CAJ | 학술논문

为了寻求一种更加有效的列车车轮扁疤故障分析算法,提出一种通过轮轨噪声来确定车轮扁疤严重程度的检测方法.该方法将遗传算法与小波神经网络相结合,同时为了避免出现局部极小值,加速学习速度,在小波神经网络中增加了动量模型；在搜寻小波神经网络隐含层链接权值之前,使用遗传算法进行计算以优化小波神经网络结构；硬件只需2组麦克风阵列以及2个速度感应器就可以提供实时结果,成本远低于我国现有的检测方法.对不同列车车速下的轮轨信号进行了实时测试,结果表明:与传统神经网络、小波神经网络和遗传算法相比,该方法的检测准确率最多分别提高了16％、11％和3％,并且收敛最快.
위료심구일충경가유효적열차차륜편파고장분석산법,제출일충통과륜궤조성래학정차륜편파엄중정도적검측방법.해방법장유전산법여소파신경망락상결합,동시위료피면출현국부겁소치,가속학습속도,재소파신경망락중증가료동량모형；재수심소파신경망락은함층련접권치지전,사용유전산법진행계산이우화소파신경망락결구；경건지수2조맥극풍진렬이급2개속도감응기취가이제공실시결과,성본원저우아국현유적검측방법.대불동열차차속하적륜궤신호진행료실시측시,결과표명:여전통신경망락、소파신경망락화유전산법상비,해방법적검측준학솔최다분별제고료16％、11％화3％,병차수렴최쾌.