[发明专利]一种高速接触网吊弦分布坐标的优化设计方法

权利要求书

1.一种高速接触网吊弦分布坐标的优化设计方法，其特征在于，包括以下步骤：

步骤S1，获取待优化高速受电弓-接触网系统的基本参数，以各个吊弦的分布坐标作为输入变量，以受电弓-接触网的接触力标准差作为输出评价指标；采用有限元法建立受电弓-接触网耦合作用模型；

步骤S2，基于获取的基本参数中原始吊弦坐标，采用中心复合设计方法设计各个吊弦分布坐标的水平试验表，然后分别将该水平试验表中的吊弦分布坐标输入到步骤S1建立的受电弓-接触网耦合作用模型中，并进行弓-网耦合作用仿真，提取输出受电弓-接触网的接触力标准差；

步骤S3，以步骤S2中各个吊弦的分布坐标为输入变量，接触力标准差为输出评价指标，采用BP神经网络建立输入吊弦的分布坐标与输出接触力标准差之间的关系模型；

步骤S4，采用遗传算法搜寻出步骤S3中所建立的BP神经网络模型的最小接触力标准差及其对应的吊弦分布坐标的最优组合。

2.根据权利要求1所述的一种高速接触网吊弦分布坐标的优化设计方法，其特征在于，受电弓-接触网耦合作用模型为2D平面模型，忽略横向拉出值；接触网中的承力索、接触线和弹性吊索采用预应力梁单元模拟；吊弦采用弹簧和质量单元模拟；线夹采用质量点模拟，并施加于相应的位置；将受电弓简化为三元质量-刚度-阻尼模型。

3.根据权利要求1所述的一种高速接触网吊弦分布坐标的优化设计方法，其特征在于，在步骤S1中，采用有限元法建立符合EN50318:2018标准的高速受电弓-接触网系统的受电弓-接触网耦合作用模型后，然后进行仿真，同时开展弓-网耦合作用的线路试验，然后将线路实测结果与仿真结果对比；在误差小于等于5％时，再进行步骤S2。

4.根据权利要求1所述的一种高速接触网吊弦分布坐标的优化设计方法，其特征在于，所述BP神经网络包括单一输入层、隐含层和输出层，采用基于Levenberg-Marquardt算法的训练函数trainlm，输入层和隐含层之间的传递函数为tansig，隐含层和输出层之间的传递函数为purelin；性能评价函数为均方根误差MSE，目标误差为4e-7，最大训练次数epochs为100，学习率为0.1，输入、隐含和输出层节点数分别为3、8和1。

5.根据权利要求1所述的一种高速接触网吊弦分布坐标的优化设计方法，其特征在于，采用基于进化理论和遗传原理的启发式随机优化算法-遗传算法在合理可行的范围内搜寻BP神经网络输出的最小接触力标准差及其对应的吊弦分布坐标的最优组合。

6.根据权利要求1所述的一种高速接触网吊弦分布坐标的优化设计方法，其特征在于，所述遗传算法中，种群规模、进化代数、交叉概率和变异概率分别设置为30、50、0.4和0.2。

7.根据权利要求1所述的一种高速接触网吊弦分布坐标的优化设计方法，其特征在于，在采用中心复合试验设计方法设计吊弦分布坐标的试验表时，若BP神经网络的拟合和泛化能力不足，则增加设计样本。

8.根据权利要求1所述的一种高速接触网吊弦分布坐标的优化设计方法，其特征在于，还包括步骤S5，采用基于BP神经网络权值矩阵和Garson方程的评价方法，量化各个吊弦分布坐标对接触力标准差的相对重要性，计算公式如下式(1)所示：

其中：I_j表示第j个输入神经元对应的吊弦的分布坐标对输出接触力标准差的相对重要性；N_i和N_h分别为输入变量和隐含层节点个数；W为连接权值，j，m和n分别对应输入层、隐含层和输出层对应的神经元；i、h和o分别表示输入层、隐含层和输出层对应的节点；从公式中可以看出，I_j值越大，其对应的吊弦分布坐标的相对重要性也越高；反之，相对重要性越低。

9.根据权利要求1所述的一种高速接触网吊弦分布坐标的优化设计方法，其特征在于，还包括步骤S6，验证优化后模型的其他弓-网性能指标，包括：定位点最大抬升量、弓-网接触点垂向最大位移范围、吊弦张力和双弓运行时后弓的受流质量。