基于神经网络的轨道车辆振动状态预测方法研究-车辆工程专业论文.docxVIP

万方数据 万方数据 基于神经网络的轨道车辆振动状态预测方法研究 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。 关键词：SIMPACK，遗传算法，轨道不平顺，神经网络，车体振动加速度 I VIBRATION PREDICTION METHOD OF RAILWAY VEHICLE BASE ON NEURAL NETWORK ABSTRACT The vehicle vibration is one of the important factors which led to the decrease of vehicle comfort and safety, also it is the main basis for the speed up and limit. Three kinds of vehicle system prediction model are established based on BP, RBF and NARX neural network in this article, which reflecting the relationship between the track irregularity and vehicle vibration. In order to verify the feasibility of the algorithm, a vehicle SIMPACK dynamics model is established and validated based on the measured data, the result shows the SIMPACK dynamics model is with high compatibility compared with the actual vehicle. The validation results based on simulation data from SIMPACK model, show that the NARX neural network prediction output is with high relevance and smaller root mean square error value compared with target output, the neural network model can well predict the change trend of vehicle vibration acceleration. The prediction accuracy of BP and RBF neural network is low, so the genetic algorithm is use