基于车辆响应的高速铁路轨道几何状态评估方法

轨道几何状态科学评估对保障高速铁路列车平稳、安全运行具有重要意义。基于高速综合检测列车多次检测数据,利用卷积神经网络、注意力模块和长短时记忆网络,分别学习数据的波形特征、注意力权值、长距离空间依赖关系特征,建立CBAM-CNN-LSTM车辆动态响应预测模型。该模型通过输入轨道几何、运行速度和车型预测不同工况下的车辆动态响应,进而利用预测的车辆动态响应评价轨道几何状态。研究结果表明,建立的模型能够有效预测车体振动响应,根据我国某高速铁路两种车型综合检测列车检测数据的验证结果,车体横向、垂向加速度的均方根预测误差分别为0.004g、0.009g,相关系数分别为0.608、0.793;利用预测的车辆动态响应评估轨道状态,能够有效识别引起车体振动加剧的轨道几何不利状态或隐形病害。此外,模型内部的注意力权值有助于分析挖掘导致轨道状态不良的轨道几何参数类型和位置信息。     

IPP-PNN模型在川藏铁路深埋长大隧道岩爆预测中的应用

为了准确预测在高地应力、高地温铁路隧道中的岩爆灾害,以川藏铁路前期拉林段的重要隧道节点工程为研究背景,系统、全面地总结应力水平、埋深、温度、围岩岩性及地质构造、岩体系统刚度等影响因素对川藏铁路深埋长大隧道岩爆的孕育作用,重点分析高地应力和高地温对岩爆发生的影响相关性。构建川藏铁路深埋长大隧道岩爆预测指标体系,测试并量化岩体岩爆的倾向性指标。由于各影响因素与岩爆的非线性关系,选用能充分提取数据信息、处理多因素复杂非线性问题的改进投影寻踪(Improved Projection Pursuit,IPP)评价模型对川藏铁路拉林段典型高地应力、高地温深埋长大隧道桑珠岭隧道在施工期发生的岩爆问题做初步评价,并引入密度函数估计和贝叶斯最小风险准则,将IPP模型和概率神经网络(Probabilistic Neural Networks,PNN)模型相结合,实现对岩爆等级的聚类划分。研究结果表明：根据岩爆等级预测结果可知IPP-PNN模型预测结果相比于传统PP-PNN模型和GSA-PP模型其准确度更高,在对桑珠岭隧道11～19号隧道路段的岩爆预测中,岩爆预测等级与实测等级相符合程度由66.67%和77...     

预测碳纤维薄板增强RC梁抗弯疲劳寿命的AFN法

在碳纤维薄板(CFL)增强RC梁中,加固后构件的疲劳寿命受到被加固结构本身性能、加固材料性能以及荷载水平等因素的影响,加固效果具有明显的非线性,加固后疲劳寿命难以显式表达。本文采用AFN法预测加固梁的疲劳寿命:用层次分析法(Analytic hierarchy process)对影响疲劳寿命的主要因素进行分析;用模糊聚类法(Fuzzy clustering)确定训练样本;运用神经网络方法(Neural network),建立疲劳寿命隐函数关系式,从而预测CFL加固梁抗弯疲劳寿命。以疲劳试验数据为样本,用层次分析法选取最大荷载、CFL的应力水平、初始挠度、循环次数为200时跨中挠度的试验数据作为疲劳寿命隐函数的随机变量输入单元,以CFL加固梁的抗弯疲劳寿命作为输出单元。通过预测值与试验值的对比分析,验证了AFN法预测CFL增强RC梁抗弯疲劳寿命的合理性。     

船用陀螺随机漂移建模方法的研究

论述了几种主要的陀螺仪漂移建模方法,介绍了各种方法的特点及建模公式,为我们建立准确的陀螺随机漂移模型提供了参考。     

基于模糊神经网络的海浪中舰船多自由度运动建模方法研究

基于切片理论计算在诸规则波中的舰船多自由度运动响应,并以此为样本训练模糊神经网络,最终建立起一种新的舰船在随机波浪中的多自由度运动模型,并通过算例验证该方法的实用性和可靠性。     

Elman递归神经网络在结构分析中的应用

给出了Elman动态递归神经网络的网络结构和基本原理。基于Elman递归神经网络能够逼近任意非线性函数的特点,提出了一种基于Elman递归神经网络建立结构分析模型的方法。利用Elman递归神经网络对桁架进行建模,真实地反映了桁架结构的动态特性。     

基于遗传优化的水面无人船艇神经网络智能控制

利用GA智能优化算法和RBF神经网络逼近算法设计了一种USV运动滑模理想跟踪控制方法.首先利用改进的遗传算法对RBF网络参数进行在线寻优以进而提高其逼近性能.其次,将学习速度较快的局部RBF神经网络对滑模控制设计中存在的船舶运动系统函数不确定项进行逼近,使得由于滑模面的不间断切换引起的控制输入抖振问题得到有效地解决.对...     

基于正交基神经网络的热敏电阻温度传感器非线性补偿方法

针对热敏电阻温度传感器应用中存在的非线性问题,提出了应用正交基（0BF）神经网络进行非线性补偿的方法。研究结果表明,OBF神经网络非线性补偿算法具有补偿精度高、计算量小的优点,因而是一种有效的非线性补偿方法。     

两级模糊神经网络在高速列车ATO系统中的应用研究

列车自动驾驶系统(ATO)作为替代司机、实现铁路运输自动化的重要设备,受到国内外铁路科技工作者的广泛关注,它的性能关系到铁路运输系统的安全和效率。一种高效的高速列车控制方法可以很好地满足人们对高速铁路安全、正点、舒适和快捷的要求。由于模糊神经网络具有自动提取经验和进行推理的特点,在前人研究的基础上,本文用两级模糊神经网络对高速列车运行过程进行控制。参照当前列车运行速度、线路状况、列车编组、列车时刻表、距目标点距离以及目标点所允许的速度,前一子网模拟优秀司机的操纵可获得在当前状态下应采取的最佳列车运行工况,后一子网根据运行工况、线路状况、列车在线路上位置、列车编组、列车时刻表、距目标点距离和目标点允许速度,得到列车在该工况及当前条件下的运行速度。仿真实验结果表明该方法正确有效,达到了期望的效果。     

基桩动测专家系统的构建

对基桩动测法尤其是应力波反射法的特点及局限性进行了探讨,同时对专家系统原理作简单介绍,重点论述基桩动测专家系统的构建与应用的可行性,并提出结论和建议。