基于代价敏感RBF神经网络的道岔故障诊断系统

针对铁路道岔故障中几种常见类型故障,为尽量减少道岔故障误分类所造成的损失,特建立基于遗传算法的代价敏感RBF神经网络模型以及基于该模型的道岔故障诊断系统。模型通过建立代价敏感适应度函数,实现基于遗传算法的RBF神经网络向代价最优的方向进行随机搜索。利用某车站道岔动作电流监测数据进行验证,证明系统能够提高故障数据的识别精度,降低故障数据的误分类代价。该系统可帮助维护人员快速、准确地对道岔故障进行诊断,缩短故障处理时间,提高铁路行车的安全性。     

铁路路基动态变形模量的数值模拟分析

介绍铁路路基动态变形模量理论计算公式的推导及动态变形模量的测试原理,采用有限元软件模拟动态变形模量的测试过程,分析承载板与土体接触压力、路基动态变形模量的影响因素,并计算动态变形模量的有效测试深度.结果表明:在承载板中心一定范围内,接触压力模拟结果较理论计算值大;土体的动弹性模量对接触压力影响很小,可以忽略;路基动态变形模量测试冲击荷载作用下,土体只发生弹性变形;动态变形模量与土体动弹性模量呈线性关系,路基动态变形模量的模拟结果大于理论计算值;土体的泊松比对动态变形模量影响较小;动态变形模量有效测试深度建议取0.5~0.6 m.     

基于深度学习的机器视觉技术在造船中的应用

近年来,以人工智能为代表的新兴技术日渐成为了传统行业生产力提升的增倍器.在船舶建造领域,为了实现高质量发展,智能制造技术的推广势在必行.由于其显著的特性,基于深度学习的机器视觉技术正应用于越来越多的造船工艺流程中,为提高生产效率、提升产品质量做出越来越重大的贡献.     

中望CAD/CAM软件携手铁建重工引领“中国智造”

近日,国内最大、最专业的CAD/CAM软件厂商中望软件与我国轨道装备和掘进机行业领先企业中国铁建重工集团有限公司正式签订了"信息化战略合作"协议。据了解,铁建重工集团全面采购了中望软件旗下的二维以及三维产品中望CAD和中望3D,不仅如此,中望软件还就铁建重工集团未来的发     

神经网络在船舶电力推进系统故障诊断中的应用

船舶电力推进系统目前成为船舶推进系统的主流选择,电力推进系统对于保障船舶的安全稳定运行具有重要意义。因此,对采用电力推进系统的船舶进行电力推进系统故障诊断,成为船舶日常维护的一项重要工作。本文对船舶电力推进系统故障诊断系统进行研究,在Simulink环境下搭建故障诊断模型,并将BP神经网络应用于诊断系统,对电力推进系统的故障学习和诊断能力进行仿真。结果表明,该故障诊断系统可以提高网络的学习速度和诊断效果,具有很好的故障诊断能力,可以满足船舶电力推进系统的性能要求。     

基于神经网络的船舶航拍图像融合研究

航拍图像融合是船舶图像研究领域中的一个重要研究方向,针对当前船舶航拍图像融合过程复杂,计算量大,融合精度低等缺陷,提出了基于神经网络的船舶航拍图像融合方法。首先分析船舶航拍图像融合原理,并对船舶航拍图像进行分解,得到低频和高频的船舶航拍图像分量,然后采用神经网络对船舶航拍图像的高频分量进行处理,并用加权平均法对船舶航拍图像的低频分量进行处理,最后通过逆变换对船舶航拍图像融合,并进行了仿真实验。实验结果表明,神经网络可以获得高精度的船舶航拍图像融合结果,船舶航拍图像融合时间短,相对于其他船舶航拍图像融合方法,神经网络的船舶航拍图像融合结果更胜一筹。     

一种基于BP神经网络的铁路大宗货物运价风险预警判定方法

为获取较大的市场占有率和较好的利润增长水平,铁路货运公司需要实时掌握铁路货物运价在货运市场中的竞争力,综合考虑社会、企业自身和货主等因素,基于BP神经网络算法,进行铁路货运价格风险预警判定方法研究,并建立运价风险预警模型。以某铁路局集团有限公司大宗货物运输中的煤炭运输为例,选取2015-2017年相关数据,训练BP神经网络模型,得到铁路煤炭运价的风险预警结果。与实际数据对比,拟合程度较高,因此可使用该方法对当期的运价风险程度进行合理预测,同时也对相关铁路部门的运价政策制定与调整起到辅助决策作用。     

基于改进BP-GA方法的FPSO舷侧结构耐撞性能优化设计

基于遗传算法和ABAQUS参数化有限元仿真技术,对传统的BP-GA优化方法进行改进,并采用改进的BP-GA方法对浮式生产储油卸油装置(FPSO)舷侧结构的耐撞性能进行优化,以验证其可行性和准确性。结果表明,与传统的BP神经网络相比,经遗传算法优化的BP神经网络具有更高的预测精度和更强的泛化能力;改进的BP-GA优化方法可在结构减重的基础上进一步提高结构的耐撞性能,能较好地适用于复杂的FPSO舷侧结构耐撞性优化设计。采用的优化方法具有通用性,可为抗爆性能的优化设计提供参考。     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

切削深度对沥青路面冷铣刨切削的影响

冷铣刨是清除原有沥青路面的主要方式,研究沥青路面冷铣刨切削机理具有重要意义。基于国内外研究现状,阐述了铣削路面各层特点,建立了二维沥青混凝土路面模型,分析了不同切削深度下切削力的变化情况。研究表明:随着切削深度的增加,切削温度和刀具磨损程度增加,切削力在X方向的分量显著增加,在Y方向的分量变化不大。