地铁闸机扇门机构故障时间序列预测研究

基于CNN+ LSTM混合神经网络构建故障时间序列预测模型,利用某型号地铁闸机扇门机构的故障数据进行实例分析,并与ARIMA、CNN和LSTM 3种单一预测模型对比。结果表明:CNN+LSTM混合神经网络模型的预测准确性较高,具有良好应用前景,研究成果可用于支持地铁闸机维修计划的制定和优化。     

基于联合抗噪算法的滚动轴承故障诊断研究

轴承通常工作于复杂噪声环境下,使得时域振动信号容易受到各种噪声的污染,从而误导诊断结果。针对以上问题,提出基于一维卷积自编码(1D-DCAE)和一维卷积神经网络(1D-CNN)的联合抗噪故障诊断算法。为了模拟真实噪声环境,在原始振动信号中添加不同信噪比的高斯噪声,用1D-DCAE对原始信号降噪,再将降噪信号用于1D-CNN进行故障诊断。基于全卷积神经网络搭建1D-DCAE模型,并舍弃池化层以降低信息丢失,以提高联合诊断模型的抗噪能力。结果表明:采用基于全卷积网络搭建的1D-DACE有更好的降噪效果,改进后的模型能自适应诊断各种噪声环境下的故障。     

基于概率神经网络的钢桁梁桥螺栓脱落损伤定位识别研究

建立钢桁梁桥的ANSYS有限元模型,将钢桁梁桥按几何位置划分为4个子结构,通过概率神经网络将螺栓脱落损伤定位在子结构内.通过降低杆端单元的抗弯刚度来模拟螺栓的脱落损伤,并选择曲率模态变化率作为概率神经网络的输入参数.通过数值模拟,分析不同训练样本下概率神经网络对螺栓脱落损伤的定位识别结果.结果表明:Spread值对概率...     

非线性分类模型在高速公路边坡监测中的应用

针对高速公路边坡形变预测数据存在非线性和不确定性的特点,为探究边坡监测地质参数与边坡安全系数的相关性,文章基于广西某高速边坡监测数据,应用SVM和ANFIS等非线性分类模型对边坡监测地质参数进行计算分析.结果 表明:ANFIS计算结果最大误差为0.2813,平均误差为0.1078,更接近实际误差,获得的预测结果相对更为...     

基于最优化理论的船舶流量估计数学模型研究

对于港口和内河航运监管部门来说,准确的估计航道内船舶的流量是一项非常重要的工作,可以为港口的交通管理、航道的规划提供数据依据,提高航运交通的安全性。本文重点介绍了船舶流量估计模型的不同维度,建立了船舶流量特征的分析模型,最后结合最优理论和小波神经网络算法设计了船舶理论估计的最优模型,并对该流量估计模型进行了仿真。     

水面无人艇的模糊建模方法研究

近年来,水面无人艇技术发展迅速,在军事侦察、武装保护等方面发挥显著作用,已成为水面反恐的重要方式之一。然而,水面无人艇航行在线性度、耦合性上存在较大的缺陷,高精度控制方式实现复杂。为实现水面无人艇航行的高精度、高准确度控制,本文将神经网络和模糊技术相结合,提出一种基于神经网络的模糊建模方法,对系统模型进行仿真可知,水面无人艇的模糊建模方法有效,且能够实现对无人艇航行的精确控制,具有进一步推广应用的潜力。