[发明专利]一种基于机器学习的列车动力学仿真方法及仿真平台

说明书

本发明实施例提供一种基于机器学习的列车动力学仿真方法及仿真平台。其中，该方法包括：根据预设标签提取与所述预设标签相关的属性数据信息；根据所述属性数据信息标定所述预设标签；利用所述属性数据信息和所述预设标签作为训练集，基于支持向量回归算法进行监督学习，获取由所述属性数据信息得到所述预设标签的回归曲线；利用所述回归曲线，根据所述属性数据信息预测所述预设标签的值，实现虚拟列车的动力学仿真模拟。本发明实施例通过机器学习中的支持向量回归算法，对列车的属性数据信息和标签进行训练，实现对虚拟列车在仿真平台上的模拟和试验；可减少列车现场监测监控的时间及人力消耗，并提高了整个测试过程中的效率和准确率。

技术领域

本发明实施例涉及计算机仿真技术领域，具体为一种基于机器学习的列车动力学仿真方法及仿真平台。

背景技术

机器学习是一种使用计算机模拟人类行为，以获取新的知识和技能的学科，采用机器学习可自动地从数据中发现其中蕴含的价值，可将原始数据信息转化为人们可以利用的信息。在轨道交通中，开发一套系统运用于列车运行，首要工作就是列车实时测试系统的稳定性及可靠性，一般测试是列车无数次现场运行调试，记录板记录列车运行数据及状态，这种情况下，需要花费大量的时间和人力对列车进行实时监测监控。

在城市轨道交通中，现有技术是利用遗传算法对列车运行仿真。采用遗传算法时，可能会面临其编码的不规范和表示的不准确性，而且单一的遗传算法编码不能全面的将优化问题的约束表达出来。另一方面，遗传算法的效率比较低、易过早收敛，对算法的精度、可行度、计算复杂性等方面，没有有效的定量分析方法。

发明内容

为解决现有技术中列车仿真中存在的问题，本发明实施例提供一种基于机器学习的列车动力学仿真方法及仿真平台。

第一方面，本发明实施例提供一种基于机器学习的列车动力学仿真方法，该方法包括：根据预设标签提取属性数据信息，所述属性数据信息与所述预设标签相关；根据所述属性数据信息标定所述预设标签；利用所述属性数据信息和所述预设标签作为训练集，基于支持向量回归算法进行监督学习，获取由所述属性数据信息得到所述预设标签的回归曲线；利用所述回归曲线，根据所述属性数据信息预测所述预设标签的值，实现虚拟列车的动力学仿真模拟。

第二方面，本发明实施例提供一种基于机器学习的列车动力学仿真平台，该仿真平台包括：属性数据信息获取模块，具体用于根据预设标签提取属性数据信息，所述属性数据信息与所述预设标签相关；预设标签标定模块，具体用于根据所述属性数据信息标定所述预设标签；机器学习模块，具体用于利用所述属性数据信息和所述预设标签作为训练集，基于支持向量回归算法进行监督学习，获取由所述属性数据信息得到所述预设标签的回归曲线；仿真预测模块，具体用于利用所述回归曲线，根据所述属性数据信息预测所述预设标签的值，实现虚拟列车的动力学仿真模拟。

第三方面，本发明实施例提供一种电子设备，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：根据预设标签提取属性数据信息，所述属性数据信息与所述预设标签相关；根据所述属性数据信息标定所述预设标签；利用所述属性数据信息和所述预设标签作为训练集，基于支持向量回归算法进行监督学习，获取由所述属性数据信息得到所述预设标签的回归曲线；利用所述回归曲线，根据所述属性数据信息预测所述预设标签的值，实现虚拟列车的动力学仿真模拟。

第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如下方法：根据预设标签提取属性数据信息，所述属性数据信息与所述预设标签相关；根据所述属性数据信息标定所述预设标签；利用所述属性数据信息和所述预设标签作为训练集，基于支持向量回归算法进行监督学习，获取由所述属性数据信息得到所述预设标签的回归曲线；利用所述回归曲线，根据所述属性数据信息预测所述预设标签的值，实现虚拟列车的动力学仿真模拟。