改进粒子群优化算法的BP神经网络在机车滚动轴承故障诊断中的应用

本文提出了一个基于改进粒子群优化算法的BP神经网络优化模型来进行轴承故障诊断,此模型融合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了诊断结果的精确性.仿真结果表明机车滚动轴承故障得到了有效诊断.相比于常规的BP神经网络模型,此方法不仅改进网络的收敛速度并且提高了预测准确性.     

基于混合PSO-RBF神经网络的铁路隧道岩爆分级预测

岩爆是铁路隧道建设中主要灾害之一。为了准确预测铁路隧道岩爆烈度等级,以岩石应力系数σ_θ/σ_c、岩石脆性系数σ_c/σ_t以及弹性能量指数W_et作为岩爆烈度评价指标,提出一种基于混合粒子群优化算法优化的径向基(RBF)神经网络岩爆预测模型。首先在国内外研究成果基础上,选取80组已有岩爆实例作为模型基础数据;然后运用结合了模拟退火算法的粒子群算法(混合PSO)改进径向基神经网络,通过训练数据选取最优的权值W和基函数标准差σ,得到混合PSO-RBF神经网络岩爆烈度预测模型;最后将模型应用于实际铁路隧道工程进行验证。研究结果表明:该模型兼顾个体最优和全局最优,能够正确、有效的对铁路隧道岩爆等级做出预测,为铁路隧道岩爆预测提供了一种新方法。     

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.     

基于小波包熵及双重优化神经网络的牵引逆变器开路故障诊断

功率模块器件作为高速动车组电力牵引传动系统的核心组成部分,大多应用于多场域耦合且承受主要的电热应力,故障率较高。通过提取其故障特征并准确定位故障点,实时在线诊断故障对于牵引传动系统的安全可靠运行具有重要意义。以CRH2型动车组牵引传动系统为例,三电平牵引逆变器存在12个功率管,故障发生频繁且种类繁多,故对于三电平牵引逆变器功率管的单管以及多管故障诊断不可忽视。以提升三电平牵引逆变器功率模块器件故障准确定位为目的,研究单个功率器件和多个功率器件开路故障诊断。通过分析该三电平牵引逆变器正常工作模式和多种功率管开路故障情况对比,将三电平牵引逆变器三相桥臂输出侧电流作为诊断电气量,对故障进行分类,提取每类故障特征电气量经小波包分解后各节点的熵值作为故障特征信息。以提取的小波包熵值作为故障特征向量建立BP神经网络,采用粒子群算法结合遗传算法对神经网络权值和阈值结构同时优化,2种算法优劣互补,实现不同故障分类的诊断,准确定位故障点。仿真结果表明,该方法能实现牵引逆变器单管以及多管故障类型的诊断和对不同故障点的准确定位,且诊断结果精度高,抗噪性能优异,实时性强。     

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。     

结合PSO-OEWOA和MKSVDD的轨道车辆轴承性能退化评估

为了有效评估轨道车辆轴承性能退化程度,提出一种结合反向指数的鲸鱼粒子群混合算法(PSO-OEWOA)与多核支持向量数据描述(MKSVDD)相结合的滚动轴承性能退化评估方法。针对滚动轴承样本数据结构复杂,样本数据分布不均匀导致SVDD分类不够准确的问题,对SVDD模型的核函数进行改进,构造多核核函数提高支持向量数据描述的学习能力和泛化能力;然后针对MKSVDD中多参数选择盲目的问题,结合粒子群算法收敛速度快和鲸鱼算法探索能力强的优点,利用反向指数的鲸鱼算法迭代融合PSO算法对MKSVDD的参数进行寻优,从而避免优化算法早熟收敛和陷入局部最优。将轴承正常状态样本特征向量看作训练数据,同时将MKSVDD模型的准确率作为PSO-OEWOA的适应度函数,构建PSOOEWOA-MKSVDD评估模型,利用正常数据训练的MKSVDD的超球体半径作为健康报警阈值确定轴承的退化。通过轴承全寿命数据对模型进行训练和测试。研究结果表明：MKSVDD模型在轴承初始性能退化时评估敏感性比SVDD模型更优,而且相较于SVDD模型,在中度性能退化时的稳定性也更优。最后对采集的牵引电机轴承的振动数据进行退化分析,结果与...     

