接触网检测车振动补偿研究

针对接触检测车实际工况,分析了检测车车体振动的动力学特性,建立了基于运动规律的数学模型,论述了训练样本得出检测车拉出值振动补偿函数的原理和方法。     

用人工神经网络预测沥青路面材料的回弹模量

将人工神经网络应用于沥青路面材料的回弹模量的预测 ,提出了一种有效的预测方法 ,并构造了预测回弹模量的神经网络模型 .预测结果表明 ,该模型具有较高的预测精度 ,为预测路面材料的回弹模量等力学指标提供了一种新的方法     

神经网络集成在工程造价估算中的应用研究

工程造价和主要工程量是评价一建筑工程的重要经济指标,特别是工程量清单于2003年7月1日在全国范围内展开以来,快速估算工程造价和主要工程量更具有其重要意义.文中采用神经网络集成方法建立了工程造价和主要工程量估算数学模型,并采用matlab6 1计算软件,以深圳市已完典型工程资料为例,验证了该模型的正确性及实用性,得出了神经网络集成方法泛化能力更高的结论.     

动态管理模式下路侧停车泊位占有率预测方法

城市停车已逐步实现信息化和动态化管理,本文对动态管理模式下大范围路侧泊位占有率预测方法进行研究.在收集美国旧金山492万条停车交易数据的基础上,利用可同时提取数据空间关联和时序趋势特征的卷积长短时记忆神经网络(Convolutional LSTM Network,ConvLSTM),分别构建考虑停车费率和时限动态变化的有政策模型,和没有动态管理信息输入的无政策模型.结果显示,有政策模型的训练效率和预测精度会显著提升.在政策平稳阶段,两种模型均能够有效预测泊位占有率;在政策发生变化时段,无政策模型的预测误差出现激增,但有政策模型的预测误差依然保持平稳,表明本文提出的方法能够很好地应对动态管理模式下停车需求的变化.     

船舶航向保持的鲁棒神经网络控制

设计一个N5-5-5-5-5-5-1前向神经网络,经训练得到一个开环的船舶航向保持控制器,使其能够较好地保持典型输入信号作用下的船舶航向;然后应用闭环增益成形算法,形成闭环控制系统.这种基于神经网络的航向保持方案,将神经网络的适应能力、非线性函数映射能力和闭环增益成形算法的鲁棒性结合起来,改善了系统的鲁棒性能.这种方法设计过程简单,物理意义明显.     

基于BP-DS证据理论的航标状态识别模型研究

内河航标标示了可航行水域的边界,是保障内河船舶安全航行的重要前提.面向内河航标不同故障模式,构建一种基于BP-DS证据理论的航标状态识别模型.采用两个BP神经网络分别训练航标基础属性数据与环境因素数据,计算独立的证据值;通过DS证据理论实现航标运行状态识别结果的决策融合.结果表明,基于BP-DS证据理论的航标状态识别模...     

基于进化神经网络的超声回弹综合法火灾后混凝土强度的评定

基于火灾高温后混凝土强度的评定是判断火灾后建筑结构损伤程度、剩余承载力的重要依据,设计了一个进化神经网络模型,用遗传进化算法优化RBF网络的连接权和网络结构,并将其应用于火灾后混凝土抗压强度的评定,给出了混凝土强度测试的实验方法。研究结果表明,所提出的进化神经网络比回归计算方法具有更高的识别精度和较强的实用性。     

兰渝铁路兰州至广元段精密工程控制测量技术体系及特点

兰渝铁路精密工程控制测量技术体系的建立贯穿了我国铁路精密工程控制测量标准从建立到逐步完善的全过程。为给类似铁路项目测量方案的设计与实施提供参考和借鉴,结合兰渝铁路兰州至广元段建立的精密工程控制网技术体系,从全线统一的"三网合一"的测量技术体系、基于CGCS2000的平面坐标基准、工程独立坐标系、符合工程实际的水准基点平差方案、地震对测量控制网造成影响的评估、长大隧道洞内CPⅡ控制网建网及其分段测量方法等方面进行研究和论述。研究结论及实践经验对于丰富和完善铁路精密工程控制测量标准具有一定意义。     

基于改进Mask R-CNN的轨道扣件状态检测方法

为提高轨道扣件状态检测的准确率,基于K均值聚类算法改进掩膜区域卷积神经网络(Mask R-CNN)实例分割算法中的区域建议网络。进行基于改进Mask R-CNN的轨道扣件状态检测方法研究,并将该方法分别应用于普速铁路有砟轨道2个扣件数据集和高速铁路无砟轨道1个扣件数据集上进行轨道扣件状态检测。结果表明:该方法能对普速铁路有砟轨道和高速铁路无砟轨道图像中的扣件状态进行准确检测,扣件的定位准确率和分类准确率平均分别达到97.05%和98.36%,均优于YOLO V3,Faster R-CNN和Mask R-CNN算法;相较于前2种算法,本方法对普速铁路有砟轨道扣件状态检测的优势更为明显。     

一种基于独立成分分析和径向基神经网络的人脸识别新方法

提出了一种新的基于独立成分分析和径向基神经网络的人脸识别方法。独立成分分析可以从高阶上消除特征数据的相关性,改进了主成分分析方法只能从2阶上消除数据相关性的弱点;最终特征数据的分类由RBF神经网络来实现。在人脸数据库上的实验结果表明该新方法的识别性能较其他方法有了很大提高。