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PSO-RBF神经网络模型的铁路隧道突水危险性评价

突水是铁路隧道施工过程中发生频率最高的灾害事故,为有效预防突水事故,降低隧道施工风险,保障施工人员安全。在已有研究基础上选取10个核心指标作为影响突水事故发生的判断依据,收集50组典型隧道突水实例数据作为突水危险性评价的研究样本,运用粒子群优化算法(PSO)优化径向基神经网络(RBF)后,对样本数据进行训练测试,建立PSO-RBF神经网络铁路隧道突水危险性评价模型。最后,将该模型应用于井家山隧道验证其实用性。实例研究表明：PSO-RBF模型能够准确对井家山隧道突水危险性作出判定,且与梯度下降法改进的RBF神经网络相比,PSO-RBF神经网络模型具有更高的准确率和更快的迭代速度。     

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。     

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。     

基于BP神经网络的瓦斯隧道突出预测系统开发研究

瓦斯隧道突出影响因素多,难以为其建立合适的多指标非线性预测模型。为了提高突出预测的准确性和增强预测方法的可操作性,采用BP神经网络建立瓦斯隧道突出预测数学模型。借助ASP.NET技术、C#语言和SQL Server 2008数据库,在C#.NET环境下利用Matlab引擎技术调用神经网络工具箱,成功构建了突出预测系统。以肖家梁隧道为例对该系统进行实际检验,预测结果与隧道实际状况达到了较好的一致性,可实现瓦斯隧道突出的准确预测。     

基于神经网络的双模盾构复合地层掘进参数预测模型

依托深圳市轨道交通12号线怀德站-福永站区间隧道工程，基于EPB/TBM双模盾构穿越地质参数和现场掘进监测数据，采用BP神经网络方法建立双模式盾构掘进参数预测模型，分别对地层参数及掘进模式进行量化，将刀盘扭矩、刀盘转速、螺旋机转速、总推进力、隧道埋深、围岩等级、岩石单轴饱和抗压强度及不同掘进模式作为输入参数，预测出在不同掘进模式及不同地层条件下的设备掘进速率，针对3类典型地层的预测结果进行可视化分析验证，并对预测模型精度进行改进分析。结果表明：神经网络预测模型在TBM模式下的微风化段平均相对误差为8.6%,EPB模式下的强风化段平均相对误差为10.6%,EPB模式下的中风化段平均相对误差26.2%;该模型对强风化段及微风化段等地层强度变化较为稳定的地层预测精度较高，同时，该预测模式适用于22个隐层神经元并对掘进速率采用直接放缩的方法。     

基于BP神经网络的铁路货运量预测

在铁路货运量预测中，为改善传统预测方法数据拟合度不高、外推性不强等问题，提出基于BP神经网络技术的货运量预测模型，该模型采用贝叶斯正则化方法以提高神经网络推广能力。实验比较发现，该模型具有较强的自适应性，其拟合、预测结果优于灰色预测模型GM（1，1）和修正指数回归模型，证实了该方法的可行性和可靠性。     

盾构竖向姿态的组合预测模型研究

由于盾构施工过程中盾构姿态演化的复杂性,单一预测模型很难实现较为精准的预测,提出了一种基于BP神经网络和支持向量回归(Support Vector Regression,SVR)的盾构竖向姿态组合预测模型.首先,利用经验模态分解将盾构竖向姿态时间序列分解为有限个固有模态分量和剩余分量;其次,在分别建立不同分量的粒子群优...     

基于BP神经网络的铁路隧道废水监测数据质量辨识方法

针对传感器水质监测所获取的大量数据,在处理设施工况稳定、外部影响因素及发生影响概率基本不变的条件下,通过筛选代表性、可信度高的数据作为样本,建立BP神经网络模型获取水质指标数据的拟合曲线,可用于传感器自动监测数据质量的智能辨识,对非故障原因导致的测量偏差、原水水质和设施状况异常提供预警.该方法可以保证水质自动监测数据质...     

基于PCA-IRBF模型的铁路隧道围岩安全性预测评价

研究目的:围岩的安全性状况决定了铁路隧道施工过程中围岩变形及塌方事故的发生率,而现有铁路隧道围岩安全性等级预测方法普遍存在准确率低、速度慢等问题.为了对围岩安全性作出可靠预测,提出基于PCA-IRBF模型(Improved Radial Basis Function Neural Network,IRBF)的铁路隧道围...     