基于改进LS-SVM算法的列车通信网络时延预测方法

由于通信网络诱导时延的存在会对列车牵引制动系统造成影响,因此对时延精准预测并实现补偿十分重要。提出了一种基于改进粒子群(PSO)算法优化的最小二乘法支持向量机(LS-SVM)算法对列车通信网络时延进行预测,搭建了列车网络控制系统半实物平台,使数据通过多功能车辆总线(MVB)进行传输,分别改变车辆控制单元(VCU)特征周期及负端口数量大小,以获取大量不同特性的时延数据。将数据分组后利用改进的PSO算法优化LS-SVM算法进行预测仿真。仿真结果表明,与传统的LS-SVM算法及Elman神经网络算法的预测方法相比,所提出的方法在列车通信网络的时延预测方面具有更好的快速性和准确性。     

基于模糊神经网络的牵引变压器全局故障诊断方法

在传统的油中溶解气体分析方法的基础上,利用模糊神经网络强有力的关系处理能力,研究提出牵引变压器全局故障诊断方法.依据模糊神经网络理论,通过对数值逻辑故障诊断模型和物理逻辑故障诊断模型2类模糊神经网络故障诊断模型的分析,考虑信息采集节点的向量特性、变化趋势特性以及模糊神经网络的反馈特性,给出牵引变压器全局故障诊断模型,以故障征兆特征变化趋势表征故障征兆与故障类别间的因果关系,确立增益参数、权系数判定矩阵与决策矩阵.试验结果表明:该方法能够更好地分析牵引变压器各类故障产生的原因,明确故障特征类型,避免用单一特征数据集诊断牵引变压器故障带来的局限性,可以提高故障诊断的准确率.     

基于粒子群优化神经网络算法的货运机车能耗预测研究

机车能耗是铁路能耗的主要部分,是衡量铁路运营水平的重要指标,机车能耗水平的有效降低,将成为未来铁路节能降耗的主要手段之一。阐述测算机车能耗普遍采取的算法,考虑粒子群算法具有全局最优、能够实现动态搜索等优势,提出粒子群优化神经网络算法,将机车能耗有关影响因素作为输入变量,建立基于粒子群优化神经网络算法的货运机车能耗预测模型。以邯长线货运机车能耗为例,分别采用神经网络算法和粒子群优化神经网络算法进行货运机车能耗预测。结果表明,基于粒子群优化神经网络算法的货运机车能耗预测具有较高的可信度。     

基于四维可视化算法的牵引变电所位置优化

针对牵引供电系统设计的复杂性以及传统优化设计方法过程繁琐且很难找到可靠的最优解,粒子群和遗传算法等的迭代过程复杂并且容易陷入局部最优解的问题,将一种四维可视化算法运用到牵引供电系统的优化设计中。四维可视化算法不需要设定初始解、能够同时展现全局最优解的分布、能判断解的稳定性、方便添加约束条件。四维可视化优化算法通过编程使目标函数的最优解集在四维数据场可视化。以接触网对地电压为约束条件,以牵引网有功功率损失最小为目标函数,运用四维可视化算法进行牵引变电所和分区所位置的优化设计。通过实例计算验证了四维可视化算法可有效降低牵引网的功率损失。研究表明该方法能很好地克服传统方法和粒子群等优化算法在牵引供电系统优化设计中的不足。     

桥上无砟轨道结构形式对无缝道岔的影响分析

介绍桥上无缝道岔轨下基础“门”形筋混凝土道床、带限凸台道床板、底座纵连式道岔板5种无砟轨道结构。建立桥上3种无砟轨道结构的无缝道岔模型,提出计算参数,分析3种无砟轨道结构对桥上无缝道岔受力和变形影响,并进行计算。计算结果表明,桥上底座纵连式无砟轨道结构无缝道岔与桥梁的纵向相互作用力较小,是一种受力较为合理的结构形式。     

基于贝叶斯网络的驼峰超速连挂事故分析

针对驼峰超速连挂事故进行分析。分析对事故有重要影响的线路、调速设备和车辆等因素,考虑到贝叶斯网络能较好解决不确定性问题以及可以双向推理的特点,建立驼峰超速连挂事故树,并将其转化成贝叶斯网络,计算顶上事件的发生概率以及基本事件的后验概率。结果表明,超速连挂事故的主要影响因素为线路纵断面、调速设备制动能力以及新型重载车辆三方面。进一步考虑新型重载车辆的共因失效问题,建立贝叶斯共因失效混合网络,计算并分析新型重载车辆对超速连挂事故的影响程度以及对既有驼峰的适应性。     

基于轮廓特征拐点的遮挡车辆分离方法研究

遮挡是智能交通系统中车辆检测、跟踪和识别时较难解决的问题之一.本文主要针对智能交通系统中车辆之间的遮挡,以车辆常用的矩形模板为先验知识,首先对存在车辆遮挡的连通区域提取边缘轮廓,然后获取轮廓上的4类特征拐点,最后采用本文提出的基于轮廓特征拐点的车辆分离算法,将相互遮挡的车辆分离开来,便于后续对车辆的跟踪、匹配等处理.实验结果表明,本文提出的算法具有有效性、可行性和良好的应用前景.     

