基于组合预测模型的轮轨力连续测试

摘要：

为了精确判断车辆的运行状态,提出了一种轮轨力连续测试方法.根据轮轨相互作用的特点,采用阈值判断法从测试数据中提取轮轨力的有效信息.针对轮轨力测试系统的时变性和不确定性,将动态测试序列作为灰色过程处理,提出用灰色理论对轮轨力进行连续测试.为了提高预测精度,结合遗传算法和神经网络对传统的GM(1,1)模型进行改进.建立了10个预测模型分别进行预测,然后将精度较高的预测值输入串联灰色神经网络进行二次预测,以提高预测精度与稳定性.将这10个预测模型应用到轮轨力连续测试中,结果表明:灰色系统、遗传算法与神经网络三者的组合模型具有较高的精度,平均相对误差不超过2％,满足轮轨力连续测试的要求,并且能够降低传感器失效对测试结果的影响.

关键词：轮轨力、车轮失圆、灰色模型、遗传算法、神经网络、组合预测

所属期刊栏目：47

分类号：U211.5(铁路线路工程)

资助基金：国家863计划资助项目2009AA11Z202;国家自然科学基金资助项目51075340;第12届高等院校青年教师基金基础性研究课题121075

在线出版日期：2012-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：597-604