基于深度学习的轨道不平顺估计车体横向加速度研究
利璐1
李晨钟2
王平2
何庆2
1.四川省交通勘察设计研究院有限公司,成都 610041;西南交通大学高速铁路线路工程教育部重点实验室,成都 6100312.西南交通大学高速铁路线路工程教育部重点实验室,成都 610031
摘要：针对轨道不平顺影响行车安全和乘坐舒适性的问题,开展轨道不平顺和车体振动响应之间关联关系的研究.根据轨道不平顺与车体横向加速度数据之间的时空传递特性,基于卷积神经网络(Convolutional Neural Network,CNN)与长短期记忆网络(Long Short-Term Memory,LSTM),建立一种CNN-LSTM组合模型.首先,对轨道不平顺与车体横向加速度之间的相干性进行分析,同时探究列车运行速度对车体横向加速度的影响,进而确定模型的输入数据;然后,对模型进行优化,确定CNN-LSTM组合模型参数细节;最后,利用CNN-LSTM组合模型、LSTM模型和多体动力学仿真模型对车体横向加速度进行估计,并与实测的车体横向加速度进行对比分析.研究结果表明:CNN-LSTM组合模型预测的平均均方根误差值为0.046,相比于LSTM模型、多体动力学仿真模型的平均均方根误差值分别减少了0.006和0.026,说明了CNN-LSTM组合模型能够对车体横向加速度进行有效估计.
关键词：轨道不平顺车体横向加速度深度学习CNN-LSTM组合模型
分类号：U216.3(铁路线路工程)
论文发表日期：2023-08-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 103-109 )
英文信息