[发明专利]一种基于神经网络的城轨车辆构架损伤度检测方法

说明书

本发明公开了一种基于神经网络的城轨车辆构架损伤度检测方法，包括：S1：构建构架的有限元模型，分析城轨车辆构架在各工况下的理论受力，并计算其所对应的各监测点的应力值；S2：构建构架受力与应力关系的神经网络模型，将真实监测应力值输入神经网络模型中，即可输出构架的实际受力；S3：在构架的有限元模型中加载步骤S2输出的构架实际受力，得到构架应力，计算出应力集中点的当量损伤度；并根据当量损伤度来判断构架当前所处的劣化状态。本发明将有限元模型与实际检测数据相结合，避免了单纯理论计算与实际工况差距较大的情况，能够准确找到应力集中点，得出的当量损伤度更加接近构架真实状态，从而更好的表征了构架的劣化性能。

技术领域

本发明涉及车辆构架损伤度技术领域，具体涉及一种基于神经网络的城轨车辆构架损伤度检测方法。

背景技术

构架是转向架的关键主体结构部件，起到支撑车体和传递力的重要作用，构架的劣化会影响城轨车辆运行的平稳性和安全性。构架的主要劣化形式是疲劳损伤，疲劳损伤的分析方法主要有理论模型计算和现场实验检测。

理论模型计算通过加载构架的理论受力，确定构架的应力集中点，由于其使用模拟的受力驱动有限元模型，而不是实际受力，因而获得的构架应力分布与实际工况有较大差异，计算结果不能表征构架的真实状态。

通过直接测量构架的实际受力，再加载到理论模型进行计算可以提高分析结果准确性，但直接测量构架受力十分困难，标定过程复杂且出错率高，需要用到专门的检测设备，可行性和可操作性不高。

目前的实验检测主要是在理论应力集中点上安装应力传感器，直接获取车辆运行过程中的构架应力，但传感器只能采集固定监测点的应力。由于车辆在不同工况下，应力集中点可能不同，该方法无法准确监测到应力集中点，进而导致利用该检测应力值计算出的构架损伤度不够准确。

发明内容

为克服上述现有技术中的问题，本发明提供一种基于神经网络的城轨车辆构架损伤度检测方法，本发明基于神经网络方法，并将有限元模型与实际检测数据相结合，来进行城轨车辆构架损伤度计算，得出的当量损伤度更加接近构架真实状态，精准度高，且能够更好的表征构架的劣化性能。

本发明通过下述技术方案实现：

一种基于神经网络的城轨车辆构架损伤度检测方法，该方法包括以下步骤：

S1：构建构架的有限元模型，分析城轨车辆构架在各工况下的理论受力，并计算其所对应的各监测点的应力值；

S2：构建构架受力与应力关系的神经网络模型，将真实监测应力值输入神经网络模型中，即可计算并输出构架的实际受力；

S3：根据步骤S1，在构架的有限元模型中加载步骤S2输出的构架实际受力，得到构架应力，从而计算出应力集中点的当量损伤度；并根据当量损伤度来判断构架当前所处的劣化状态；若当量损伤度不大于0.5，则构架劣化性能较好，反之则构架劣化性能较差。

工作原理如下：

基于疲劳损伤的分析方法主要有理论模型计算和现场实验检测，(1)理论模型计算通过加载构架的理论受力，确定构架的应力集中点，由于其使用模拟的受力驱动有限元模型，而不是实际受力，因而获得的构架应力分布与实际工况有较大差异，计算结果不能表征构架的真实状态。通过直接测量构架的实际受力，再加载到理论模型进行计算可以提高分析结果准确性，但直接测量构架受力十分困难，标定过程复杂且出错率高，需要用到专门的检测设备，可行性和可操作性不高。(2)目前的实验检测主要是在理论应力集中点上安装应力传感器，直接获取车辆运行过程中的构架应力，但传感器只能采集固定监测点的应力。由于车辆在不同工况下，应力集中点可能不同，该方法无法准确监测到应力集中点，进而导致利用该检测应力值计算出的构架损伤度不够准确。