基于NARX神经网络的轮轨力预测方法.pdf

(19)中华人民共和国国家知识产权局*CN102360454A*(12)发明专利申请(10)申请公布号CN102360454A(43)申请公布日2012.02.22(21)申请号201110308162.8(22)申请日2011.10.12(71)申请人北京交通大学地址100044北京市海淀区西直门外上园村3号北京交通大学科技处(72)发明人秦勇程晓卿周慧娟贾利民庞学苗刘松刑宗义(74)专利代理机构北京众合诚成知识产权代理有限公司11246代理人朱琨(51)Int.Cl.G06N3/08(2006.01)权利要求书1页说明书4页附图3页(54)发明名称基于NARX神经网络的轮轨力预测方法(57)摘要本发明公开了铁路安全运行控制技术领域中的一种基于NARX神经网络的轮轨力预测方法。包括利用轨道检测车采集轨道不平顺数据；对轨道不平顺数据进行仿真，得到轮轨力数据；对轨道不平顺数据和轮轨力数据进行归一化处理；设定NARX神经网络预测模型；选取训练样本，训练NARX神经网络预测模型；选取测试样本，对训练好的NARX神经网络预测模型进行测试，输出测试后的轮轨力数据；对测试样本中的轮轨力数据和测试后的轮轨力数据进行分析，评价NARX神经网络预测模型的性能。本发明利用实测到的轨道不平顺数据，采用NARX神经网络模型，预测轮轨力，提高了铁路行车安全评价的准确性。CN1023645ACCNN110236045402360471A权利要求书1/1页1.一种基于NARX神经网络的轮轨力预测方法，其特征是所述方法包括：步骤1：利用轨道检测车采集轨道不平顺数据；步骤2：对轨道不平顺数据进行仿真，得到轮轨力数据；步骤3：对轨道不平顺数据和轮轨力数据进行归一化处理；步骤4：设定NARX神经网络预测模型；步骤5：在归一化处理后的轨道不平顺数据和轮轨力数据中选取训练样本，训练NARX神经网络预测模型；步骤6：在归一化处理后的轨道不平顺数据和轮轨力数据中选取测试样本，对训练好的NARX神经网络预测模型进行测试，输出测试后的轮轨力数据；步骤7：对测试样本中的轮轨力数据和测试后的轮轨力数据进行分析，评价NARX神经网络预测模型的性能。2.根据权利要求1所述的一种基于NARX神经网络的轮轨力预测方法，其特征是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。3.根据权利要求1所述的一种基于NARX神经网络的轮轨力预测方法，其特征是所述轮轨力数据包括横向轮轨力数据和垂向轮轨力数据。4.根据权利要求1所述的一种基于NARX神经网络的轮轨力预测方法，其特征是所述对轨道不平顺数据和轮轨力数据进行归一化处理具体利用公式其中，xi为轨道不平顺数据/轮轨力数据，xmin为轨道不平顺数据/轮轨力数据中的最小值，xmax为轨道不平顺数据/轮轨力数据中的最大值，i为大于等于1并且小于等于轨道检测车采集到的轨道不平顺数据总数的整数。5.根据权利要求1所述的一种基于NARX神经网络的轮轨力预测方法，其特征是所述设定NARX神经网络预测模型具体是，设定NARX神经网络的中间层节点采用tan-sigmoid函数，输出层节点采用线性函数，输入层节点个数为4，中间层节点数目为15，输出层节点数目为1，输入延迟和输出延迟都为45。6.根据权利要求1所述的一种基于NARX神经网络的轮轨力预测方法，其特征是所述训练NARX神经网络预测模型具体采用贝叶斯正则化算法训练NARX神经网络。7.根据权利要求1所述的一种基于NARX神经网络的轮轨力预测方法，其特征是所述步骤7具体采用均方根误差法、曲线拟合法或者线性回归分析法评价NARX神经网络预测模型的性能；其中，均方根误差法具体利用公式y(j)为测试样本中的轮轨力数据，ym(j)为测试后的轮轨力数据，N为测试样本数目；所述曲线拟合法是对测试样本中的轮轨力数据和测试后的轮轨力数据进行曲线拟合；所述线性回归分析法是对测试样本中的轮轨力数据和测试后的轮轨力数据进行线性回归分析。2CCNN110236045402360471A说明书1/4页基于NARX神经网络的轮轨力预测方法技术领域[0001]本发明属于铁路安全运行控制技术领域，尤其涉及一种基于NARX神经网络的轮轨力预测方法。背景技术[0002]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，因此我国采用轨道检测车或综合检测列车等对铁路基础设施服役状态进行周期性检测。在基础设施的诸多检测项目中，轮轨力是导致轨道失效/破坏、列车脱轨、车辆部件损伤的重要因素，也是用来评定行车平稳性和安全性，并作为限速、提速的主要依据，因此轮轨力的获取具有重要的理论与实际意义。[0003]物理测力轮对是检测轨道/车辆系统运行状态的重要工具