期刊导航
期刊开放获取
上海教育软件发展有限公..
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
基于L-M算法的神经网络在环境振动分析中消除本底振动的应用
被引量：
4
1
作者
耿传飞
卢文良
俞醒
《振动与冲击》
EI
CSCD
北大核心
2016年第13期14-19,共6页
公路、铁路及城市轨道交通引起的环境振动实测数据中含有本底振动的干扰,从时域分析角度提出基于L-M(Levenberg-Marquardt)算法的神经网络法消除本底振动,阐述了该法的基本原理和实现步骤,采用L-M算法对神经网络进行训练,具有收敛速度...
公路、铁路及城市轨道交通引起的环境振动实测数据中含有本底振动的干扰,从时域分析角度提出基于L-M(Levenberg-Marquardt)算法的神经网络法消除本底振动,阐述了该法的基本原理和实现步骤,采用L-M算法对神经网络进行训练,具有收敛速度快、计算精度高的特点。通过一段交通振动加速度时程与一段本底振动加速度时程叠加合成实测振动加速度时程,分别用L-M神经网络法和其他几种方法对合成的实测振动加速度时程进行本底振动消除计算和对比分析。计算结果表明,L-M神经网络法能更加精确的计算出真实交通振动产生的时程曲线、功率谱密度曲线、1/3倍频程中心频率处振动加速度级和计权振级。
展开更多
关键词
环境振动
本底振动
L-M
神经网络
功率谱密度
振动加速度级
在线阅读
下载PDF
职称材料
交通环境振动测试数据中暗振动去除的ANFIS法
2
作者
耿传飞
卢文良
俞醒
《振动．测试与诊断》
EI
CSCD
北大核心
2017年第2期384-391,共8页
轨道交通引起的环境振动测试数据中混杂着暗振动的成分。提出了一种去除暗振动的自适应神经模糊推理系统(adaptive neuro-fuzzy inference system,简称ANFIS)法,阐述了其基本原理,给出了该法的具体实现步骤。通过一条列车引起的地面振...
轨道交通引起的环境振动测试数据中混杂着暗振动的成分。提出了一种去除暗振动的自适应神经模糊推理系统(adaptive neuro-fuzzy inference system,简称ANFIS)法,阐述了其基本原理,给出了该法的具体实现步骤。通过一条列车引起的地面振动加速度时程与一条暗振动加速度时程叠加得到现场实测振动加速度时程,采用提出的ANFIS法及其他几种已有方法对该算例进行了去除暗振动的计算,并进行了对比分析。几种方法计算的时程均方根误差分别为:谱幅值修正法0.414mm/s^2,自功率谱法0.363mm/s^2,自互功率谱法0.261mm/s^2,ANFIS法0.074mm/s^2,可见,ANFIS法均方根误差最小;几种方法计算的加权振级VLz分别为:振动级修正法63.842dB,谱幅值修正法62.894dB,自功率谱法63.859dB,自互功率谱法63.802dB,ANFIS法63.805dB,ANFIS法计算结果与真实交通振动值63.815dB最接近。结果表明,在时程、傅里叶谱、功率谱密度及振动级的计算上,ANFIS法计算结果都与真实交通振动值非常接近,产生的误差比其他已有方法更小。
展开更多
关键词
轨道交通
环境振动
测试数据
暗振动
自适应神经模糊推理系统法
自功率谱法
自互功率谱法
在线阅读
下载PDF
职称材料
题名
基于L-M算法的神经网络在环境振动分析中消除本底振动的应用
被引量：
4
1
作者
耿传飞
卢文良
俞醒
机构
北京交通大学土木建筑工程学院
金丽温铁路有限责任公司
出处
《振动与冲击》
EI
CSCD
北大核心
2016年第13期14-19,共6页
基金
中央高校基本科研业务费专项资金资助项目(2011JBM275)
文摘
公路、铁路及城市轨道交通引起的环境振动实测数据中含有本底振动的干扰,从时域分析角度提出基于L-M(Levenberg-Marquardt)算法的神经网络法消除本底振动,阐述了该法的基本原理和实现步骤,采用L-M算法对神经网络进行训练,具有收敛速度快、计算精度高的特点。通过一段交通振动加速度时程与一段本底振动加速度时程叠加合成实测振动加速度时程,分别用L-M神经网络法和其他几种方法对合成的实测振动加速度时程进行本底振动消除计算和对比分析。计算结果表明,L-M神经网络法能更加精确的计算出真实交通振动产生的时程曲线、功率谱密度曲线、1/3倍频程中心频率处振动加速度级和计权振级。
关键词
环境振动
本底振动
L-M
神经网络
功率谱密度
振动加速度级
Keywords
environment vibration
background vibration
L-M
neural network
power spectral density
vibration acceleration level
分类号
TB53 [理学—声学]
在线阅读
下载PDF
职称材料
题名
交通环境振动测试数据中暗振动去除的ANFIS法
2
作者
耿传飞
卢文良
俞醒
机构
北京交通大学土木建筑工程学院
中铁第四勘察设计院集团
有限
公司
金丽温铁路有限责任公司
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2017年第2期384-391,共8页
基金
中央高校基本科研业务费专项资金资助项目(2011JBM275)
文摘
轨道交通引起的环境振动测试数据中混杂着暗振动的成分。提出了一种去除暗振动的自适应神经模糊推理系统(adaptive neuro-fuzzy inference system,简称ANFIS)法,阐述了其基本原理,给出了该法的具体实现步骤。通过一条列车引起的地面振动加速度时程与一条暗振动加速度时程叠加得到现场实测振动加速度时程,采用提出的ANFIS法及其他几种已有方法对该算例进行了去除暗振动的计算,并进行了对比分析。几种方法计算的时程均方根误差分别为:谱幅值修正法0.414mm/s^2,自功率谱法0.363mm/s^2,自互功率谱法0.261mm/s^2,ANFIS法0.074mm/s^2,可见,ANFIS法均方根误差最小;几种方法计算的加权振级VLz分别为:振动级修正法63.842dB,谱幅值修正法62.894dB,自功率谱法63.859dB,自互功率谱法63.802dB,ANFIS法63.805dB,ANFIS法计算结果与真实交通振动值63.815dB最接近。结果表明,在时程、傅里叶谱、功率谱密度及振动级的计算上,ANFIS法计算结果都与真实交通振动值非常接近,产生的误差比其他已有方法更小。
关键词
轨道交通
环境振动
测试数据
暗振动
自适应神经模糊推理系统法
自功率谱法
自互功率谱法
Keywords
Errors
Fourier transforms
Fuzzy neural networks
Fuzzy systems
Light rail transit
Mean square error
Power spectral density
Spectral density
Tracking (position)
分类号
X593 [环境科学与工程—环境工程]
TH113.1 [机械工程—机械设计及理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于L-M算法的神经网络在环境振动分析中消除本底振动的应用
耿传飞
卢文良
俞醒
《振动与冲击》
EI
CSCD
北大核心
2016
4
在线阅读
下载PDF
职称材料
2
交通环境振动测试数据中暗振动去除的ANFIS法
耿传飞
卢文良
俞醒
《振动．测试与诊断》
EI
CSCD
北大核心
2017
0
在线阅读
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
