10.3969/j.issn.1006-0316.2023.05.010
基于BP神经网络优化的卡尔曼滤波算法在轨道垂向不平顺估计中的应用
轨道不平顺是引起车辆和轨道振动的主要原因,也是影响列车平稳性和舒适性的关键因素.本文根据卡尔曼滤波(KF)最优估计原理,建立了车辆系统模型,通过观测车辆系统中车体、前后构架的多个惯性量,采用BP神经网络优化卡尔曼滤波(BP-KF),实现了轨道垂向不平顺的估计.结果表明,优化后的轨道垂向不平顺估计值,无论是在趋势上还是幅值上与原始值都具有较高的一致性,为轨道不平顺的间接估计提供了新的技术手段.
铁道车辆、轨道不平顺、卡尔曼滤波器、BP神经网络
50
U279.2(车辆工程)
2023-06-05(万方平台首次上网日期,不代表论文的发表时间)
共7页
58-64