基于径向基函数神经网络的轨道交通车辆振动状态预测

通过遗传算法优化径向基函数神经网络的中心、宽度及权重等参数,构建车辆振动神经网络预测模型。通过42自由度车辆多体动力学模型,以某线路实测轨道不平顺数据作为输入,得到车辆振动加速度数据。通过训练与优化,构建的车辆振动预测模型能预测车体振动加速度变化趋势。     

基于双层次正交神经网络模型的铁路客运量预测

针对传统BP神经网络模型存在的计算效率和泛化能力低的问题,采用双层次特征分析方法对铁路旅客发送量统计数据的时间特征进行分析,提取出日趋势特征、月趋势特征、日周期性特征、月周期性特征、春运-暑运特征和黄金周-小长假特征作为模型的输入变量,建立双层次的BP神经网络模型,然后根据Gram-Schmidt正交化定理对双层次BP神经网络模型进行改进,在隐含层的输出采用Gram-Schmidt变换增加投影层,从而得到双层次正交神经网络模型。该模型包括2个相对独立的网络模型,1个用于处理客运量日数据,另1个用于处理月数据,2个网络模型的输出经过合成,最终得到客运量的预测结果。模型的应用证明,在铁路客运量预测中双层次正交神经网络模型比传统的BP神经网络模型更为有效。     

隧道渗漏水病害等级评价体系研究

研究目的:隧道渗漏水是隧道运营中的主要地质灾害之一,为了更好地预防渗漏水的发生,以及运营阶段的渗漏水病害治理,本文系统性提出了"隧道渗漏水病害发生可能性等级预测——运营隧道渗漏水病害等级评价——现场实测资料评价渗漏水病害等级"的思路,为隧道渗漏水病害分级预测、评价提供一条新思路。研究结论:采用不同的随机性数学方法建立了渗漏水病害发生可能性等级预测、运营隧道渗漏水病害等级评价的模型,并进行了模型的实例应用研究。结果表明马氏距离法预测隧道渗漏水的等级,BP神经网络方法和模糊综合评价法评价渗漏水等级与现场资料实测的评价等级一致。     

基于ANFIS的CFG桩复合地基承载力预测研究

研究目的:影响CFG桩复合地基承载力的主要因素有桩的参数、置换率、土的物理力学特性、褥垫层厚度和施工工艺等,且各因素之间存在高度复杂的非线性关系,CFG桩复合地基的承载力比较难于确定。为合理准确预测CFG桩复合地基承载力,通过研究提出基于自适应模糊神经网络的预测方法。研究结论:在分析自适应模糊神经网络原理及结构的基础上,利用减法聚类获得模糊推理规则数目,确定网络结构,建立适用于CFG桩复合地基承载力预测的自适应模糊神经网络模型。通过对实测资料的预测结果表明,自适应模糊神经网络比BP网络和最小二乘支持向量机LS_SVM模型具有更高的精度和适应性,为CFG桩复合地基承载力的判别提供了一条新的途径。     

基于CNN和WSVDD的深孔镗削加工过程状态评估与监测

针对深孔镗削加工过程中易出现颤振以及传统监测方法监测效率低的问题,提出了一种将深度卷积神经网络和加权支持向量数据描述法相结合的深孔镗削加工过程颤振评估与监测方法。首先基于深度卷积神经网络提取加工过程状态内振动信号的特征矢量,然后以正常加工状态下的特征矢量训练加权支持向量数据描述模型,得到相应的描述加工正常状态下的超球体模型,再计算当前加工过程状态特征矢量与超球体之间的相对距离,作为加工过程状态的评估指标,并对稳定度阈值进行设定。结果表明:与文献中其他方法相比,文中方法的监测能力更强,对加工过程状态的稳定度描述更加准确。     

道路交通安全评价方法的探讨

本文针对影响交通安全因素多样性以及评价者思维方式多样性,利用神经网络等理论知识,建立综合评价模型,对道路交通安全评价方法进行探讨.     

基于SOM的车牌号码倾斜校正

利用SOM神经网络的聚类特性,把图像字符坐标聚成2类拟合成一条直线,求得该直线斜率k,计算倾斜图像的旋转角α,把倾斜图像旋转α,进行水平倾斜校正;在垂直倾斜校正中,使用SOM神经网络聚类拟合直线,计算垂直倾斜角θ,并对水平倾斜校正后的图像进行错切变换,得到最终的校正图像.实验结果表明,该方法能准确地检测出图像的倾斜角,并具有较强的抗干扰性和应用适应性,为图像倾斜校正提供了一个新的有效方法.