CN115203839B 一种高铁填料振动压实的参数优化方法及系统 （西南交通大学）_第1页
CN115203839B 一种高铁填料振动压实的参数优化方法及系统 （西南交通大学）_第2页
CN115203839B 一种高铁填料振动压实的参数优化方法及系统 （西南交通大学）_第3页
CN115203839B 一种高铁填料振动压实的参数优化方法及系统 （西南交通大学）_第4页
CN115203839B 一种高铁填料振动压实的参数优化方法及系统 （西南交通大学）_第5页
已阅读5页，还剩28页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种高铁填料振动压实的参数优化方法及本发明涉及一种高铁填料振动压实的参数压实过程干密度进行拟合，计算与构建原始数络建立干密度增量预测模型；(3)采取压实度指GA的动态优化模型；(5)将参数优化处理后所述包括采用上述方法的一种高铁填料振动压实的2c.利用测试集验证BP神经网络模型的预测能力，判断测试集误差是否小于设定误差，oii-1)3所述AdamOptimizer改进算法为常规优化算法利用梯度的一阶矩估计和二阶矩估计动理端和数据展示端，所述后台运算处理端为采用权利要求1_6中任意一条权利要求所述的一种高铁填料振动压实的参数优化方法进行4[0004]本发明的主要目的在于提供了一种高铁路基填料振动压实的参数优化方法及系5[0018]进一步地，所述干密度增量预测模型构建模型输入和输出之间的非线性函数关[0026]所述AdamOptimizer改进算法为常规优化算法利用梯度的一阶矩估计和二阶矩估为二阶矩估计的指数衰减率。6端和数据展示端，所述后台运算处理端为采用权利要求1_9中任意一条权利要求所述的一7[0061]步骤(4)建立基于GA的动态优化模型，具体为基于GA算法对振动参数优化过程进[0062]步骤(5)输出最佳方案，具体为将参数优化处理后所述的动态优化结果确定为振[0063]如图2所示，基于改进BP神经网络的干密度增量预测模型搭建依次包括数据集构89pdi为当前时刻的干密度增量为二阶矩估计的指数衰减率。[0095]③’利用划分好的测试集验证已经训练完成的优化BP神经网络定的基床底层压实度需达到95％以上的要求确定个体压实度应满足大于0.95的约束条件，1.8[0114]首先在当前干密度的基础上计算干密度增量，并对整体进行数曲线仍未收敛；而改进的BP神经网络模型在训练过程中loss和val_loss下降速度非常快。传统的BP神经网络模型计算的MSE和MAE值分别为6.程中进行应用。一优化结果符合现有的二自由度振动压实模型针对压实器械与土体间最优振动频率的关能量输出，在整个压实过程中皆小于改进前的能量输出，并且最终有效减小了能量

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论