。     

基于改进非等间距灰色模型和PSVM的轨道质量指数预测

有效预测轨道不平顺的发展趋势对铁路的养护和管理具有重要意义。根据轨道不平顺发展的趋势性和随机性,本文提出一种将非等间距灰色模型与粒子群优化支持向量机结合的预测方法。利用改进的非等间距灰色GM(1,1)模型预测轨道质量指数(TQI)序列在未来一段时间内的变化,再利用粒子群优化的支持向量机(PSVM)模型对灰色预测值进行纠正,得到较准确的TQI序列,构建出轨道不平顺变化趋势预测模型。分别对沪昆线上行两段线路的轨道不平顺进行预测,结果表明该组合模型的预测精度较高,相对误差分别低至1.03%和2.74%。     

基于PSO-SVM的轨道交通车站安全态势预测研究

提出一种基于PSO-SVM算法的安全态势预测模型,用于城市轨道交通车站安全态势预测研究。首先介绍支持向量机(SVM)和粒子群优化算法(PSO)的基本概念,以高斯径向基函数为核函数建立支持向量机安全态势预测模型,然后应用粒子群算法优化模型参数,得到优化的预测模型,再以某车站为例进行仿真实验,结果表明利用PSO-SVM算法预测车站安全态势值具有可行性。该预测方法对车站安全运营和乘客安全出行具有一定指导意义。     

连续刚构桥主梁设计参数优化方法研究

针对当前连续刚构桥主梁设计参数选取过程中存在的问题,提出一种基于均匀设计与支持向量回归的参数优化方法;以主梁跨中截面的强度与挠度、混凝土用量作为优化目标;边中跨比、跨中梁高、墩顶梁高和梁底曲线幂次作为主要设计参数进行优化。通过均匀设计方法得出优化试验的数据样本,再根据样本数据以支持向量回归法得出主梁设计参数优化的数学模型,进而可根据该模型完成连续刚构桥主梁设计参数的优化。     

基于灰色理论和PSO的牵引供电系统可靠性研究

采用灰色GM(1,1)模型预测其相关设备中长期的故障数据,增大建模所需数据样本量,提出以威布尔分布模型为基础,基于粒子群算法的智能拟合方法,建立牵引供电系统各设备可靠性分析的数学模型,所建模型全部通过拟合优度K-S检验,证明该方法十分适合于牵引供电系统设备的可靠性建模。运用BDD算法得到用最小割集表示的牵引变电所和接触网故障树模型,综合得到牵引供电系统整体的可靠性模型,并计算出系统的可靠度和平均使用寿命。最后分析可知接触网的可靠性在很大程度上决定了牵引供电系统整体的可靠性,其分析结果为牵引供电系统以后的维护工作提供了理论依据。     

牵引供电系统可靠性预测及建模方法研究

基于采用无偏GM(1,1)模型预测其相关设备中长期的故障数据,增大了建模所需的数据样本量,能解决牵引供电系统可靠性建模由于故障数据较少,导致建模的精度不高且建模失败的可能性大的问题,提出基于粒子群算法的智能拟合方法。以威布尔分布模型为基础,建立牵引供电系统各关键设备可靠性分析的数学模型。计算得到用最小割集表示的牵引变电所和接触网故障树模型,综合分析得出牵引供电系统整体的可靠性模型,并计算系统整体的可靠度和平均使用寿命,通过建立灰色关联分析模型,计算得出接触线是影响牵引供电系统整体可靠性的关键设备。     

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Labeled-LDA的列控车载设备故障特征提取与诊断方法研究

准确地诊断出列控车载设备的故障类型是保障列车安全运行的基础。针对车载设备故障诊断问题,根据北京动车段300T车载日志数据的特点,基于数据挖掘方法并结合现场技术人员的经验知识,构建车载设备的故障特征词库;在此基础上,改进了Labeled-LDA(Latent Dirichlet Allocation)模型用于提取日志数据的语义特征。采用基于粒子群优化的支持向量机算法PSO-SVM对日志文本的故障进行分类,以降低故障样本数据分布不均衡对分类精度的影响,并与传统的支持向量机算法SVM,K最近邻算法KNN进行对比分析。实验结果表明,KNN、SVM、PSO-SVM三种算法的故障文本数据一级故障诊断准确率依次为79.4%,81.8%和90.9%,二级故障诊断准确率依次为74.6%,78.1%和81.3%,验证了PSO-SVM算法在车载设备故障诊断方面的有效性。该研究成果对列控车载设备日常维护具有一定的指导意义。     

CRH3型动车组辅助供电系统可靠性分析

根据CRH3型动车组辅助供电系统结构及运行特点,结合图论建立系统可靠性网络图模型,随之将系统可用度计算转化为网络图模型连通概率计算。在考虑部件停工相关性及可维修的前提下,分别用蒙特卡罗模拟-元胞自动机(MCS-CA)算法及融入最小二乘支持向量机(LS-SVM)的改进算法,结合某CRH3型动车组历史运行故障数据,计算分析系统在不同工作模式下的可靠性,并绘制随时间变化的可靠度与可用度曲线,同时给出不同情况下可靠度与可用度表达式。研究结果表明:改进算法可有效提高计算效率且同时保证结果的准确性;系统部件之间的并联模式及系统冗余设计均可提高系统可靠性。     

基于网格搜索支持向量机的边坡稳定性系数预测

边坡稳定性分析是岩土工程的一个常见问题,影响参数较多。首先将影响边坡稳定性的样本集合建立支持向量机(Support Vector Machine,SVM)回归模型,而后使用网格搜索法(Grid-search)优化支持向量机的参数,并将优化过参数的支持向量机回归模型与贝叶斯岭回归模型、普通线性回归模型、梯度增强回归模型的预测结果进行对比。研究结果表明:优化后的SVM回归模型预测方法在边坡安全系数预测方法中更为精准稳定,具有一定的实际应用价值。     

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NSGA2算法的ZPW2000A轨道电路维修策略优化研究

针对ZPW2000A轨道电路传统维修的低可靠性和高维修费用问题,提出ZPW2000A维修策略多目标优化模型,对其维修策略进行优化。该模型采用求不交化最小路集方法求ZPW2000A的可靠度;考虑维修活动对系统可靠性和维修费用的影响,推导出ZPW2000A系统可靠度和维修费用表达式。将系统的可靠性和维修费用作为优化目标,采用非劣排序遗传算法(NSGA-Ⅱ)进行优化计算,为决策者提供多种选择,并与传统方法进行对比,验证了该方法的有效性。