原文传递
基于BP神经网络的测力轮对受力分析
| 论文题名： | 基于BP神经网络的测力轮对受力分析 |
| 关键词： | 测力轮对;BP神经网络;轮轨力;横垂向桥 |
| 摘要： | 轮对是机车走行部的重要部件，是影响列车安全运行的主要因素之一。轮轨力测量是车辆动力学理论与实践的重要环节，测力轮对是测量轮轨力最直接最准确的方法。用铁路机车车辆的轮对作为力传感器来测量轮轨间的相互作用力的方法，是所有轮轨力方法中测量精度最高的方法。 本文分析了测力轮对实现连续测量的原理，传统的解决方法是组测试电桥，常用的组桥模式有正余弦桥和三角波桥。然而目前的测力轮对尚有以下缺陷：(1)测试电桥组成后便不易改动，因此，很难保证所组电桥是最优的；(2)测力轮对在投入运行之前，首先要进行标定试验。实验室内可以精确实现垂向加载标定试验，对于横向作用力来说尚无法在轮轨踏面上实现准确加载，从而无法实现横向载荷的准确标定，其载荷的耦合更无法预测。本文通过计算机仿真的方法，通过对同一测力轮对的计算找到最佳组桥模式和贴片位置，从而提高了测试精度。对于实验室内无法实现的横向加载问题，利用计算机仿真也得到了令人满意的结果。对于横向和垂向轮轨力耦合作用下的实际轮轨力解耦也进行了研究，并提出采用建立BP神经网络模型解耦横垂向桥的方法。测力轮对加载位置对横垂向桥的影响也加以考虑，传统处理方法采用求得修正系数或在敏感位置重新设计一个计算加载位置的桥路的思想。本文建立了一个可以同时得到垂向载荷大小和加载位置的BP网络模型。 此外，本文还利用测力轮对模型仿真数据的输出，通过传统组桥方法处理的结果和BP网络模型处理的结果进行了比较，发现采用BP网络模型仿真的结果可以得到更理想的输出波形，同时解决或减少了传统组桥过程中存在的一系列问题，并可充分考虑轮轨接触位置的信息。结果表明，本文所提出的利用BP神经网络分析轮轨力的方法是可行的，所建立的网络也是具有应用价值的。 |
| 作者： | 周艳红 |
| 专业： | 载运工具运用工程 |
| 导师： | 林建辉 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2005 |
| 正文语种： | 中文 |
检索历史
应用推荐
