基于改进BP神经网络的列车脱轨系数预测方法
列车运行过程中,脱轨系数过大将对列车运行安全产生影响并伴随脱轨隐患,因而列车脱轨系数的预测对保障列车安全运行至关重要.提出了一种基于改进BP神经网络的列车脱轨系数预测方法,利用轮轨接触横移量、接触角、车轮抬升量、列车速度对脱轨系数进行直接预测.针对传统BP神经网络收敛速度慢、易陷入局部极小值等缺陷,采用附加动量法和自适应学习率相结合的方法对其进行了改进.在ADAMS/Rail中建立车辆模型,通过该模型进行动力学仿真得到轮轨接触参数的数据,用此数据对改进BP神经网络进行验证.试验结果表明改进BP神经网络预测模型在相对误差及迭代次数上有明显改善,初步验证了该方法在列车脱轨系数预测方面的可行性.
改进BP网络、脱轨系数、仿真、状态预测
15
U211.5(铁路线路工程)
国家自然科学基金11372199,51405313;河北省自然科学基金项目A2014210142
2017-04-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
34-37