蚁群神经网络在船舶发电机故障诊断中的应用

发电机作为船舶关键部件之一,其运行状况关系船舶整机状态。随着技术的不断发展,船舶发电机结构更为复杂,同时其所发生的故障更为复杂和致命,因此研究高效可行的船舶发电机故障诊断技术已成为各研发机构的重要课题。本文通过分析算法模型建立了一种基于蚁群算法的人工神经网络,以发电机转子偏心问题为实例,在Matlab中应用该技术进行训练和故障诊断,并与BP算法进行比较。结果表明,蚁群算法训练速度快、精度高,是一种可靠的故障诊断方法。     

基于机器学习的地铁盾构隧道长期沉降预测

采用机器学习方法,建立一个基于先期区域地质信息及隧道沉降学习资料的盾构隧道长期沉降预测模型, 并以南京地铁 2 号线盾构隧道为例进行算例分析。结果表明：该沉降预测模型能够筛选主要影响因素,并且能够 寻找最佳监督学习算法和最优参数;在不同监督学习算法中,核支持向量机算法与人工神经网络算法都能使模型 达到较高的精度,然而对其参数的依赖性很高,需要细致的调参才能提高预测精度;以人工神经网络算法作为监 督学习算法,经调参后,沉降预测模型的最终预测准确度可达 0.86,10 倍交叉验证平均准确度为 0.82。     

基于人工神经网络的船型设计与阻力预报

船舶阻力与船体形状之间的关系是复杂的非线性关系,在实际设计中预报船舶阻力的方法一般主要有经验公式法和CFD方法.从打破传统方法的局限性和避免CFD计算的高成本出发,考虑人工神经网络理论对处理非线性复杂问题具有良好的适应性,采用RBF神经网络,试图为不同设计阶段的需要提出新的船型设计方法,并建立了相应的船型-阻力性能预测模型.通过实际数据验证了此方法的可行性和实用性.     

高速公路交通事件清除时间模糊逻辑预测模型

清除时间是高速公路交通事件持续时间中的一部分,与事件影响范围密切相关.通过对某高速公路事件数据及交警执勤记录进行分析,提出了救援车辆的清除时间新定义,该定义与事件持续时间有更强的相关性.随后采用含自适应算法的TSK模糊逻辑推理方法,通过对基于事件数据的人工神经网络训练,建立了交通事件清除时间的预测模型,并讨论了模型的适...     

基于支持向量分类机和回归机的综合评价方法

采用支持向量多值分类机和回归机进行综合评价排序,以提高机器学习方法的综合评价排序能力,并以管理信息系统综合评价为例,与人工神经网络（ANN）方法进行了对比研究.试验结果表明,基于支持向量多值分类机综合评价得分之间的差异比ANN更明显,而且基于支持向量回归机综合评价得分的相对误差明显小于ANN.     

基于粘土地基的几种路基沉降预测方法的比较

基于粘土地基的路基实测沉降资料,采用曲线拟合法、人工神经网络法和灰色预测法,通过对比分析,探求实际沉降发展规律;研究这些预测方法的适用条件以及优缺点,为粘土地区实际工程变形预测提供参考。     

基于神经网络和改进遗传算法的混凝土水化热管冷参数优化

为实现对某工程中承台大体积混凝土水化热的最佳降温效果,使用实测数据训练了基于BP神经网络的温度预测模型,并结合改进后的遗传算法建立了混凝土水化热管冷参数的数学优化模型。通过模型间的嵌套达到了对冷却水进水温度、冷却水流量和冷水管管径的最优求解。计算结果显示：3项管冷参数的优化均对混凝土水化热温度的降低有一定的效果,其中在一定范围内增大冷却水流量对核心区的降温效果最明显,当冷却水流量由2.0 m³/h增加至2.5 m³/h时,混凝土核心区温度峰值降低4.6℃,累计水化热降低36.4%,降温效果最显著。     

沥青混凝土路面预防性养护时机的人工神经网络方法研究

为了使公路预防性养护措施发挥最大效益,延长公路使用寿命,针对路面各使用性能指标存在相互联系的特点,采用人工神经网络对沥青混凝土路面预防性养护时机进行研究,并根据公路预防性养护工程的特点,确定相应的输入指标,建立基于BP神经网络的沥青混凝土路面预防性养护时机的确定模型.通过有效的样本学习,应用该模型实现对专家知识及经验的提取和存储.仿真实例验证了模型的合理性和有效性.为公路预防性养护时机的确定提供新的思路.     

基于人工神经网络预测城市道路软基沉降

针对软基预估沉降值与实际沉降量差异,引入人工神经网络BP模型,根据道路前期沉降观测资料,进行沉降预测.工程实践证明,所建人工神经网络模型具有预测精度高、简便易行等优点,应用前景广阔,可为类似工程提供参考.     

基于人工神经网络的高速公路隧道群限速研究

根据典型高速公路隧道群交通运行状况,从时间因素、交通动态因素、道路条件和隧道群环境因素等方面选取输入变量,以运行速度为输出变量,建立基于人工神经网络的高速公路隧道群速度预测模型;然后,通过灵敏度分析方法,研究各个输入变量对输出变量的影响程度,并对各个输入变量的灵敏度分析结果进行比较分析。研究结果表明:该方法能够针对隧道群交通流的实际情况,充分利用与速度密切相关的信息来模拟,克服了传统算法难以建模的缺陷,适合交通流限速控制的在线建模。该方法切实可行、准确度较高,可为制定高速公路隧道群速度限制提供理论基础。