基于RBFNN的接触网系统可靠性设计方法研究

基于RBFNN的接触网系统可靠性设计方法研究

论文摘要

本文结合铁道部科技项目,采用人工智能技术、可靠性工程方法、概率论与数理统计、随机过程等多学科相结合的方法,以宝成线等主要干线为试验基地,对接触网主要失效模式和系统的可靠性进行理论分析及应用研究,并采用VISUAL BASIC6.0和MATLAB编写了一套接触网可靠性分析软件。 概率分布的确定是可靠性分析的前提,本文利用RBF神经网络自组织、自适应和很好的容错能力等特性建立了接触网可靠性分析中概率分布的智能识别系统,通过仿真实验,它的总识别率达到93.75%,并对接触网定位装置故障(维修)时间进行了概率分布的识别,识别的结果为指数分布,通过回归分析得到进一步的验证,为建立接触网系统可靠性分析的马尔可夫模型提供了依据。 针对接触线-受电弓滑板这对特殊磨擦副的磨耗特性难以确定的问题,论文首次采用改进了算法的径向基神经网络RBFNN,模拟得到磨耗特性的非线性关系式,用此关系式来分析磨耗率随着外界因素的变化规律,由于改进了算法的RBFN具有很强的函数逼近能力,可以任意精确地逼近连续函数,因此通过网络输出数据和实验数据的对比,获得了很高的精度。并且利用RBF模拟得到的磨耗率与可靠性理论相结合,建立了接触线磨损可靠性分析的数学模型,基于数理统计的原理,定量地对不同型号的接触线的磨损可靠性进行了评价和预测,并提出了减少磨损的措施,为接触线的磨损可靠性研究和设计提供了新的方法和理论依据。 论文利用RBF神经网络确定了接触线在不同非对称应力幅下疲劳极限,并根据接触悬挂系统中接触线的振动方程,推导出了接触线在抬升力作用下的应力大小,在此基础上,应用数理统计的方法和原理提出了接触线疲劳可靠性分析和疲劳可靠性优化设计的方法,对影响接触线疲劳失效的各种因素进行了评价与分析。 将有限元数值分析(FEM)、RBF网络(RBFNN)和随机模拟法(MonteCarlo)有机结合,提出了接触悬挂各连接部件可靠性分析和设计的RBFNN-MC方法。在有限次有限元数值分析的基础上,充分利用RBF神经网络高度的非线性映射能力和泛化能力,逼近部件随机参数与响应之间的映射关系,由于RBF神经网络可以任意精确地逼近任意连续函数,因此在理论上有效解决了中心矩法存在的精度问题,并且此方法不受随机变量分布形式和极限状态方程非线性的限制,可以获得较高的计算精度。把接触线线夹和套管双耳这个

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 电气化铁路的概况
  • 1.2 接触网可靠性的提出及研究的意义
  • 1.2.1 我国铁路接触网系统可靠性存在的主要问题
  • 1.2.2 接触网可靠性研究的意义
  • 1.3 铁路可靠性研究的现状
  • 1.3.1 国外研究现状
  • 1.3.2 国内研究现状
  • 1.3.3 我国接触网可靠性研究现状
  • 1.4 神经网络技术的发展及在铁路工程中的应用
  • 1.5 神经网络与接触网可靠性分析结合的优势
  • 1.6 论文主要研究内容
  • 第2章 接触网的可靠性及概率分布的RBFNN的识别模型
  • 2.1 前言
  • 2.2 接触网的可靠性评价模型
  • 2.3 径向基神经网络(RBFNN)原理和算法
  • 2.3.1 径向基人工神经网络的结构
  • 2.3.2 径向基神经网络的常用算法
  • 2.4 基于RBFNN的接触网可靠性分布智能识别
  • 2.4.1 接触网可靠性分析中的分布模型
  • 2.4.2 RBFNN的接触网可靠性分布智能识别模型
  • 2.5 小结
  • 第3章 接触线磨耗特性及磨损可靠性分析
  • 3.1 前言
  • 3.2 受电弓滑板-接触导线磨损机理分析
  • 3.2.1 机械磨损分析
  • 3.2.2 电气磨损分析
  • 3.2.3 综合作用下的摩擦磨损分析
  • 3.2.4 接触导线磨耗规律
  • 3.3 基于RBFNN的接触线磨耗特性分析
  • 3.3.1 RBFNN网络的优选迭代构造算法
  • 3.3.2 磨耗特性模拟的优化迭代RBFNN的设计
  • 3.3.3 网络仿真实验
  • 3.3.4 磨耗特性分析
  • 3.4 接触线磨损的可靠性分析
  • 3.4.1 接触线磨损可靠性分析的数学模型
  • 3.4.2 典型接触线磨损寿命分析
  • 3.4.3 提高接触导线磨损可靠性的措施
  • 3.5 小结
  • 第4章 RBFNN在接触线疲劳可靠性分析和可靠性优化设计中的应用
  • 4.1 前言
  • 4.2 材料非对称应力幅下疲劳极限的RBFNN模拟
  • 4.2.1 材料疲劳极限估算的基本模型
  • 4.2.2 材料疲劳极限的径向基神经网络模型
  • 4.3 在抬升力作用下接触线的应力
  • 4.3.1 应力的计算模型
  • 4.3.2 接触线在抬升力作用下应力特性分析
  • 4.4 接触线的疲劳可靠性分析与可靠性设计
  • 4.4.1 接触线应力和疲劳强度统计特征量的确定
  • 4.4.2 接触线疲劳可靠性分析
  • 4.4.3 接触线疲劳可靠性优化设计
  • 4.4.4 提高接触导线疲劳寿命的措施
  • 4.5 小结
  • 第5章 基于RBF神经网络接触悬挂连结部件的可靠度仿真计算和分析
  • 5.1 前言
  • 5.2 零件强度的可靠度的计算模型
  • 5.3 求解可靠度或可靠度指标的常用方法
  • 5.4 RBFNN-MC算法概述
  • 5.4.1 算法步骤
  • 5.4.2 算法流程
  • 5.5 接触线线夹可靠性计算和分析
  • 5.5.1 接头线夹内部应力影响因素确定
  • 5.5.2 接头线夹内部应力有限元分析
  • 5.5.3 线夹可靠性分析 RBFNN-MC算法网络模型和结果分析
  • 5.6 接触网套管双耳可靠性计算和分析
  • 5.6.1 管双耳内部应力影响因素及有限元计算
  • 5.6.2 套管双耳 RBFNN-MC可靠性分析
  • 5.7 接触网可靠性分析软件的设计
  • 5.8 小结
  • 第6章 接触网系统的马尔可夫可靠性分析
  • 6.1 前言
  • 6.2 接触网系统的故障树(FTA)分析
  • 6.2.1 接触网故障树(FTA)的建立
  • 6.2.2 接触网系统的失效分析
  • 6.2.3 接触网的故障跟踪试验及失效数据的处理
  • 6.3 可维修系统的Markov过程模型
  • 6.3.1 Markov过程的基本假设
  • 6.3.2 基于马尔可夫过程的可修串联系统
  • 6.4 基于Markov过程的接触网可靠性分析
  • 6.4.1 接触网系统可靠性分析的马尔可夫模型
  • 6.4.2 结果分析和提高有效度及可靠度的措施
  • 6.5 最优综合决策接触网系统可靠性设计
  • 6.6 本章小结
  • 结束语
  • 致谢
  • 参考文献
  • 攻读博士学位期间发表的论文及参加的科研项目
  • 相关论文文献

