原文传递
基于神经网络的轨道车辆振动状态预测方法研究
| 论文题名： | 基于神经网络的轨道车辆振动状态预测方法研究 |
| 关键词： | SIMPACK模型;遗传算法;轨道不平顺;神经网络;车体振动加速度 |
| 摘要： | 车辆振动是导致列车舒适性下降的重要因素，也是评定车辆安全性和乘坐舒适性，作为限速、提速的主要依据。本文以轨道不平顺为输入，分别建立了车辆系统BP、RBF、NARX神经网络模型，以此预测车辆的振动状态。通过建立车辆SIMPACK动力学模型，验证基于神经网络的车辆振动预测评估方法的有效性，并采用遗传算法优化了BP、RBF神经网络的训练过程，提高了模型的预测精度。结果表明，NARX神经网络以及采用遗传算法优化的BP、RBF神经网络模型能够准确预测车体振动加速度的变化趋势，预测值与目标值具有较高的相关性。在以上算法研究的基础上，运用LabVIEW软件设计了轨道车辆振动预测虚拟实验系统，并结合轨检车测试数据，实现了车体振动加速度的准确预测。主要内容如下： 本文首先针对列车形式，建立其动力学模型，通过对比实测及模型输出的车辆振动数据，验证动力学模型的准确性。在此基础上，将实测的某线路轨道不平顺数据作为模型激励，获得相应的车体振动加速度响应，为后续验证神经网络模型的预测性能提供数据支撑。 获取模型验证数据以后，以轨道不平顺为输入，车体振动加速度为输出，分别建立了车辆系统BP、RBF以及NARX神经网络模型。采用遍历法获得了最佳的神经网络结构与参数，实现了车体振动加速度的准确预测。针对BP、RBF神经网络预测精度较低的问题，在分析神经网络训练算法以及网络结构的基础上，采用遗传算法优化了BP、RBF神经网络的训练过程，提高了网络的预测精度。结果表明：NARX神经网络以及采用遗传算法优化的BP、RBF神经网络，能够准确预测轨道不平顺输入下的车体振动加速度输出，预测值与目标值达到中等程度以上相关。 在以上算法研究的基础上，本文运用LabVIEW软件开发了一套轨道车辆车体振动预测虚拟仿真系统。系统采用GJ-5轨检车测试数据，实现了准确预测车体振动加速度的目的。 |
| 作者： | 耿松 |
| 专业： | 车辆工程 |
| 导师： | 柴晓冬 |
| 授予学位： | 硕士 |
| 授予学位单位： | 上海工程技术大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
