[发明专利]一种轮重减载率的预测方法

说明书

技术领域

本发明属于铁路安全技术领域，尤其涉及一种轮重减载率的预测方法。

背景技术

随着铁路运输向着高速、重载、大运量和高密度的方向发展，保证列车的安全平稳运行成为当前的一项重要任务。轮重减载率是车辆动力学主要指标之一，用于考核车轮由于轮重减载而引起的悬浮脱轨的安全程度。因此，减载率的预测对于铁路的行车安全具有重要的意义。

我国国家标准GB5599-85规定用轮重减载率限制车轮的减载量，轮重减载率定义为减载侧车轮的轮重减载量与轮对的平均静轮重之比，记作其安全标准为：

目前，各国普遍采用物理测力轮对检测轨道/车辆系统运行状态。物理测力轮对利用车轮作为传递元件的弹性体，当受到轮轨力的作用时，车轮产生变形，通过检测并解析这种变形与轮轨力之间的对应关系，可以确定轮轨间相互作用力的量值，进而计算得到减载率。但物理测力轮对存在成本过大、故障率高等缺陷，从而限制了物理测力轮对的推广使用。

利用动力学仿真软件构建轮轨动力学耦合模型是获取减载率的一种有效方法。通过对铁道车辆、轨道、轮轨接触等相关系统的动力学建模，在仿真软件中进行动力学参数的仿真计算，从而获取减载率等参数。

部分研究学者提出利用机理建模的方法来获取减载率，Eric构建了轮轨相互作用的垂向动力学系统模型，包括轮对、车体和悬挂的车辆模型，轨道模型和轮轨接触的线性模型，然后计算由轨道垂向不平顺产生的垂向轮轨力，进而计算得到减载率；Fujie提出了基于机理建模的车辆逆模型，根据车体横向加速度、垂向加速度和侧滚加速度等计算轮轨力、减载率等。由于在机理建模过程中对复杂非线性系统进行了较多的简化和近似处理，因此存在建模精度低和轮轨力预测性能较差等问题。

发明内容

针对上述背景技术中提到现有轮重减载率预测方法存在的成本高、预测精度低等不足，本发明提出了一种轮重减载率的预测方法。

本发明的技术方案是，一种轮重减载率的预测方法，其特征是该方法包括以下步骤：

步骤1：利用轨道检测车检测轨道的不平顺数据；

步骤2：通过步骤1采集的不平顺数据，利用ADAMS/RAIL软件建立模型仿真求得轨道的垂向轮轨力和横向轮轨力，进而求得轮重减载率，并对轮重减载率归一化处理；

步骤3：利用归一化后的脱轨系数对改进的NARX神经网络预测模型进行训练，并通过指定网络性能评价函数确定NARX神经网络预测模型的权值和阈值的优化效果；

步骤4：将步骤1采集的数据输入训练后的改进的NARX神经网络预测模型得到轮重减载率，用均方根误差法对该模型评价。

所述轨道不平顺数据包括左轨高低不平顺数据、左轨轨向不平顺数据、右轨高低不平顺数据和右轨轨向不平顺数据。

所述归一化公式为：

xiscal=xi-xminxmax-xmin]]>

其中：

为归一化后的数据；

x_i为归一化前的数据；

x_max和x_min分别为变量x的最大值和最小值。

所述NARX神经网络预测模型的结构包含2个中间层，两个中间层之间无联系。

所述对算法改进的NARX神经网络预测模型进行训练的方法为改进的正则化算法。

所述改进的正则化算法的网络性能评价函数：

F(w)＝(1-γ)E_D+γE_w

式中：

F(w)为网络性能评价函数值；

w为权值；

γ为修正因子，0≤γ≤1，取值0.3；

E_w为网络所有权值或阈值的平方和；

E_D为网络误差的平方和。