CR400BF平台动车组故障预警预测研究

根据动车组运维现场实际需求,基于动车组状态参数监控标准、车载报故障逻辑,以及现场重点故障特征等信息,建立故障预警预测模型,制定预警预测故障代码及故障处置建议措施。依托动车组故障预测与健康管理系统开展模型试用,验证了模型的可行性和适用性。通过开展CR400BF平台动车组故障预警预测研究,为动车组的远程监控提供了有力的技术支撑,有效降低了动车组的运行安全风险,保障了动车组的运行秩序。     

深度学习在激光熔覆领域的发展与应用

介绍激光熔覆的基本原理、应用领域和深度学习模型的发展状况,阐述深度学习在激光熔覆领域的应用。深度学习利用神经网络模型监控激光熔覆过程,在熔覆工艺参数优化和熔覆过程质量控制等方面具有较好优势,可有效提升激光熔覆过程的精度和稳定性。     

基于PINN方法的不可压流场求解

将残差网络（Res Net）结构引入物理信息神经网络（PINN）,提出一种基于Res Net的PINN方法（Res Net-PINN）。采用该方法对二维不可压圆柱绕流尾迹流场进行重建和预测,结果表明：Res Net-PINN能更准确地重建绕流尾迹的非定常变化规律;在圆柱绕流尾迹的短期预测方面,Res Net-PINN的预测精度和收敛速度相比全连接PINN均能提升3倍左右。Res Net能提高PINN对非定常流场的求解和预测能力,该研究可为采用机器学习方法求解更复杂流动问题提供参考。     

复杂环境下船舶轴系推力信号辨识模型分析

为解决复杂环境下的船舶轴系推力信号辨识问题,提出一种基于时频分析和深度学习的轴系推力信号辨识模型。该模型首先以短时傅里叶变换（STFT）方法对轴系推力信号与环境干扰信号的时频特征进行提取,以频段分析方法对两种信号的频率（周期）和能量等关键特征进行计算;然后以循环神经网络（RNN）方法对模型中2种信号的关键特征进行充分训练,得到经泛化后的深度学习辨识模型;最后,基于实验室模拟实船的轴系推力信号与环境干扰信号数据对模型进行仿真试验和验证。验证结果表明,该模型在复杂环境干扰下施加恒定推力与动态推力时均具备良好的辨识能力,可为船舶轴系推力信号辨识技术的研究提供参考。     

树脂混凝土强度预测的神经网络模型

本文运用均匀设计的方法进行树脂混凝土的配合比设计,用较少的试验取得较好的效果;建立了树脂混凝土的强度预测的神经网络模型,对试验的数据进行了训练和仿真,预测的结果与试验结果吻合非常好。     

铁水含硅量实时预报专家系统的设计与实现

将时差方法与人工神经元网络方法有机地结合起来,提出了一种在高炉铁水含硫量预报中的应用策略。并基于鞍钢10#高炉操作过程,建立了高炉铁水含硫量预报专家系统。     

改进BP神经网络的城市交通流预测研究

由于交通流预测具有高度的非线性特点,这与BP神经网络能够处理非线性问题的特征相符合。但BP神经网络算法易使解陷入局部极小,而遗传算法的全局优化能力则恰恰可以克服这一缺点。文中将遗传算法应用于对BP神经网络模型的改进来对交通流进行预测。通过对预测数据与实测数据的比较分析,证实了改进后的方法更为有效。     

自动测试系统通用性研究

针对现代电子装备自动测试系统,阐述自动测试系统通用性实现方法,提出激励资源、信号接口装置设计原则,同时探讨了神经网络与自适应算法实现故障诊断与定位中的可行性,并给出一种故障诊断自适应算法实现的方法。     

基于BP神经网络的船舶交通流量预测研究

在分析船舶交通流量特性的基础上,以船舶交通流量控制为最终目标,建立基于BP神经网络的船舶交通流量预测模型,以长江口深水航道的交通流量数据作为训练样本,进行模拟分析。预测结果与实测加权数据进行对比表明,该模型对船舶交通量的预测是有效的。     

基于BP神经网络的防空兵射击指挥效能评估

为了评估防空兵射击指挥效能,构建了效能评估指标体系,建立了射击指挥效能评估的三层BP神经网络模型。说明了训练样本构造的方法,并用样本对BP神经网络进行训练。利用训练好的神经网络对防空兵射击指挥效能进行评估。