人工智能算法在铁道车辆动力学仿真中的应用进展

• 作者: 唐兆 董少迪 罗仁 蒋涛 邓锐 张建军
• 来源期刊: 交通运输工程学报
• 关键词: 铁道车辆 人工智能算法 动力学建模与仿真 性能预测 性能优化 机器学习 深度学习
• 年，卷（期）: 2021,（1）
• 页码范围: 250-266
• 页数: 17页
• 分类号: U270.1
• 语种: 中文
• DOI: 10.19818/j.cnki.1671-1637.2021.01.012

摘要

梳理了人工智能算法在铁道车辆系统动力学仿真中的应用实例和国内外相关文献,概述了铁道车辆动力学仿真中常用的机器学习和深度学习算法,归纳和评述了 2种学习算法在铁道车辆系统动力学建模与仿真中的应用分类;从铁道车辆系统动力学建模、动力学性能预测与动力学性能优化等方面入手,详细讨论了人工智能算法应用在力元建模和仿真、轨道不平顺预测、运行平稳性预测、噪声预测、侧风安全性预测、运行安全性预测、悬挂优化、轮轨匹配优化、结构优化以及主动与半主动控制等领域的优势和局限性,指出了现阶段人工智能算法在动力学仿真应用中主要面临的训练样本缺乏、泛化能力不够、可解释性欠缺等问题;展望了今后人工智能算法和车辆系统动力学交叉研究的发展方向和重点研究内容.研究结果表明:融合经典力学和人工智能算法结合的混合建模理论可作为之后的重点研究方向;人工智能算法对解决随机动力学中的随机不确定性,提高随机动力学的性能具有较大的应用潜力;通过人工智能算法与优化算法相结合来实现动力学性能优化,可充分发挥人工智能算法的优势.