基于粒子概率神经网络算法的钢轨波磨识别

作     者：汤雪扬 蔡小培 王伟华 常文浩 王启好 TANG Xue-yang;CAI Xiao-pei;WANG Wei-hua;CHANG Wen-hao;WANG Qi-hao

作者机构：北京交通大学土木建筑工程学院北京100044 中国铁路设计集团有限公司天津300308 

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) 

出 版 物：《浙江大学学报:工学版》 (Journal of Zhejiang University:Engineering Science)

年 卷 期：2023年第57卷第9期

页      码：1766-1774页

摘      要：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%.

主 题 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 

学科分类：0711[理学-心理学类] 08[工学] 0814[工学-地质类] 0701[理学-数学类] 082301[082301] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.3785/j.issn.1008-973X.2023.09.008

馆 藏 号：203123968...