[发明专利]列车车体舒适度的预测方法

权利要求书

1.一种列车车体舒适度的预测方法，其特征是所述方法包括：

步骤1：采集车体振动数据；

步骤2：根据车体振动数据，分别利用不同评价标准计算车体舒适度值；

步骤3：对不同评价标准计算的车体舒适度值进行归一化处理；

步骤4：建立基于递阶遗传算法的BP神经网络；

步骤5：任取两组利用不同评价标准计算并归一化处理后的车体舒适度值，分别作为基于递阶遗传算法的BP神经网络的输入数据和输出数据；

步骤6：分别在输入数据和输出数据中选择训练样本和测试样本；

步骤7：训练所述基于递阶遗传算法的BP神经网络；

步骤8：利用训练后的基于递阶遗传算法的BP神经网络，预测车体舒适度值并进行反归一化处理；

步骤9：当训练后的基于递阶遗传算法的BP神经网络满足精度要求时，输出预测并反归一化后的车体舒适度值。

2.根据权利要求1所述的一种列车车体舒适度的预测方法，其特征是所述车体振动数据包括车体的横向加速度、纵向加速度和垂向加速度。

3.根据权利要求1所述的一种列车车体舒适度的预测方法，其特征是所述分别利用不同评价标准计算车体舒适度值具体是分别利用国际标准化组织的ISO2631评价标准、德国的Sperling评价标准、英国的BS6841评价标准、欧盟的ENV12299评价标准和国际铁路联盟的UIC513评价标准计算车体舒适度值。

4.根据权利要求1所述的一种列车车体舒适度的预测方法，其特征是所述对不同评价标准计算的车体舒适度值进行归一化处理具体利用公式其中，x_i为i时刻车体舒适度值，x_min为所有时刻的车体舒适度值的最小值，x_max为所有时刻的车体舒适度值的最大值。

5.根据权利要求1所述的一种列车车体舒适度的预测方法，其特征是所述基于递阶遗传算法的BP神经网络的输入层节点数为1，最大隐单元个数为30，输出层节点数目为1；其遗传算法的参数设置为：初始种群数为25，进化代数为25，隐节点重叠系数为0.6，精确度误差系数和复杂度误差系数均为1，控制基因和参数基因交叉概率均为0.77，控制基因和参数基因变异概率为0.05。

6.根据权利要求1所述的一种列车车体舒适度的预测方法，其特征是所述训练后的基于递阶遗传算法的BP神经网络满足精度要求具体是，当公式的计算结果小于设定阈值时，训练后的基于递阶遗传算法的BP神经网络满足精度要求；其中，y为测试样本中的目标值，y_m为预测并反归一化后的车体舒适度值，N为测试样本数目。