Levenberg-Marquardt法与Gauss-Newton法相结合在桥梁结构静力参数识别中的应用

目前用于服役桥梁结构静力参数识别的算法主要有Gauss-Newton(G-N)法和Levenberg-Marquardt(L-M)法,但是两种方法各有缺点,G-N法不能有效地处理奇异和非正定矩阵以及对初始点要求苛刻,L-M法虽然能克服G-N法迭代矩阵奇异的缺点,但由于阻尼因子的存在使得识别结果精度较为粗糙。结合二者的优缺点提出:先采用L-M法进行初步识别,再由L-M法初步识别结果作为G-N法的初始值进行再识别的方法,通过MATLAB自编程序实现对实际结构参数的优化求解,从而提高参数识别精度。文中最后以一连续粱的数值模拟试验验证了该法的有效性,比较结果表明,本文方法的识别精度要达到L-M法的2倍之多,能大大地提高识别结果的精度,从而保证了识别参数的可靠性,为服役桥梁结构的进一步状态评估提供了结构模型可靠的量化信息。     

中国干线铁路轨道谱的拟合方法

为获得能够合理表征中国干线铁路轨道不平顺特征的轨道谱,提出了一种轨道谱拟合方法。根据轨道不平顺检测数据计算实测轨道谱,对实测轨道谱进行平滑与插值预处理,采用直接剔除法、三点逐段平均法和包络平均法消除计算轨道谱波形上出现的较大凸凹波形,应用3次样条插值法提高拟合的精度,利用非线性最小二乘优化算法拟合轨道谱。拟合结果表明:所提出的拟合方法是可行的,拟合谱能够较好地反映中国干线铁路轨道的不平顺特征。     

基于L-M法BP神经网络的高填路堤地基沉降预测

针对高填路堤地基沉降预测中影响因素众多且存在高度的非线性,难以用解析式表达等特点,提出采用基于L—M（Levenberg—Marquardt）的BP神经网络法对高填方地基沉降进行预测,并通过对工程实例的网络训练和网络检验,得出BP神经网络计算值与实测值十分接近的结论,可充分证明L—M法BP神经网络在高路堤地基沉降预测中具有很好的实用价值。     

L-M神经网络算法在汽轮发电机组故障诊断中的应用

针对汽轮发电机组的故障诊断,采用Levenberg-Marquardt算法建立多层前向人工神经网络,采用改进算法训练网络,克服了传统BP算法收敛速度慢,易陷入局部最小的缺陷.就BP网络的不足,提出了一种改进的BP神经网络模型,并使用L-M算法用于汽轮发电机组故障的诊断.经理论和实践证明:该方法有效地提高了故障诊断的精度和可靠度,为旋转机械故障诊断提供了有效方法.     

基于Matlab的汽车动力系统参数辩识

简要介绍了使用Matlab辨识工具箱中最新添加的非线性灰箱进行辨识的一般步骤,通过对实际项目中的沃尔沃V70测量数据,应用非线性灰箱中Levenberg—Marquardt算法和函数进行辨识和仿真实验,得出了合理的系统参数,并根据辨识结果给出了仿真实验的数据和系统拟合的曲线,实验效果表明了工具箱的算法程序具有很好的实用性。     

基于Levenberg-Marquardt算法的桥梁结构静力参数识别

为了提高桥梁结构状态评估中结构参数识别的精度和稳定性,克服Gauss—Newton法不能有效地处理奇异和非正定矩阵以及对初始点要求苛刻的缺点,利用Levenberg—Marquardt法,通过在Gauss—Newton法的迭代矩阵中添加阻尼项,对迭代矩阵加以修正,通过Matlab自编程序实现对实际结构参数的优化求解。对一连续粱的数值模拟计算表明,在Gauss-Newton法迭代发散的情况下,Levenberg—Marquardt法的识别结果相对误差在10％左右,Levenberg—Marquardt法基本能实现对真实结构参数的识别,为结构进一步的状态评估提供了结构模型最基本的量化信息。     

基于几何特征的钢轨磨耗检测系统的研究

为解决高速动态条件下车体振动对钢轨磨耗检测带来的问题,在大量调研国内外利用激光技术进行钢轨磨耗检测的基础上,提出一种基于标准钢轨轨廓固有曲线曲率的钢轨磨耗检测方法,首先利用基于激光三角测距原理的传感器得到组成钢轨全断面轮廓一系列点的空间坐标;其次利用L-M优化算法进行数据处理,采用Hough变换方法检测钢轨轮廓固有几何特性;最后进行钢轨轮廓匹配后实现钢轨磨耗高精度检测。该方法已经运用在轨道检测小车上,试验数据表明:钢轨磨耗检测系统的重复性精度能到达0.005 mm,其高精度性和快速性能满足铁路部门对钢轨磨耗检测的要求。     

基于LM神经网络模型的机车牵引力和制动力的计算

针对传统机车牵引力、制动力计算的不足,提出了基于LM(Levenberg-Marquardt)算法的前向多层神经网络模型方法,阐述了该神经网络的结构设计,利用LM算法使得在网络结构最小、训练步长最短的情况下实现精度最优.仿真与试验的结果表明,利用该神经网络模型能较好地计算机车的牵引力与制动力,其精确性、快速性和抗干扰性都优于其他计算方法.