基于RBF神经网络代理模型的车辆/轨道参数多目标优化

作者：肖乾; 罗超^*; 欧阳志许; 昌超; 罗佳文

来源：机械强度, 2021, 43(02): 319-326.

DOI：10.16579/j.issn.1001.9669.2021.02.011

• 高速列车
• 代理模型
• RBF
• 多目标优化
• 灵敏度分析

为探究车辆与轨道参数多目标优化问题,基于RBF(Radial Basis Function)神经网络代理模型对车辆/轨道参数实现多目标优化以改善车辆的动力学性能。通过构建高速列车车辆-轨道耦合动力学仿真模型,借助UM与Isight联合仿真技术分析车辆与轨道参数对动力学性能的灵敏度影响,以灵敏度占比最大的8个参数为设计变量,以动力学性能为响应建立RBF神经网络代理模型,在代理模型的基础上对车辆/轨道参数进行多目标优化。结果表明,车辆与轨道参数在优化后,最优解对脱轨系数的优化率达到13.14%,且对轮重减载率的优化率达到14.63%,可见优化效果显著,车辆的动力学性能获得较大改善。

• 单位
  华东交通大学; 牵引动力国家重点实验室; 西南交通大学