公开(公告)号：CN117933443A

公开(公告)日：2024-04-26

申请号：CN202311460104.6

申请日：2023-11-03

Applicant: 中南大学

Inventor： 郝哲睿 ,  陈晓斌 ,  谢康 ,  尧俊凯 ,  李泰灃 ,  肖宪普

IPC: G06Q10/04 ,  G06Q10/0639

Abstract: 本发明提供一种高铁级配碎石振动压实过程的嵌锁点预测方法，包括以下步骤：S1、采用双曲线模型对高铁级配碎石压实过程物理力学特性进行拟合，计算与构建原始数据，确定嵌锁点Tlp；S2、获取数据，采用灰色关联度分析GRA算法分析Tlp主控特征；S3、建立基于改进粒子群IPSO算法‑机器学习ML算法的IPSO‑ML混合Tlp预测模型；S4、采用可解释性方法SHAP解释分析最优Tlp预测模型，确定振动压实过程的最佳Tlp；通过预测嵌锁点Tlp控制压实质量，解决了基于干密度评估高铁级配碎石压实质量所存在的压实时间不定、评价指标单一等问题，具有较好的预测精度和泛化能力，为振动压实的质量评估以及振动压实智能化控制提供了新思路。

公开(公告)号：CN117633648A

公开(公告)日：2024-03-01

申请号：CN202311455032.6

申请日：2023-11-03

Applicant: 中南大学

Inventor： 郝哲睿 ,  陈晓斌 ,  谢康 ,  尧俊凯 ,  李泰灃 ,  肖宪普

IPC: G06F18/2415 ,  G06F18/214 ,  G06Q10/04 ,  G06Q10/0639

Abstract: 本发明公开了一种基于机器学习的高铁级配碎石压实质量主控特征与预测研究方法。本方法包括如下步骤：1)开展振动压实试验，基于多参数协同测试方法，探究级配碎石最大干密度ρdmax的确定方法；2)建立级配碎石特征与ρdmax之间的关系，并结合灰色关联度分析和皮尔逊算法揭示影响ρdmax的主控特征；3)将级配碎石主控特征作为输入特征建立预测ρdmax的机器学习模型；4)基于机器学习模型预测性能三层次评价方法确定最优机器学习模型。本方法解决了基于干密度评估高铁级配碎石压实质量所存在的压实时间不定和依靠单一层次性能指标难以选择最优机器学习模型的问题。本方法具有较好的预测精度和泛化能力，为高铁级配碎石压实质量主控特征与预测研究提供新思路。