基于RBF和BP神经网络的低真空管道高速列车气动阻力预测对比研究
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
3.49 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
为了实现对低真空管道中运行列车的最大阻力预测研究,本文采用数值仿真和神经网络结合的方法。选取不同阻塞比、运行速度和管道压力,利用流体仿真软件计算100种运行工况下列车的最大阻力;以96组仿真数据作为网络模型训练样本,选取RBF和BP两种三层神经网络,经多次调试确定最佳隐层神经元数目,利用训练函数训练两种预测模型;利用随机选取的4组验证样本验证两种网络模型。研究表明:RBF和BP神经网络模型能较好的预测列车在真空管道中运行的最大阻力,其中RBF神经网络预测值的最大误差不高于5%,相比BP神经网络,RBF预测精度更优。相关论文
- 2025-01-26废液桶搬运机器人升降机构设计与仿真分析
- 2021-08-30基于Isight的燃油泵多目标优化仿真分析
- 2021-06-01基于非支配排序遗传算法的塔机有限元模型修正
- 2021-08-17基于CFD的喷嘴结构对高压水射流反推特性的影响
- 2020-11-04基于有限元与正交试验的切削参数优化研究
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。