基于递阶神经网络的轨道车辆振动状态预测

• 作者: 柴晓冬 耿松 郑树彬
• 来源期刊: 城市轨道交通研究
• 学科: 交通运输
• 关键词: 神经网络 轨道不平顺 车体振动加速度 仿真预测
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 研究报告
• 页码范围: 94-98
• 页数: 5页
• 分类号: U270.1+1
• 字数: 2656字
• 语种: 中文
• DOI: 10.16037/j.1007-869x.2015.12.021

摘要

车体振动加速度是反映车辆振动状态及轮轨接触性能的重要参数.运用机器学习方法,结合车辆动力学模型,构建了轨道输入参数对车辆振动反映的神经网络预测模型.通过SIMPACK动力学仿真软件获得模型的输入与输出,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.仿真结果表明,该模型可以准确预测出在不同轨道不平顺激励下的车体振动加速度.

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