声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2187/TH
国际刊号：0577-6686
发布日期:
作者：董少迪, 唐兆, 王开云, 王建斌, 黎荣, 张建军
单位：1. 西南交通大学牵引动力国家重点实验室 成都 610031;2. 西南交通大学机械工程学院 成都 610031;3. 伯恩茅斯大学英国国家计算机动画中心 伯恩茅斯BH12 5BB英国
关键词：列车曲线通过,数字孪生体,深度学习,实时预测；
基金：国家重点研发计划(2020YFB1711402)和四川省自然科学基金(2022NSFSC0415)资助项目。
提出一种基于数字孪生技术的列车曲线通过性实时预测方法，解决传统动力学仿真方法在列车曲线通过性能分析时,面临的多自由度耦合模型构建复杂、不确定性因素分析困难等问题，提高仿真结果的实时性与精确度。构建面向列车曲线通过安全性的数字孪生体，可视化呈现列车曲线通过时安全性指标的动态变化过程。利用MQRNN深度学习算法稳健高效的特点，对列车曲线通过时的构架横向加速度、轮轴横向力、轮轨垂向力、脱轨系数等安全性指标进行特征提取，动态仿真以及实时预测，并将结果与LSTM计算结果进行比较。结果表明，相对LSTM方法，提出的MQRNN方法将最大误差，最大绝对误差分别降低至0.017, 0.09，同时具有更好的抗干扰能力，可以给出置信区间为90%的预测结果。所研究为列车曲线通过数字孪生体的构建及安全性预警奠定了基础。
来源：2022年第18期
《机械工程学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。