基于数据不平衡下的高速列车小幅蛇行预测方法

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.

关键词：高速列车、小幅蛇行、生成式对抗网络、卷积神经网络

所属期刊栏目：45

分类号：U216.3;TH17;TN98(铁路线路工程)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：149-154