基于深度学习的轨道不平顺与车体垂向加速度映射模型
A Mapping Model between Track Irregularity and Vertical Car-body Acceleration Based on Deep Learning作者机构:西南交通大学高速铁路线路工程教育部重点实验室四川成都610031 西南交通大学土木工程学院四川成都610031
出 版 物:《铁道学报》 (Journal of the China Railway Society)
年 卷 期:2023年第45卷第6期
页 面:106-113页
核心收录:
学科分类:08[工学] 0802[工学-机械工程] 0814[工学-土木工程]
基 金:国家重点研发计划(2022YFB2602905) 国家自然科学基金(U1934214) 四川省科技计划(2023NSFSC1975)。
主 题:高速铁路 轨道不平顺 车体垂向加速度 深度学习 卷积长短期记忆组合模型
摘 要:高速列车在长期服役条件下,其车辆悬挂系统等参数与设计值差异较大。多体动力学仿真模型难以模拟真实运营环境,且计算效率较低。为更加准确、快速地评价各种轨道结构以及不平顺激励下车体的垂向振动响应,根据实测轨道不平顺与车体垂向加速度的时空数据传递特征,建立一种卷积长短期记忆组合模型,该模型将轨道不平顺与列车运行速度作为输入,实现对车体垂向加速度的预测。结果表明,卷积长短期记忆模型预测的平均绝对百分比误差值为5.64%,相比动力学仿真模型减少3.57%。在预测一段3 km长线路的垂向车体加速度时,动力学仿真模型需要花费约53 s,而卷积长短期记忆网络只需要花费约1.6 s,预测效率提升33倍。