基于PCA-改进RBF神经网络模型的铁路隧道突水风险评价

为了准确预测铁路隧道突水风险等级,降低隧道施工过程中的突水灾害风险,结合相关规范,在调研分析影响隧道突水灾害的风险因素集的基础上遴选13个因素构建评价指标体系。利用主成分分析法对突水风险评价指标提取主成分并实现降维,模糊C-均值聚类算法计算RBF神经网络的中心,梯度下降法修正权值和方差,并将分析后得到的主成分作为改进RBF神经网络评价模型输入向量,建立了基于PCA-改进RBF神经网络铁路隧道突水风险评价模型。最后结合天秀山隧道对该模型预测效果进行验证,评价结果与实际情况相符。实例研究表明:该模型合理可操作,相比于其他方法准确率更高、训练更快、均方误差更小,为类似铁路隧道预防突水灾害事故提供了一种新的途径和借鉴。     

基于小波分析和神经网络的网络流量预测

网络流量的准确预测对于提高网络服务质量与网络安全有很重要的作用.本文主要对流量序列进行小波分解和重构,并结合神经网络对网络流量进行预测,新的算法可以有效提高预测精度.通过分析神经网络及非线性预测模型的优劣,建立一个网络流量预测模型.同时利用实际采集的网络流量数据对模型进行仿真,证实该模型可以有效控制由各种因素导致的误差,从而提高网络流量的预测精度.     

基于遗传算法优化BP神经网络的道口事故预测

针对铁路事故发生的偶然性和事故发生原因的复杂性,提出应用BP神经网络对铁路事故进行较长期预测的建议,并以美国高速公路-铁路道口事故为实例,应用BP神经网络方法和遗传算法优化的BP神经网络方法对美国高速公路—铁路道口未来3年的事故进行预测,并将预测结果进行对比,结果表明,遗传算法优化的BP神经网络可以用于铁路事故的中长期预测。     

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。     

基于DXF接口文件的铁路枢纽网络数字化模型构建

铁路枢纽内线路和车站数量较多、结构复杂,建模繁琐.为构建铁路枢纽网络数字化模型,基于AutoCAD枢纽图文档中既有的线路、车站等实体的特征数据,利用VS2013建模,从DXF格式的数据文件中读取铁路枢纽网络实体的关键数据,建立实体数据间的业务关系,生成网络数字化模型,为研究、优化铁路枢纽网络提供数据支撑.该方法可降低建...     

基于神经网络的连续梁桥施工线形控制与应力分析

以温福铁路鳌江特大桥为工程背景,应用有限元分析软件建立该桥理论计算模型并进行桥梁的结构分析.对线形控制,应用BP神经网络法对施工控制的标高进行预测.计算结果和现场实测结果表明,该方法提高了线形预测的精度;对实测应变进行修正,剔除了实测应变中的非应力应变,以更好掌握桥梁施工中的实际受力状态.     

基于随机灰色蚁群神经网络的集装箱结点站运量预测

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,利用随机灰色变量描述预测系统的不确定性,建立了随机灰色预测模型以及基于蚁群算法的递归神经网络模型,在此基础上,提出了一种基于随机灰色蚁群神经网络的集装箱结点站运量预测方法.最后,以兰州铁路局兰州北站为例,对模型的预测精度和有效性进行分析.研究结果表明:基于蚁群算法的...     

基于BP神经网络的铁路客运设备故障监测模型设计与研究

由于铁路客运设备种类众多并且分布区域分散，致使人工巡检工作效率低。为了提高巡检工作的效率，实现铁路客运设备巡检工作智能化，本文提出并设计了基于BP神经网络的铁路客运设备故障监测模型。通过无线传感器获取影响客运设备状态优劣的因素，运用所建模型进行决策，判断铁路客运设备是否运行正常并能准确地诊断出故障部位，实现了铁路客运设备巡检工作智能化的目标。最后通过对机房空调设备的仿真研究，验证了所建模型的有效性。     

基于小波神经网络的建筑火灾预测模型及应用

随着我国城乡建设的飞速发展,建筑火灾形势日趋严峻,依靠传统的管理技术和方法已远远不能适应社会和民众对安全的需要。针对某城市建筑火灾非线性时间序列,建立了小波神经网络(WNN)预测模型,计算分析证明了该模型的可行性。该模型可与消防工作相结合,建立和实施城乡综合防灾减灾系统,实现城乡综合防灾减灾的科学管理。