地铁安全性能模糊综合评价模型及其应用研究

研究目的:安全性能是地铁运营的重要保障。为了科学地评价地铁安全综合性能,及时发现薄弱环节,本文构建了地铁安全性能的指标体系及其模糊综合评价模型,供各城市地铁建设、运营管理部门参考。研究结论:以某地铁为研究对象,对本文所构建的地铁安全性能模糊综合评价模型进行应用验证。研究结果表明该地铁安全的综合性能为"安全",本文所构建的地铁安全性能模糊综合评价法具有较高的实用性,有利于及时发现地铁安全隐患并提出相应的事故预防措施。     

操控状态下的驾驶员坐姿参数评价方法研究

通过对比不同百分位驾驶员人体模型的操控舒适性,基于模糊综合评价原理,建立了驾驶员操控舒适性二级模糊综合评价模型;实现了对车辆内部布置舒适性的评价,并以跨坐式单轨车辆为例验证了其适用性.     

模糊理论在柴油机故障诊断中的应用

正随着我国经济社会的快速发展,柴油机作为主要动力机械在工业、农业、能源和交通运输等领域都得到了广泛应用。目前,我国柴油机年销售量超过140万台,已成为普遍使用的一种动力装置。随着世界范围内能源结构的调整和环保意识的增强,柴油机逐渐成为主流,大型柴油机是集机械、测量、计算机等多种技术于一体,机构复杂、价格昂贵,如不能及时正确地对所出现故障进行诊断与维修,会给造成很大的经济损失。     

模糊熵在地铁车辆平轮故障诊断中的应用研究

为实现地铁车辆走行部关键部件的不解体检测诊断,采用过车轨道振动来分析车辆平轮故障。试验采集了正常情况、剥离故障及擦伤故障等3种工况下的振动信号。首先对信号进行集合经验模态分解;然后,用相关系数法筛选分解产生的本征模态函数分量,再计算主分量的模糊熵熵值作为故障特征向量;最后,输入到由遗传算法优化的支持向量机分类器进行故障识别。试验结果表明,该方法可以实现地铁车辆平轮故障的准确识别。     

基于GA优化模糊PID控制的ATO算法研究

针对城市轨道列车的自动驾驶系统(ATO)传统PID控制方法适应性差和智能化不足的问题,基于该领域专家知识和驾驶司机的操作经验,将遗传算法优化的模糊PID控制算法运用在ATO的控制系统中,并运用MTALAB进行仿真。仿真结果表明,该控制算法优于传统的PID控制,能够满足ATO系统对不同工况下的适应性和智能性要求,可以达到精确停车和准点到站的目的,能够有效提高列车舒适性和降低列车能耗。     

TSK模糊模型的GA—BP混合学习方法

针对TSK模糊模型的学习是多约束和多目标优化问题,提出一种基于GA—BP的TSK模糊模型学习方法。论述了所涉及的相关问题,包括模型结构的种群编码、进化策略及其适应值评估策略,推导了在进化过程中模糊模型前件和后件参数的BP算法。仿真结果表明：该方法具有先验知识要求少、获取的模型具有较好的精确性和简洁性等特点。     

一种基于模糊理论的区域性高边坡稳定性评价方法

介绍一种区域性高边坡稳定性的评价方法。以重庆万梁高速公路沿线高边坡为例,通过对野外现场调查资料与已有地质资料的分析,建立山区实际地质环境条件下高边坡稳定性评价的指标体系。利用层次分析方法确定该指标体系中评价指标的权值,根据二级模糊综合评判法和最大隶属度原则,建立区域性高边坡稳定性的模糊综合评价模型。工程实例表明:作为一种具有普遍意义的高边坡稳定性评价方法,基于模糊理论的区域性高边坡综合评价方法是山区公路铁路沿线高边坡稳定性评价的有效方法,不仅能为工程选线服务,也可为区域性高边坡的优化设计提供依据。     

列车运行过程的自适应模糊控制

以离线优化获得的策略对列车进行控制时,由于列车总重、线路坡道、车辆类型等不确定因素的影响,难以取得满意的效果。为此,采用自适应模糊控制方法,在总结分析基础上,充分利用现场操作人员经验,建立初始的模糊逻辑系统,以列车运行过程中的相关数据对模糊系统有关参数进行实时修正,这样,最终得到一个既能够利用专家经验信息又可以利用数据信息的自适应模糊系统,以此对离线优化所得到的控制策略进行调整,仿真研究表明,该方法可以有效消除列车总重、线路坡道、车辆类型等不确定因素对列车控制的影响,能够获得满意的效果。     

隧道渗漏水病害等级评价体系研究

研究目的:隧道渗漏水是隧道运营中的主要地质灾害之一,为了更好地预防渗漏水的发生,以及运营阶段的渗漏水病害治理,本文系统性提出了"隧道渗漏水病害发生可能性等级预测——运营隧道渗漏水病害等级评价——现场实测资料评价渗漏水病害等级"的思路,为隧道渗漏水病害分级预测、评价提供一条新思路。研究结论:采用不同的随机性数学方法建立了渗漏水病害发生可能性等级预测、运营隧道渗漏水病害等级评价的模型,并进行了模型的实例应用研究。结果表明马氏距离法预测隧道渗漏水的等级,BP神经网络方法和模糊综合评价法评价渗漏水等级与现场资料实测的评价等级一致。     

基于ANFIS的CFG桩复合地基承载力预测研究

研究目的:影响CFG桩复合地基承载力的主要因素有桩的参数、置换率、土的物理力学特性、褥垫层厚度和施工工艺等,且各因素之间存在高度复杂的非线性关系,CFG桩复合地基的承载力比较难于确定。为合理准确预测CFG桩复合地基承载力,通过研究提出基于自适应模糊神经网络的预测方法。研究结论:在分析自适应模糊神经网络原理及结构的基础上,利用减法聚类获得模糊推理规则数目,确定网络结构,建立适用于CFG桩复合地基承载力预测的自适应模糊神经网络模型。通过对实测资料的预测结果表明,自适应模糊神经网络比BP网络和最小二乘支持向量机LS_SVM模型具有更高的精度和适应性,为CFG桩复合地基承载力的判别提供了一条新的途径。