学位论文 > 优秀研究生学位论文题录展示

基于ART-2的城轨列车监控数据智能处理算法研究

作　者: 王帅刚
导　师: 贾利民；蔡国强
学　校: 北京交通大学
专　业: 交通运输规划与管理
关键词: 城轨列车监控状态识别 ART-2算法监控数据处理
分类号: U239.5
类　型: 硕士论文
年　份: 2010年
下　载: 97次
引　用: 1次
阅　读: 论文下载

内容摘要

摘要：随着城市轨道交通网络化运营趋势的增强,保障城市轨道列车安全可靠的运营是交通领域迫切需要解决的问题,将城市轨道列车海量的监控数据进行处理是解决轨道列车监控问题的关键。论文基于人工智能数据处理技术,主要研究基于ART-2网络模型的城轨列车监控数据的智能处理算法,以解决从大量的监控列车关键装备获得的实时状态数据中快速、可靠的判别列车状态的问题。在对数据的处理方面,ART-2网络模型可以在没有确定的分类样本的前提下实现自组织的学习过程。将其应用在城市轨道列车的监控数据处理中,通过改变网络权值的更新算法、建立模式识别层的优先激活机制、设置监督功能,解决了传统的ART-2网络存在模式漂移、计算效率低、存储空间大的问题,改进后的网络具有更稳定可靠的聚类效果,更快速的模式识别功能,占用更小的存储空间。本文首先探讨性的分析了城市轨道列车状态监控的内涵、体系结构、实质和监控的关键问题。并针对ART-2网络模型的缺点,提出了改进算法,并应用模式识别领域的经典数据库IRIS进行测试,验证改进后算法的优越性。论文最后将改进后的ART-2算法应用在监控数据的处理中,实验表明,改进后的ART-2算法具有更优的稳定性、可靠性和效率性。

全文目录

致谢  5-6
中文摘要  6-7
ABSTRACT  7-11
1 绪论  11-15
  1.1 选题的背景及研究意义  11-12
  1.2 监控数据处理技术现状  12-13
  1.3 论文的主要工作和研究路线  13-14
  1.4 内容结构安排  14-15
2 城市轨道列车状态监控体系  15-22
  2.1 城轨列车状态监控概述  15-18
    2.1.1 内涵  15-16
    2.1.2 核心技术  16-17
    2.1.3 体系结构  17-18
  2.2 城轨列车监控的实质  18-19
  2.3 城轨列车监控的关键问题  19-21
    2.3.1 城轨列车状态辨识  19-21
    2.3.2 基于ART-2的数据处理算法  21
  2.4 小结  21-22
3 自适应共振理论与ART-2网络模型  22-30
  3.1 模式识别  22-24
  3.2 自适应共振理论  24-25
  3.3 ART-2网络模型  25-28
    3.3.1 网络结构  25-26
    3.3.2 运行原理  26-27
    3.3.3 算法过程  27-28
  3.4 小结  28-30
4 改进的ART-2网络模型算法  30-45
  4.1 ART-2网络模型的主要问题  30-33
    4.1.1 模式漂移  30-31
    4.1.2 计算效率  31-32
    4.1.3 存储空间  32-33
  4.2 ART-2网络模型的优化方法  33-37
    4.2.1 调整长期网络记忆权值  33-34
    4.2.2 建立模式识别层优先激活机制  34-36
    4.2.3 增设模式识别层监督功能  36-37
  4.3 改进的ART-2网络模型  37-42
    4.3.1 网络结构  37-38
    4.3.2 运行原理  38-39
    4.3.3 算法过程  39-42
  4.4 改进的ART-2网络模型的验证  42-44
    4.4.1 模式漂移的改进对比  42-43
    4.4.2 模式识别最终结果  43-44
  4.5 小结  44-45
5 ART-2在监控数据处理的应用  45-56
  5.1 实验环境及数据样本  45-47
  5.2 实验步骤  47
  5.3 网络参数的确定  47-51
    5.3.1 网络参数的初始化  48
    5.3.2 阀值和警戒参数对分类结果的影响  48-51
  5.4 网络分类验证  51-54
    5.4.1 数据顺序输入网络  51-52
    5.4.2 数据随机输入网络  52-54
  5.5 小结  54-56
6 结论与展望  56-58
参考文献  58-62
学位论文数据集  62

相似论文

基于视觉的驾驶员疲劳实时检测研究,TP391.41
NetFlow数据处理与异常检测研究,TP393.08
华北油田不动管柱换层采油技术研究与应用,TE357
基于力反馈和视觉的板材安装定位研究,TU767
基于红外热像的设备状态识别技术研究,TP391.41
基于机器视觉的驾驶员疲劳检测研究,TP391.41
工业缝纫机动态特性测试系统的研究,TS941.562
基于支持向量机的故障诊断方法的研究,TH165.3
基于EMD和支持向量机的齿轮箱故障诊断方法研究,TH165.3
基于人工神经网络的变压器差动保护研究,TM772
有限状态设备的移动监视与识别方法的研究,TP274
基于交通相特征的交通系统状态识别,U491.112
基于改进的SVM交通信息融合算法及应用研究,U495
系统规律辨识与检测技术交叉研究,TP274.4
可重组FMS生产系统实验环境设计与实现,TP273
基于人眼检测的驾驶员疲劳检测研究,TP391.41
状态监控无线传感网关键技术与应用研究,TN929.5
基于DSP的电力负荷运行状态监测的研究,TM764
基于眼睑运动的司机疲劳检测,U492.8
基于DO/pH测量的微生物流加培养过程的在线模式识别和控制的研究,TQ920.1