我国铁路客车空调研究领域急需引入人工神经网络

分析了我国铁路客车空调存在的问题和人工神经网络（ANN）在系统仿真、负荷预测、能量管理、故障诊断、系统辨识控制等方面的优势，综述了ANN在暖通空调（HVAC）中的应用及发展状况，阐述了我国铁路客车空调研究领域引入ANN的必要性和紧迫性。     

电力机车防寒设计探讨

分析我国高寒地区机车的运用状况,指出电力机车在低温环境下所面临的问题,并从机车的低温试验、关键部件、相关材料以及防寒加热等方面,提出电力机车防寒设计的技术措施。     

日本上越新干线列车脱轨事故探究

日本新县中越地区于2004年10月23日发生里氏6.8级浅层直下型地震,地震引起线路剧烈横向晃动和上下起伏震动,导致列车脱轨。在新干线沿线加大地震早期检测预报系统布设密度,研究新的地震波检测方法以及地震预报技术和装置。研究和试验L型防脱轨护轮轨,并对鱼尾板进行加厚改造。在转向架上安装振动加速度检测仪,提高制动反应速度。在转向架轴箱下面安装反L型车辆导向装置,车辆脱轨后,导向装置会钩住钢轨,防止车辆过远偏离轨道溜逸。用厚钢板包覆桥墩、向桥裂缝灌注树脂和用碳纤维布等方法对桥梁进行加固。通过对列车脱轨事故分析和采取的对策,为我国铁路建设提供参考和借鉴。     

隧道地质超前预报方法的探讨和研究

研究目的:通过隧道地质超前预报,掌握掌子面前方地质信息,为施工单位优化施工方案、安全科学施工、提高施工效率、缩短施工周期等提供依据,为预防隧道塌方、突水、突泥、突气等可能形成的灾害性等事故及时提供信息,具有重大的社会效益和经济效益。研究方法:本文以作者在八盘岭隧道和长梁山隧道地质超前预报的亲身经历为背景,着重介绍了隧道地质超前预报在我国铁路、公路、城市轨道交通等工程的长大隧道施工中的重要作用和研究的重大意义。研究结果:本文系统地分析和归纳总结了隧道地质超前预报的前期准备工作、地质超前预报目的及内容、预报的各种方法、预报成果的输出形式和方式、预报时间安排和过程、探讨和研究的结论等,侧重介绍了地质超前预报的各种方法。研究结论:地质超前预报是隧道施工的一个重要环节,应纳入施工工序,可以指导施工,为隧道施工提供科学依据。     

基于能量原理的弹性地基梁底面摩阻效应分析

针对Winkler地基模型不能考虑梁与地基底面摩阻效应的不足,在地基与梁底接触面上引入一系列各自独立的水平弹簧,假定弹簧反力即切向摩阻力与梁底和地基间的切向相对位移成正比,从能量角度出发,基于最小势能原理,建立考虑底面摩阻效应的弹性地基梁能量方程,并引入位移形函数进行求解,导出对称载荷条件下考虑切向摩阻力作用时地基梁位移及内力解答。最后通过地基梁计算实例分析,验证该解答的正确性和合理性,并对相关计算参数进行深入探讨。计算结果表明:切向摩阻力沿梁长呈非线性分布,其对地基梁挠度及弯矩计算的影响较大,而对剪力的影响并不强烈。     

浙赣线CTC运用探讨

本文结合浙赣线CTC系统的建设实际,提出了在繁忙干线中列车运行控制和调车运行控制的冲突问题,CTC区段与非CTC区段的衔接问题,阐述了解决并进一步改进的方案。     

基于LabVIEW的音频水印系统的设计

采用LabVIEW软件.实现在音频信号中嵌入文本信息水印,实现既有嵌入程序又有提取程序的完整音须水印系统.其嵌入水印的能量大,隐蔽性较好,具有一定的实用价值.