详情

原文传递基于人工神经网络的轮轨力预测

论文题名：	基于人工神经网络的轮轨力预测
关键词：	行车安全性;轮轨力;人工神经网络;铁路列车;预测方法
摘要：	随着铁路运输向着高速、重载、大运量和高密度的方向发展,保证列车的安全平稳运行成为当前的一项重要任务。轮轨力是造成列车脱轨、轨道损伤/失效、列车部件损伤的主要原因,我们可以根据轮轨力来评定列车运行安全性和平稳性,为限速提速提供依据,因此轮轨力的预测具有重要的理论与实际意义。　　与传统建模和控制技术相比,人工神经网络具有良好的稳固性和容错能力,同时具有较强的自学习能力及并行处理能力,其仿真速度远高于传统建模方法。因此,在工程领域,人工神经网络广泛应用于模式识别、非线性系统建模与控制中。本文以精确预测轮轨力为目的,主要讨论了基于多种人工神经网络的轮轨力预测方法,并提出一种适用大型NARX神经网络结构的训练算法。　　本文首先介绍了轮轨相互作用系统的相关知识,包括轨道不平顺和轮轨力定义及其对列车安全行车的影响;然后阐述了人工神经网络的基本概念、发展历程及其研究内容和应用领域;其次讨论了静态神经网络与动态神经网络的优缺点,选定了BP、FFTD、NARX神经网络结构对轮轨力进行预测建模,采用经验遍历法确定隐节点数目及时间延迟阶数,仿真结果表明动态神经网络更适合轮轨力的预测;在 NARX神经网络的基础上,提出了一种适用大型NARX神经网络结构的训练算法,完成实验仿真,实现轮轨力的预测;最后,对BP、FFTD、NARX和改进NARX神经网络的四种预测模型的预测效果进行了比较分析,结果表明基于改进NARX神经网络的预测模型的预测精度最高,从而验证了人工神经网络用于轮轨力预测的有效性和可行性,并证明了本文所提出的改进 NARX神经网络算法的优越性和有效性。
作者：	庞学苗
专业：	机械电子工程
导师：	邢宗义
授予学位：	硕士
授予学位单位：	南京理工大学
学位年度：	2012
正文语种：	中文