版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于人工神經網絡的輪軌力預測.pdf
- 基于BP神經網絡的PID研究和改進.pdf
- 基于改進BP神經網絡的物體識別研究.pdf
- 基于BP神經網絡的車削力試驗研究.pdf
- 基于改進foa優(yōu)化bp神經網絡算法的
- 基于改進BP神經網絡入侵檢測系統(tǒng)的研究.pdf
- 基于改進BP神經網絡的電力負荷預測研究.pdf
- 基于改進BP神經網絡的客戶分類模型研究.pdf
- 基于改進BP神經網絡的車牌識別算法研究.pdf
- 基于改進BP神經網絡的梯級水庫調度函數(shù)研究.pdf
- 基于改進BP神經網絡的高新技術企業(yè)核心競爭力評價研究.pdf
- 基于改進BP神經網絡的上證指數(shù)預測.pdf
- 基于改進的BP神經網絡的結構損傷檢測研究.pdf
- BP神經網絡的研究分析及改進應用.pdf
- 基于改進BP神經網絡算法的企業(yè)可持續(xù)發(fā)展力評價研究.pdf
- 基于改進BP神經網絡車牌識別的研究.pdf
- 基于改進BP神經網絡的煤礦安全評價研究.pdf
- 基于改進BP神經網絡的工程造價估算研究.pdf
- 基于改進的BP神經網絡預測模型及其仿真.pdf
- 基于改進BP神經網絡的建筑施工安全評價.pdf
評論
0/150
提交評論