科研之友
微信
新浪微博
Facebook
分享链接
摘要
高速列车行驶中所产生的蛇行运动会严重影响到列车的行驶安全，所以对蛇行运动进行预测可以做到提前预警。目前对于蛇行运动的研究主要为对蛇行失稳的预测，但列车运行过程中会出现正常到蛇行失稳的小幅蛇行中间状态，对小幅蛇行状态进行预测可以提前对蛇行失稳进行预警。为此，以高速列车转向架横向加速度信号为标准，针对高速列车蛇行运动数据的极端不平衡情形，提出了一种基于1D-CNN和CGAN的非平衡数据的预测方法。该方法首先利用CGAN的对抗性学习机制，通过生成器和鉴别器之间的博弈来优化更新参数。然后，将训练完备的CGAN模型用于生成样本，将增强后的数据送入1D-CNN分类器，并输出预测结果。在高速列车实际运行数据上进行实验，结果表明CGAN可以拟合高速列车蛇行故障运动的数据分布并增强数据集，且基于提出的方法预测精度为97.5%,大幅优于对比方法。因此基于CGAN-1DCNN的小幅蛇行预测方法可以在数据不平衡下对小幅蛇行的预测，实现对蛇行失稳的提前预警。
- 单位
