基于神经网络的轨道车辆振动预测

• 作者: 柴晓冬 耿松 郑树彬
• 来源期刊: 计算机测量与控制
• 关键词: 神经网络 动力学模型 轨道不平顺 车体振动加速度
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 自动化测试技术
• 页码范围: 3525-3527,3535
• 页数: 4页
• 分类号: U216.3
• 语种: 中文

摘要

车体振动加速度是反映车辆振动状态及轮轨接触品质的重要参数;基于NARX神经网络,结合车辆动力学模型,构建了轨道不平顺激励下的车辆振动加速度神经网络预测模型;为提高模型的预测精度,运用遍历法确定了网络的时延阶数、隐节点等模型参数;基于车辆系统SIMPACK模型仿真数据的验证结果表明,模型输出与目标输出具有较高的相关性以及较小的均方根误差值,模型能够较好的预测出车体振动加速度的变化趋势;最后采用实测数据进一步验证了模型的预测性能,证明了构建的神经网络模型可以准确预测车体振动加速度输出,并有良好的泛化效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴晓冬	上海工程技术大学城市轨道交通学院	78	295	9.0	12.0
2	郑树彬	上海工程技术大学城市轨道交通学院	78	287	9.0	13.0
3	耿松	上海工程技术大学城市轨道交通学院	3	5	1.0	2.0