科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了尽可能减小轨道车辆垂向轮轨力时域识别中存在的误差，以时域法为基础，开展了基于机器学习修正的轨道车辆垂向轮轨力识别研究。首先建立了车辆动力学仿真模型，获取了车辆在随机轨道激励下以250km/h速度行驶时的轴箱加速度响应和垂向轮轨力；其次，建立了Green函数法、状态空间法这2种时域动载荷识别方法，对方法的初值误差进行了分析，进而对比分析了2种方法的计算精度和计算效率；然后，针对时域法存在的识别误差，提出采用NARX模型（nonlinear autoregressive models with exogenous inputs）对识别误差进行训练和预测，用于消减模型中存在的如响应观测不全、观测噪声等因素造成的影响，进而对时域法识别结果进行修正，提高识别精度；最后，通过一个10自由度轨道车辆垂向动力学模型，对方法的正确性进行了验证。研究结果表明：2种方法对轨道车辆垂向轮轨力均具有较高的识别精度，对于各轮对的识别精度各有优劣；在计算效率方面，状态空间法比Green函数法更优；经NARX模型修正的2种时域法对轨道车辆垂向轮轨力均具有很好的识别效果，识别值与正演值的Pearson相关系数大于0.99，为极强相关。基于NARX模型的机器学习误差修正方法可有效提高时域识别精度，可以为后续轨道车辆轮轨力预测提供参考，具有较强的工程运用价值。
- 单位
