基于改進的BP神經網絡對輪軌力測量技術的研究.pdf

1、輪軌接觸關系是軌道交通中的重要研究課題之一。隨著列車運行速度提高，輪軌相互作用更加激烈，輪軌載荷也更加復雜。輪軌力的準確測量對于研究車輛系統(tǒng)運行平穩(wěn)性與安全性具有重要意義。目前測量輪軌力應用最廣泛的方法是采用測力輪對作為力的傳感器，在車輪輻板按一定方式組成橋路，通過標定試驗獲橋路輸出與輪軌力之間的關系。
　　本文利用有限元仿真技術，對CHR2動車組拖車輪對進行仿真，模擬輪對在垂向及橫向輪軌力作用下的響應情況，找出橫垂向力相互影響較

2、小的位置，將其確定為測力輪對的貼片位置。根據(jù)仿真結果，進行測力輪對的制作，并在標定試驗臺進行垂向力及橫向力標定試驗，得到相應的載荷標定系數(shù)。
　　人工神經網絡具有良好的魯棒性和容錯能力，同時具有強大的自學能力及并行處理能力，其仿真速度遠高于傳統(tǒng)建模方法。因此在工程領域，人工神經網絡廣泛應用于模式識別、非線性系統(tǒng)建模與控制。本文以精確預測輪軌力為目的，主要討論了基于遺傳算法優(yōu)化的BP神經網絡的輪軌力研究方法。
　　本文以CRH

3、2型車輪對為研究對象，介紹了測力輪對連續(xù)測量理論，結合有限元方法、遺傳算法和人工神經網絡，分析了測力輪對靜態(tài)標定試驗中橋路輸出和輪軌力的關系。本文建立了橫垂向橋解耦的神經網絡模型，以不同工況的測力輪對標定試驗數(shù)據(jù)為學習樣本。通過多次訓練學習，對比普通BP神經網絡和遺傳算法優(yōu)化的BP神經網絡的誤差值，得到GA-BP神經網絡的誤差值更小、預測性更好;對比GA-BP神經網絡輪軌力預測結果和通過標定系數(shù)獲得的輪軌力，得到GA-BP神經網絡在輪軌