铁路轨道状态检测数据处理智能分析方法

从工务部门实际应用背景出发，提出了用人工神经网络理论对目前铁路轨检数据进行再次处理的智能分析方法，并编制了相应的软件系统，该系统可以对由轨检车测得的数据进行再次处理并作出智能的模式归类。给出合理的评价。文章讨论了人工神经网络方法，轨检车数据的数据结构，并对BP反向传播网络的算法进行了分析介绍，最后，以京九铁路上行线2000年5月23日的轨检数据为实例进行了实例分析。     

基于共享树策略的延迟受限组播路由算法

提出了一个有效的基于共享树策略的延迟受限组播路由算法（STMA），算法的计算复杂性是O（m|V|^2)，其中m是组成员数量，|V|是网络中节点数量，仿真结果显示，STMA在适中的复杂性水平上取得了良好的代价性能。     

防止电磁影响的接触网安全施工措施的研究

通过对电磁感应影响下导线中电压和电流分布的分析，研究接触网安全施工的有关防护措施，确保作业人员的人身安全。     

坚持科技面向经济加速科技产业发展

介绍了株洲电力机车研究所在大胆转换运行机制、组建科技企业集团，稳定科技开发队伍、开发高新技术产品、面向铁路运输市场，提高科研开发起点、加大投入、联合攻关、扩大科技规模经营能力等方面的思路与作法，以及走上开发产品高新化、科技成果商品化、产业规模集团化的科工贸一体发展道路的过程。     

基于机器学习的超大跨度悬索桥健康状态评估

随着桥梁健康监测系统及其应用的不断完善,采用机器学习进行桥梁健康状态评估成为必要趋势。以超大跨度悬索桥为研究对象,基于桥梁监测数据与机器学习算法,建立了一种以提取结构损伤特征为目标的回归网络,并以峰值系数法和连续小波变换法作为对比,采用密度聚类法对桥梁结构的健康状态进行评估。结果表明:采用改进四分位距法可有效消除监测数据中的异常跳点,回归网络提取的损伤特征与密度聚类法在桥梁健康状态评估中的适用性良好。研究成果为机器学习下的超大跨桥梁健康状态评估提供了理论借鉴和方法参考。     

基于BFGS法的BP神经网络算法研究

在把ＢＦＧＳ法运用于ＢＰ神经网络权的训练中,通过基于不同算法的神经网络对实际问题进行了学习,并根据学后获取的非线性机理结合预测的实例进行对比分析,表明基于ＢＦＧＳ法的ＢＰ神经网络算法对加快网络训练速度,提高网络预测的能力方面是有效的。     

一种水下目标识别方法──基于模糊理论的多种神经网络融合分类

在应用多种方法提取目标噪声中分类特征的研究基础上,本文设计出基于模糊理论的多神经网络融合分类器,其研究重点主要包括有监督分类的模糊聚类神经网络分类、多神经网络与模糊综合分析相结合的融合分类。基于大量海试实测信号样本的多组实验表明,该分类方法具有良好的工程应用前景。     

船舶电磁干扰与电磁兼容

本文分析了电磁干扰及其危害性,指出了电磁兼容的重要性及实现电磁兼容的途径。     

神经网络理论在独立电力系统励磁控制中的应用

根据发电机励磁控制的任务,本文基于神经网络理论提出了一种新的励磁控制器的设计方法,针对单机一静态负荷载模型进行了数字仿真研究结果证明了所提方法的正确性。