结合遗传算法的BP神经网络训练方法研究

针对BP神经网络存在收敛到局部极小问题,研究了直接利用遗传算法训练BP网络的方法和结合遗传算法训练网络初始权值的BP算法;通过简单异或问题说明了第一种方法所需训练时间较长;将第二种用于解决结构损伤识别问题,得到较好结果,说明利用遗传算法训练初始权值可以克服BP神经网络局部极值点问题,加快网络的收敛速度。     

铁路钢板梁桥的损伤识别与诊断研究

根据结构在损伤前后其固有频率的变化能够反映出结构的损伤信息这一特征,以洛河大桥为工程背景,通过BP神经网络模型在考虑无噪声和有噪声两种情况下分别对钢板梁桥整体损伤程度进行识别与诊断的研究.通过利用ANSYS软件提取出该桥在损伤前后的固有频率,并将其变化率作为网络的输入向量对网络进行训练,同时将该桥固有频率的实测值作为网络模型的测试向量,从而对钢板梁桥整体损伤程度进行准确的诊断.     

基于神经网络的传感器故障诊断仿真

针对现代工业大型复杂系统的不确定性使得对其进行建模比较困难的特点，提出了一种用神经网络进行传感器故障诊断的方法．以凝汽式汽轮机调速系统中的转速传感器为例进行了传感器故障诊断研究，给出了仿真实现结果，并加以分析．仿真结果表明，所提出的利用神经网络进行传感器的故障诊断的方法具有可行性．     

神经网络用于刚架结构裂纹识别的反问题

对刚架结构，利用传递矩阵方法建立含裂纹单元的刚度矩阵，用有限元正分析得到在裂纹的不同位置和深度时结构的固有频率。用已知（计算）的裂纹与结构频率所相应的一定数量的样本，对三层前蚀式神经网络进行训练，自学习后的网络将用于裂纹位置和深度的识别。以悬臂梁为算例，计算实验结果表明，此方法对裂纹的识别有一定的精度。     

基于神经网络和遗传算法结合的桥梁结构损伤诊断

利用神经网络对有限元计算的样本数据建立起桥梁结构的损伤参数——损伤位置、损伤程度（输入）以及位移差——损伤结构与完好结构的位移差（输出）的全局性映射关系，以获得遗传算法求解桥梁结构损伤问题所需的目标函数值，从而识别桥梁的损伤参数．某连续梁桥算例表明，此方法可以在较少的有限元分析次数下获得较好的损伤诊断结果．     

基于模糊神经网络的单交叉口变相序控制

针对城市交通流时变的特点，提出了一种可变相序自适应单交叉口控制算法，该算法根据通行权转移度来决定放行相位及通行时间，并综合考虑了所有相位车辆排队长度以及绿灯相位通行时间。通过多层BP神经网络实现单交叉口多相位模糊控制。结果表明，该控制器具有学习和泛化能力，可以有效的提高绿灯时间利用率并减少车辆平均延误。     

地铁换乘客流实时监测模型研究

针对地铁换乘客流随机性强及短时冲击性等特点,在分析地铁线网结构的基础上,提出基于时序倒推的地铁换乘客流实时监测模型,并采用BP神经网络算法进行模型求解。选取南京地铁典型换乘站对所述方法进行分析验证,进一步说明模型的合理性和可行性。     

基于EWT-MCKD的机车轮对轴承故障诊断

针对机车轮对轴承在实际运行过程中故障特征难以提取的问题,提出经验小波变换(Empirical Wavelet Transform,EWT)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)相结合的滚动轴承故障特征提取方法.对原始信号进行傅里叶变换得到Fourier频谱图,根据频谱中的极大值将Fourier频谱图进行分段得到若干模态分量,以无量纲的裕度指标作为评价指标,再采用最大相关峭度解卷积对裕度因子最大的模态分量进行降噪处理.通过分析其包络谱中的频率成分来实现故障诊断.研究结果表明:所提方法对不同故障类型的轮对轴承进行诊断,可以准确有效的识别轮对轴承故障类型,具有一定的工程实用价值.     

基于WPA优化神经网络的扼流适配变压器故障诊断研究

针对传统铁路扼流适配变压器故障诊断模型结构复杂和精度不高的问题,运用狼群算法(WPA)、粗糙集(RS)理论和神经网络(NN)相融合的方法对其进行故障诊断研究。用粗糙集理论对故障样本数据进行约简处理,减少样本数据的监测及关键特征量的输入个数;利用约简后的数据对神经网络训练。利用狼群算法优化BP神经网络参数,提出WPA-BPNN故障诊断模型,以侯马电务段扼流适配变压器故障数据为例进行验证。研究结果表明:WPA-BPNN故障诊断模型相比传统方法,简化了网络结构,缩短了训练所需时间,提高了故障诊断精度,保证了列车行车安全及线路的高效运行。