基于模态应变能和神经网络的分步损伤诊断法

神经网络用于损伤识别遇到的最大问题就是训练样本的组合爆炸,单纯利用神经网络进行实际工程结构的损伤诊断有很大困难。丈中提出了一种分步损伤诊断方法,即先用模态应变能判断损伤位置,然后用BP神经网络识别损伤程度,并使用该方法成功地对一座模拟损伤的两跨连续梁桥进行了损伤位置与损伤程度识别。     

人工神经网络在路面模量反分析中的应用

随着落锤式弯沉仪在公路工程中的广泛应用,路面模量的反分析方法日益受到国内外研究人员的重视。文中使用MATLAB神经网络工具箱研究了BP神经网络在路面模量反分析中的应用。研究结果表明,只要合理处理输入和输出参数,利用BP神经网络可较好地预测路面各层的弹性模量,且相对于其他分析方法,该方法运算速度很快,适合于实际工程中应用。     

基于融合CNN和SSA-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断问题,提出一种融合一维卷积神经网络(1D CNN)和麻雀算法优化支持向量机(SSA-SVM)的网络结构。该网络结构通过卷积运算对原始时域振动信号直接进行特征提取,将提取到的特征输入到麻雀算法优化的支持向量机中,使用支持向量机代替Softmax进行分类。利用滚动轴承故障数据进行验证,此方法故障诊断精度高达0.983,高于其他网络结构,且整体网络结构简单,有一定实际应用价值。     

基于大数据迁移学习的灰岩地区排水孔淤堵自动识别技术

隧道排水管淤堵或者失效,会危及边坡的稳定和公路的交通安全.目前缺乏对排水孔淤堵分类的研究.排水孔淤堵分类对排水管道的后期养护具有重大意义.为探索排水孔淤堵智能化检测方法,文章依托广连高速高峰隧道等粤北实体工程,研究了一种采用模型迁移的方法,将排水孔图像数据输入预训练卷积神经网络进行训练,以对新图像进行分类.在采集的排水...     

基于移动检测技术的城市路网拥挤预测模型

提出了一种新的基于移动检测技术、神经网络和模糊判断方法的城市路网动态交通拥挤预测模型.首先构建一个3层BP神经网络模型判断路网实时交通流状态,并应用实地移动检测数据和视频数据获取BP神经网络训练样本并对其进行训练;然后结合路网静态拓扑结构,应用多重模糊推理,对路段发生交通拥挤的发生可能性、拥挤程度和形成时间做出预测.现场实测数据表明,该模型具有良好的预测效果.     

基于多参数状态时间序列的交通状态预测方法

利用多个参数描述交通状态时,交通流数据表现为多维空间数据。提出了将属于每个状态的多维空间数据转换为一维时间序列的方法,对于此状态时间序列采用BP神经网络进行了下1个时段的交通状态预测。实验结果表明,多参数状态时间序列比单个参数时间序列能更准确地描述交通流状态变化过程,且算法简单,具有较强的预测实时性。     

基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据,基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素,选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据,选取3 000组实际运行数据完成公交行程时间预测模型的训练,另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间,预测值平均相对误差为3.23%,绝对误差集中在8 s左右,明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型,可认为选择RFID电子车牌数据作为组合模型的输入,能够明显改善模型预测精度;组合模型预测值的残差分布更为集中、鲁棒性较好,泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标,结果进一步表明,组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。