    • [1].基于在线学习RBFNN的网络安全态势预测技术研究[J]. 信息网络安全 2016(04)
    • [2].基于改进RBFNN算法的瓦斯传感器非线性校正[J]. 压电与声光 2012(01)
    • [3].基于复合RBFNN的数字温度传感器误差补偿方法[J]. 传感技术学报 2011(02)
    • [4].称重传感器非线性误差的RBFNN补偿[J]. 仪表技术与传感器 2010(06)
    • [5].护卫舰横摇稳定舵的H∞/H2控制器的设计和比较(英文)[J]. Journal of Marine Science and Application 2019(04)
    • [6].基于马尔科夫链修正的RBFNN模型在碾压混凝土重力坝变形预报中的应用[J]. 水电能源科学 2014(10)
    • [7].基于RBFNN的水泥预分解窑主元分析与建模[J]. 滁州学院学报 2011(05)
    • [8].RBFNN在关节空间中的轨迹规划研究[J]. 机床与液压 2008(04)
    • [9].基于改进PSO-RBFNN的海洋蛋白酶发酵过程软测量[J]. 化工学报 2018(03)
    • [10].基于RBFNN的高压断路器机械故障诊断系统[J]. 中国电力 2010(05)
    • [11].一种基于RBFNN的变体飞机高精度自适应反步控制方法[J]. 西北工业大学学报 2020(03)
    • [12].基于二分搜索密度峰算法的RBFNN在月降水预报中的应用[J]. 计算机应用研究 2019(02)
    • [13].基于合作型协同进化的RBFNN分类算法[J]. 模式识别与人工智能 2008(01)
    • [14].以AHP-RBFNN评估建筑工程项目的风险[J]. 安全 2018(01)
    • [15].基于RBFNN的专利自动分类研究[J]. 现代图书情报技术 2011(12)
    • [16].改进的RBFNN学习算法及其应用[J]. 微计算机信息 2009(15)
    • [17].基于自适应RBFNN噪声估计的自抗扰控制在姿态控制中的应用[J]. 机器人 2019(01)
    • [18].基于组合训练方法的RBFNN转炉炼钢静态模型[J]. 杭州电子科技大学学报 2011(03)
    • [19].基于RBFNN的卫星地面站系统建模方法[J]. 计算机仿真 2009(03)
    • [20].Modeling and Robust Backstepping Sliding Mode Control with Adaptive RBFNN for a Novel Coaxial Eight-rotor UAV[J]. IEEE/CAA Journal of Automatica Sinica 2015(01)
    • [21].结合MPGA-RBFNN的一般机器人逆运动学求解[J]. 智能系统学报 2019(01)
    • [22].核k均值RBFNN的煤与瓦斯突出预测研究[J]. 计算机与数字工程 2011(07)
    • [23].地面站数传系统的RBFNN模型及算法[J]. 系统工程与电子技术 2010(09)
    • [24].一种基于改进的密度法确定RBFNN的数据中心的算法[J]. 微型电脑应用 2009(04)
    • [25].An elasto-plastic constitutive model of moderate sandy clay based on BC-RBFNN[J]. Journal of Central South University of Technology 2008(S1)
    • [26].一种基于改进的密度法确定RBFNN的数据中心的算法[J]. 微计算机应用 2009(01)
    • [27].基于改进RBFNN的配电网停电时间自动识别模型[J]. 电力系统及其自动化学报 2016(S1)
    • [28].An ICPSO-RBFNN nonlinear inversion for electrical resistivity imaging[J]. Journal of Central South University 2016(08)
    • [29].建筑工程质量成本RBFNN预测模型[J]. 资源开发与市场 2015(01)
    • [30].基于RBFNN的称重传感器温度误差补偿[J]. 传感器与微系统 2011(06)

    标签:;  ;  ;  ;  ;  

    基于RBFNN的接触网系统可靠性设计方法研究
    下载Doc文档

    猜你喜欢