基于深度学习的轨道不平顺与车体垂向加速度映射模型

作     者：何庆 利璐 李晨钟 汪健辉 王平 HE Qing;LI Lu;LI Chenzhong;WANG Jianhui;WANG Ping

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。