基于深度学习的动车组运行安全图像异物检测

动车组在运行过程中容易附着塑料袋等异物,影响动车组的运行安全.针对动车组运行安全图像异物自动检测的问题,研究基于卷积神经网络的动车组异物检测与分割模型,该模型采用特征金字塔网络提取异物的多尺度融合特征,通过区域提议网络生成未知类别的候选区域,通过预测网络对候选区域进行分类和位置回归,并通过分割网络生成预测区域的蒙版.针对异物形态变化多样,采用可变形卷积改变感受野适应异物形态的变化.针对异物检测任务中异物数量远小于背景零部件的数量,采用在线困难样本挖掘筛选出困难样本重新输入预测网络以平衡正负样本的比例.实验分析表明,通过优化方法使得最终模型检测精度达到了90.35%,提升了4.03%;召回率达到94.85%,提升了8.1%.     

基于免疫粒子群神经网络的短时交通流量预测

免疫理论中的基于浓度选择机制能避免粒子群算法在群体收敛性和个体多样性平衡问题上的不足,使改进后的粒子群算法优化BP神经网络参数的配置,提高短时交通流量预测的准确性。仿真实验表明：免疫粒子群优化后的BP神经网络可有效提高短时交通流量的预测精度,减小预测误差。     

金属疲劳裂纹扩展速率的贝叶斯正则化BP神经网络预测

人工神经网络是进行预报裂纹扩展率的一个重要方法。文章针对不同金属的疲劳裂纹扩展速率分别建立贝叶斯正则化BP(Back Propagation)神经网络,将各材料在不同应力比R下的疲劳裂纹扩展速率试验数据分为两部分,一部分用来进行训练网络,另一部分用来测试训练好的网络,检验其泛化能力。将从文献中获取的4种不同金属材料的疲劳试验数据作为算例,来检验网络的性能。计算结果表明贝叶斯正则化BP神经网络不仅对训练样本有很好的拟合能力,而且对于未训练过的测试样本也有较好的预测能力,即有较强的泛化能力。同时,指出了建立网络时减少门槛值附近的试验样本点,可以提高网络的预测能力。研究结果表明,该方法可以方便地获得不同应力比R下的疲劳裂纹扩展速率,从而达到减少试验次数,充分利用已有数据的目的。并且可以进一步应用于其他金属的疲劳裂纹扩展速率的预报。     

基于BP神经网络法某公路隧道围岩稳定性研究

如何简单、高效、准确地对工程岩体进行分类是一个具有挑战性的研究课题,也是现场施工的迫切需求,特别是某些特定的地下工程。以江西某公路隧道为研究对象,结合该地区实际所处的地质环境,选取不连续结构面状态及充填情况、岩石单轴抗压强度Rc、岩石质量指标RQD、地下水渗水量W和洞轴线与层状岩石的夹角θ这五个指标作为评价因子,建立了基于BP神经网络的公路隧洞围岩分类模型,成功地对公路隧道围岩等级进行了评级,取得了良好的评价效果,为公路隧道围岩的快速分类提供了依据。     

基于神经网络的公路建设项目评价

建设资金的制约，使得对公路建设项目的评价极为重要，本文针对建设项目的实施排序问题，提出了一种基于神经网络的求解方法，该方法结构简单，求解速度快，本文最后用实验数据验证了此方法的有效性和实用性。     

基于XGBoost的轨道交通短时客流预测精度分析

短时客流预测是轨道交通运营调度中的先导工作,其中短时预测的时效性尤为重要,预测中既要保证预测精度同时也要提升预测效率,提出基于集成学习的XGBoost算法进行轨道客流预测.以西安市地铁二号线AFC刷卡数据为例,在数据预处理过程中发现特殊节假日、休息日及工作日具有不同的客流特征,在工作日客流波动更为剧烈,因此,采用工作日客流量进行验证.将预测结果与BP神经网络模型、ARM A模型进行对比,结果表明:XG-Boost算法具有更高的预测精度,同时计算时间更短.研究结果可为制定轨道交通动态运营提供参考,同时,将机器学习运用到客流预测中也能增大预测方法的可选择性.     

基于AHP+BP法高铁桥梁施工安全风险评估模型研究

针对现有高铁桥梁施工风险评估模型存在的主观性强、环节繁琐及需要大量样本等不足,提出基于层次分析法(AHP法)+BP神经网络的高铁桥梁安全风险评估模型。首先对高铁桥梁施工安全进行风险因素的识别,建立风险评估体系;然后采用AHP法对专家经验评估法获取的样本数据进行预处理,结合BP神经网络对处理后的样本进行训练,构建评估模型;最后将该评估模型应用于某高铁桥梁施工安全风险评估。结果表明：该模型能够较全面地评估主要风险因素对高铁桥梁施工的影响,预测得到的风险等级与专家评审结果一致,且该方法更加简洁实用,便于编制标准化的算法程序,可为高铁工程项目的施工安全风险等级评估提供参考。     

深大基坑施工变形的智能预测与控制

利用神经网络和模糊控制理论,采用智能预测控制的思想,建立了一套集基坑施工变形预测与控制于一体的智能化施工变形预测与控制系统。该系统由神经网络预测器和模糊控制器组成,所提出的神经网络多步预测,采用了时间窗口滚动技术,实现了基坑施工全过程的滚动预测,可以一次预测多步施工的变形而达到早调整基坑施工参数完成变形控制的目的。在此基础上,采用模糊理论研制了基坑施工变形的模糊控制器,实现了施工过程的实时主动控制。在MATLAB5．2平台的主持下,成功开发了便于实际工种使用的基坑施工变形的智能化预测控制软件系统。通过上海市某深大基抗工程的施工实例分析,验证了上述研究的可行性和正确性。实际应用结果表明,该智能预测控制系统对深大基坑的完全施工过程具有很好的预测和控制效果,真正做到了施工过程的实时、动态、智能化变形控制。软件系统操作界面简单、直观,便于实际工程应用。     

基于B/S和C/S架构的船舶动力装置远程故障诊断系统

依据“智能船舶”的理念,针对船舶动力装置故障诊断系统,提出一种基于C/S和B/S混合架构的船舶动力装置远程故障诊断系统。依据B/S和C/S架构的优势,开发了基于C/S架构的数据管理平台,实现了船、岸间的数据、信息交互;将基于模糊神经网络的专家诊断模型应用于B/S架构的岸基船舶动力装置故障诊断系统的故障诊断判别,并利用BP算法训练实例对该模型进行了精度验证。结果表明,系统稳定可靠,故障诊断准确性高,为“智能船舶”发展提供了一个良好的解决方案。