期刊文献+

人工神经网络在无缝线路应力检测中的研究 预览 被引量:6

Research on artificial neural networks in continuous welded rail stress test
在线阅读 下载PDF
分享 导出
摘要 人工神经网络通过借助数学和物理的方法从信息的角度对人脑神经系统进行模拟后建立数学简化模型,对复杂数学模型的非线性映射进行模拟,有相当高的精度。利用人工神经网络对铁路温度应力检测中的众多非线性参数进行人工神经网络建模,从而得出铁路温度应力的精确检测方法,并与X射线应力检测仪做对比实验,进行误差分析证明人工神经网络的可行性。分别对2个模型建模,第1个模型的特征向量选取的是巴克豪森噪声(MBN)信号峰-峰值、峰值、均方根、半峰宽、峰宽比。第2个模型的特征向量选取的是MBN信号峰-峰值、钢轨洛氏硬度、钢轨自有漏磁场梯度。通过对比实验以及误差分析判断各个应力相关因数对应力检测的贡献度,进一步提高检测精度。 Simulating the human brain system from the perspective of information by means of mathematical and physical methods and establishing the mathematical simplified model to simulate the nonlinear mapping of complex mathematical models,artificial neural network has quite high accuracy.In this paper,artificial neural network is used for modeling some nonlinear parameters in the rail temperature stress detection,thereby a precise detection method of the rail temperature stress is gotten.And contrast experiment by X-ray stress detector proves the feasibility of artificial neural networks for error analysis.Two group parameters is modeled,the eigenvector of the first group is Barkhausen noise(MBN) peak to peak,peak,root mean square,half band width and peak width ratio,and the eigenvector of the second group is MBN peak to peak,rail hardness of the rail and the leakage magnetic field gradient.By comparing the experiment and analyzing the error to estimate the contribution of the various stress-related parameters in stress detecting,the detection accuracy is improved further.
作者 舒迪 祁欣 Shu Di Qi Xin(Department of Control Theory and Control Engineering,Beijing University of Chemical Technology,Beijing 100029,China)
出处 《电子测量与仪器学报》 CSCD 2013年第6期515-520,共6页 Journal of Electronic Measurement and Instrument
基金 国家自然科学基金(60971019、11004005)资助项目
关键词 人工神经网络 温度应力 巴克豪森 artificial neural networks temperature stress Barkhausen
作者简介 舒迪,1986年出生,就读于北京化工大学,现为北京化工大学控制理论与控制工程博士。目前主要研究方向为无缝钢轨应力检测与数据处理。E—mail:shudi1234@126.com 祁欣(通讯作者),1952年出生,毕业于北京大学,现任北京化工大学教授、博士研究生导师。目前主要研究方向为无缝钢轨无损检测理论与实验仪器研究。E-mail:qixin@mail.buct.edu.cn
  • 相关文献

参考文献20

  • 1HYDE T R, EVANS J T, SHAW BA. Effect of stressand heat treatment on MBN in case-carburised steels[J]. Mater Eval 2000, 58(8): 985-990. 被引量:1
  • 2VAIDYANATHAN S, MOORTHY V,JAYAKUMART, et al. Evaluation of carburization depth in serviceexposed ferritic steel using magnetic Barkhausen noiseanalysis[ J]. Mater Eval, 1998,56(3) : 449-452. 被引量:1
  • 3VAIDYANATHAN S, MOORTHY V,JAYAKUMART, et al. Evaluation of induction hardened case depththrough microstructural characterization using magneticBarkhausen emission technique[ J]. Mater Sci Techn-ol, 2000, 16(2): 202-2088. 被引量:1
  • 4ENOKIZONO M, TODAKA T, YOSHITOMI Y. Chaot-ic phenomena of rotational Barkhausen noise [ J ]. JMagn Magn Mater, 2000 : 215-216. 被引量:1
  • 5KRAUSE T W, CLAPHAML, PATTANTYUS A, et al.Investigation of the stress-dependent magnetic easy axisin steel using magnetic Barkhausen noise [ J ]. J ApplPhys 1996: 79(8) : 42-52. 被引量:1
  • 6邹云峰,吴为麟,李智勇.基于自组织映射神经网络的低压故障电弧聚类分析[J].仪器仪表学报,2010(3):571-576. 被引量:18
  • 7ZOU Y F, WU W L, LI ZH Y, Cluster analysis of arcfault in low-voltage based on SOM neural network [ J ].Chinese Journal of Scientific Instrument, 2010, 31(3):571-576. 被引量:1
  • 8孙建平,王逢瑚,胡英成.基于声发射和神经网络的木材受力损伤过程检测[J].仪器仪表学报,2011,32(2):342-347. 被引量:15
  • 9SUN JP, WANG FH, HU Y CH. Damage process tes-ting of wood under loads based on acoustic emission andneural network [ J ]. Chinese Journal of Scientific Instru-ment, 2011,32(2) : 342-347. 被引量:1
  • 10钱华明,王雯升.遗传小波神经网络及在电机故障诊断中的应用[J].电子测量与仪器学报,2009,23(3):81-86. 被引量:34

二级参考文献86

共引文献100

同被引文献104

引证文献6

二级引证文献30

投稿分析

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