原文传递
基于人工智能算法的轨道不平顺估计
| 论文题名： | 基于人工智能算法的轨道不平顺估计 |
| 关键词： | 轨道刚度;支持向量机;神经网络;轨道交通;人工智能;轨道不平顺估计 |
| 摘要： | 轨道交通是我国重要的交通运输方式之一，随着列车运行速度、运载重量和运输密度的大幅提高，车辆轨道之间的动态相互作用日益增强，导致车辆对线路结构的破坏作用也越严重，而线路状态的恶化反过来影响列车运行的安全性和乘坐舒适性。因此掌握线路状态对保证列车运行安全及制定合理的维修计划有着重要意义。 论文首先根据车辆轨道耦合模型建立了车辆轨道动力学方程，由于车辆轨道动力学方程的高自由度及非线性的特点，选择基于Newmark的预测-校正法进行动力学方程求解。研究了基于逆傅里叶变换的轨道几何不平顺数值模拟方法，及轨道基础缺陷的模拟方法。将轨道不平顺输入车辆轨道动力学方程中，获得轨枕失效、轨枕空吊、道床松散、道床板结情况下的车辆轨道振动响应。 轨道基础结构缺陷引起的轨道刚度突变是轨道刚度不平顺的主要原因，在列车通过轨道剐度不平顺路段时会引起较大的动态不平顺。本文提出了一种基于支持向量机(SVM)和车辆振动响应进行轨道刚度突变的识别算法。 轨道几何不平顺是车辆轨道振动的主要激励源，轨道不平顺会随着列车的运营等因素不断加剧。本文提出一种基于BP神经网络的轨道几何不平顺估计算法。利用某一段车辆振动加速度及该点的几何不平顺经过特征提取输入至BP神经网络完成训练，将下一点的车辆振动加速度输入至BP神经网络即可估计下一点的轨道几何不平顺。通过仿真分析表明BP神经网络在估计轨道几何不平顺时比支持向量机有更好的效果，可以完整的估计出轨道几何不平顺的趋势。 |
| 作者： | 路天玙 |
| 专业： | 机械工程 |
| 导师： | 余祖俊 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
