多源车载数据驱动的地铁轨道不平顺智能识别方法OA北大核心CSTPCD
Multi-source onboard data-driven method for intelligent identification of subway track irregularities
针对轨道不平顺检测成本高与时效性低等不足,从车辆动态响应与轨道不平顺之间的相关性为切入点,提出一种多源车载数据驱动的轨道不平顺智能识别方法.首先,建立地铁车辆系统动力学模型,获取车辆振动与运动姿态响应数据;其次,通过相关性分析算法,选取强相关性数据,制作网络模型数据集;最后,建立卷积神经网络-长短期记忆网络(CNN-LSTM),通过粒子群算法优化(PSO)神经网络模型参数,建立PSO-CNN-LSTM模型,实现对轨道不平顺的识别拟合.研究结果表明…查看全部>>
To address the shortcomings of high-cost and poor-timeliness of track irregularity detection,an intelligent track irregularity identification method with multi-source vehicle data drive based on the correlation between vehicle dynamic responses and track irregularities was proposed.Firstly,a subway vehicle system dynamic model was established to obtain the data of vehicle vibration and motion attitude.Secondly,strong correlation data were selected through co…查看全部>>
彭飞;谢清林;陶功权;温泽峰;任愈
西南交通大学轨道交通运载系统全国重点实验室,四川成都,610031西南交通大学轨道交通运载系统全国重点实验室,四川成都,610031西南交通大学轨道交通运载系统全国重点实验室,四川成都,610031西南交通大学轨道交通运载系统全国重点实验室,四川成都,610031西南交通大学轨道交通运载系统全国重点实验室,四川成都,610031
交通运输
轨道交通车辆动力学轨道不平顺神经网络智能识别
rail transportationvehicle dynamicstrack irregularitiesneural networkintelligent identification
《中南大学学报（自然科学版）》 2024 (6)
2432-2445,14
国家自然科学基金资助项目(U21A20167)四川省科技计划项目(2023YFQ0091,2023YFH0049)(Project(U21A20167)supported by the National Natural Science Foundation of ChinaProjects(2023YFQ0091,2023YFH0049)supported by the Science and Technology Plan of Sichuan Province
评论