基于改进神经网络的铁轨抗压强度预测研究

摘要

为了提高铁轨抗压强度预测精度和效率，提出基于改进神经网络的铁轨抗压强度预测方法。通过经验模态分解方法提取铁轨振动信号；通过小波分解对铁轨振动信号实行降噪处理；结合线性回归和模糊度函数改进神经网络,获取更有效的隶属度函数，构建铁轨抗压强度预测模型；基于FCM算法通过离散化处理进行振动信号属性约简，并完成铁轨抗压强度的预测。实验结果表明，所提方法的铁轨抗压强度预测结果误差低于2 MPa，预测时间在25 min左右，提高了预测精度和预测效率，具有较好的实际应用价值。

关键词

改进神经网络模型 / 抗压强度预测 / 铁轨 / 经验模态分解 / 小波分解 / 属性约简