基于神经网络的地铁牵引整流器直接功率控制算法研究

现代地铁交通车辆短间隔内重复起动停车、加速减速,车辆需要的电流处于不断变化的过程,难以建立复杂的精确数学模型,且对系统在短时间内抗负载突变的能力有较高要求。将直接功率控制理论和神经网络控制结合起来,应用于地铁整流器控制,通过建模仿真可以看出此系统动态响应较快,抗负载突变能力强,仿真结果验证了此控制方法的正确性与可行性。     

基于小波分析的光伏并网逆变器故障诊断

针对光伏并网逆变器的故障检测与智能在线诊断问题,提出了一种C3C3逆变器故障特征提取方法。该方法以逆变器输出三相电流的小波分析结果作为判断依据,将故障信号的近似分量和细节分量相结合作为故障特征向量,利用神经网络的分类功能,实现对光伏并网逆变器的故障诊断。该方法无需电压信号和人工参与,硬件实现简单,且抗干扰性强。仿真实验结果证明了该方法的有效性。     

基于深度学习的车辆异常事件检测研究

基于全连接神经网络以及在高速公路场景下采集的真实车辆数据,设计一种车辆异常事件检测方法。所设计的方法利用激光雷达检测出目标与车道线信息,经过计算组成具备时空特征的输入数据,在将目标数据制作成数据集后,利用神经网络进行训练并提取输入数据的多维度特征,实现车辆异常事件检测。之后利用异常事件检测的时间信息与激光雷达和视频相机的目标融合数据,在视频数据中进行事件取图并加以验证。所述方法的总体检出率为 97.11%,准确率为 97.10%,相关值均高于传统事件检测算法,且算法耗时与传统事件检测算法相比更少。试验证明相应方法能更快速、更准确地识别车辆异常事件。     

电气化铁道牵引供电系统加窗插值法的谐波分析

传统电气化铁道牵引供电系统的谐波分析方法受频谱泄漏和栅栏效应的影响,不能准确地得到谐波相关参数。为此,提出一种采用加六项优化余弦组合自卷积窗和四谱线插值结合的新算法对谐波进行分析。首先采用复调制细化法分析信号中基波频率附近的谐波成份,剩余信号加窗处理,利用离散傅里叶变换找出谐波频点附近相应离散频谱的4根峰值谱线,利用插值算法对电气化铁道牵引供电系统中谐波相关参数频率、幅值及相位进行加权修正并推导出计算公式,从而进一步提高分析结果的准确性。     

基于监督学习的轨道车辆车轴裂纹扩展预测方法研究

传统裂纹扩展分析需要精确的数学模型以及校准参数,但现实中的复杂形状裂纹扩展过程难以进行精准建模,而通过有限元软件对裂纹扩展过程进行分析需大量的运算时间。因此,文章提出了基于监督学习的轨道车辆车轴裂纹扩展方法,该方法无需进行数学建模,可通过结构健康监测数据以及初始裂纹数据直接预测裂纹的扩展趋势。经验证,该方法预测准确率较高,能够较好地拟合裂纹扩展趋势。     

DWL-48连续走行捣固稳定车控制系统分析

对DWL-48连续捣固稳定车的捣固装置控制系统进行分析,认为控制策略的滞后是导致设备现场使用故障的重要原因。以捣固架提升与下降控制为例,提出基于BP神经网络的捣固装置控制系统的设计思路。     

基于多因素的铁路货运量BP神经网络预测研究

在对铁路运输影响因素进行定性及定量分析的基础上,选取了国内生产总值、第二产业比重、原煤产量、原油产量等10个指标作为影响因素,运用BP神经网络模型构建它们与铁路货运量之间的复杂映射,从而对铁路货运量进行预测,并以近12年铁路货运量为实例进行验证。     

求解铁路空车调整问题的一种优化算法

由于铁路的空车资源严重不足,空车调整方案优化与否不仅影响全路运用车的数量,还直接关系到铁路企业的运营效益,为此,相比较已有的算法,遗传算法有很强的收敛能力,神经网络有较好的学习能力及鲁棒性,结合两者的优点提出基于遗传算法优化神经网络的方法来实现空车的调整,降低空车走行率,且建立了空车调整的数学模型,并通过算例验证了该方法的可行性。     

基于混合神经网络的铁路材料消耗的预测方法研究

为精确地预测铁路材料的消耗,采用了混合神经网络的方法进行建模。根据ABC分类法对所有物资进行分类,明确了材料消耗中的重点,在综合分析以往材料消耗数据的基础上,确定了混合神经网络的结构,最终建立了一个用于材料消耗预测的混合神经网络模型。     

单边扩帮特大跨公路隧道开挖稳定性分析

通过现场试验、理论分析及数值模拟计算,对深圳横龙山北隧道右线喇叭口扩帮段的围岩力学参数和动态施工力学进行研究,对扩挖修帮段进行深部位移监测得到反挖修帮造成的拱顶下沉和洞周水平收敛的实测数据,并基于神经网络BP模型反演隧道围岩力学参数.采用有限元软件对横龙山北隧道右线喇叭口扩帮段建立三维有限元模型,分析隧道各开挖阶段对地表沉降的影响以及研究隧道各开挖阶段对隧道拱顶、拱脚和竖墙脚各点应力的影响.