期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
城市轨道交通钢轨波浪形磨耗特征分析
被引量：
21
1
作者
曹亮
许玉德
+1 位作者
周宇
詹刚
《城市轨道交通研究》
北大核心
2010年第2期46-46,47,48,52,共4页
钢轨的波浪形磨耗已成为城市轨道交通钢轨伤损的主要形式之一。基于对上海轨道交通1号线钢轨波浪形磨耗的连续布点观测,采用频谱分析方法提取波浪形磨耗的波长,并对波深进行统计与分析,初步了解了上海轨道交通钢轨波浪形磨耗的一些基本...
钢轨的波浪形磨耗已成为城市轨道交通钢轨伤损的主要形式之一。基于对上海轨道交通1号线钢轨波浪形磨耗的连续布点观测,采用频谱分析方法提取波浪形磨耗的波长,并对波深进行统计与分析,初步了解了上海轨道交通钢轨波浪形磨耗的一些基本特征,为进一步研究城市轨道交通钢轨波浪形磨耗生成机理及防治措施提供了依据。
展开更多
关键词
城市轨道交通
钢轨
波浪形
磨耗
特征分析
下载PDF
职称材料
基于粒子概率神经网络算法的钢轨波磨识别
2
作者
汤雪扬
蔡小培
+2 位作者
王伟华
常文浩
王启好
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2023年第9期1766-1774,共9页
针对地铁钢轨波磨问题,采用粒子群优化算法对概率神经网络进行优化,提出粒子概率神经网络(PPNN)算法.使用PPNN算法在一定数值范围内对概率神经网络的平滑因子进行随机初始化,为了保证算法的全局搜索能力和计算效率,选用凹函数递减惯性...
针对地铁钢轨波磨问题,采用粒子群优化算法对概率神经网络进行优化,提出粒子概率神经网络(PPNN)算法.使用PPNN算法在一定数值范围内对概率神经网络的平滑因子进行随机初始化,为了保证算法的全局搜索能力和计算效率,选用凹函数递减惯性权值实现平滑因子的更新迭代,得出分类准确率最高的平滑因子最优解.为了说明PPNN算法的有效性,对钢轨粗糙度以及车内噪声进行现场测试,提取与钢轨波磨相关的车内噪声特征,分析该算法的种群规模和进化次数对波磨识别准确率的影响,对比不同智能分类算法的识别效果.结果表明:与地铁钢轨波磨相关的车内噪声特征为315、400、500、630、800、1000 Hz中心频率处的A计权声压级;相比于决策树、高斯朴素贝叶斯、支持向量机、K近邻等主流智能分类算法,PPNN算法具有显著的优势,其波磨识别准确率达到98.582%.
展开更多
关键词
地铁
钢轨
波浪形
磨耗
车内噪声
概率神经网络
粒子群优化算法
下载PDF
职称材料
题名
城市轨道交通钢轨波浪形磨耗特征分析
被引量：
21
1
作者
曹亮
许玉德
周宇
詹刚
机构
同济大学交通运输工程学院
出处
《城市轨道交通研究》
北大核心
2010年第2期46-46,47,48,52,共4页
基金
高等学校博士学科点专项科研基金资助课题(200802471003)
同济大学青年优秀人才培养行动计划资助课题(2008KJ026)
文摘
钢轨的波浪形磨耗已成为城市轨道交通钢轨伤损的主要形式之一。基于对上海轨道交通1号线钢轨波浪形磨耗的连续布点观测,采用频谱分析方法提取波浪形磨耗的波长,并对波深进行统计与分析,初步了解了上海轨道交通钢轨波浪形磨耗的一些基本特征,为进一步研究城市轨道交通钢轨波浪形磨耗生成机理及防治措施提供了依据。
关键词
城市轨道交通
钢轨
波浪形
磨耗
特征分析
Keywords
urban mass transit
rail corrugation
characteristics analysis
分类号
U213.42 [交通运输工程—道路与铁道工程]
下载PDF
职称材料
题名
基于粒子概率神经网络算法的钢轨波磨识别
2
作者
汤雪扬
蔡小培
王伟华
常文浩
王启好
机构
北京交通大学土木建筑工程学院
中国铁路设计集团有限公司
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2023年第9期1766-1774,共9页
基金
中央高校基本科研业务费专项资金资助项目(2018JBZ003)
国家自然科学基金资助项目(52178405)。
文摘
针对地铁钢轨波磨问题,采用粒子群优化算法对概率神经网络进行优化,提出粒子概率神经网络(PPNN)算法.使用PPNN算法在一定数值范围内对概率神经网络的平滑因子进行随机初始化,为了保证算法的全局搜索能力和计算效率,选用凹函数递减惯性权值实现平滑因子的更新迭代,得出分类准确率最高的平滑因子最优解.为了说明PPNN算法的有效性,对钢轨粗糙度以及车内噪声进行现场测试,提取与钢轨波磨相关的车内噪声特征,分析该算法的种群规模和进化次数对波磨识别准确率的影响,对比不同智能分类算法的识别效果.结果表明:与地铁钢轨波磨相关的车内噪声特征为315、400、500、630、800、1000 Hz中心频率处的A计权声压级;相比于决策树、高斯朴素贝叶斯、支持向量机、K近邻等主流智能分类算法,PPNN算法具有显著的优势,其波磨识别准确率达到98.582%.
关键词
地铁
钢轨
波浪形
磨耗
车内噪声
概率神经网络
粒子群优化算法
Keywords
metro
rail corrugation
interior noise
probabilistic neural network
particle swarm optimization
分类号
U213.42 [交通运输工程—道路与铁道工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
城市轨道交通钢轨波浪形磨耗特征分析
曹亮
许玉德
周宇
詹刚
《城市轨道交通研究》
北大核心
2010
21
下载PDF
职称材料
2
基于粒子概率神经网络算法的钢轨波磨识别
汤雪扬
蔡小培
王伟华
常文浩
王启好
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
