[发明专利]一种强风铁路风致列车舒适性劣化预测方法

权利要求书

1.一种强风铁路风致列车舒适性劣化预测方法，包括如下步骤：

S1.获取列车振动信号实验数据；

S2.针对步骤S1获取的实验数据，进行列车振动信号特征提取与列车振动信号特征库的建立；

S3.建立列车舒适性描述初步模型；具体为采用列车不同部位的振动信号的特征库进行多标签分类和训练，并采用如下步骤进行建模：

a.读取N1个连续历史时刻的列车各部位测点振动信号数据集；N1为正整数；

b.划分数据集：将步骤a得到的数据集中，AA％作为训练集，BB％作为验证集，CC％作为测试集；AA、BB和CC均为正整数，且AA+BB+CC＝100；

c.采用如下公式计算总舒适性指数W：

式中N为测试集的个数；W_i为第i频段的舒适性指标，且

z(t)_max为振动加速度最大值；z(t)_min为振动加速度最小值；y(t)_max为振动振幅最大值；y(t)_min为振动振幅最小值；x(t)_max为振动频率最大值；x(t)_min为振动频率最小值；V_x为测点在x坐标下的主运动速度；V_y为测点在y坐标下的主运动速度；V_z为测点在z坐标下的主运动速度；

d.建立列车各部位测点振动信号确定性映射关系的深度学习模型：堆叠长短时记忆网络模型的输入为振动信号的输入矩阵，对应的用于表示舒适性指数的多标签值作为堆叠长短时记忆网络模型的输出，以学习在不同历史时刻下标签值与振动信号特征的对应关系；模型参数采用5折交叉验证确定，选取在验证集上描述精度最高的一组参数得到训练完备后的列车舒适性描述初步模型f(W)；

S4.基于多目标优化，对步骤S3建立的列车舒适性描述初步模型进行识别，从而得到最终的列车舒适性描述模型；

S5.实时获取待预测列车的振动信号数据；

S6.根据步骤S5获取的待预测列车的振动信号数据，采用步骤S4得到的列车舒适性描述模型对待预测列车进行实时舒适性劣化预测；具体为采用如下步骤进行预测：

1)计算列车与车站的实时距离；具体为采用如下步骤计算实时距离：

根据列车现处经纬度位置[LON^C,DIM^C]，将车站m的经纬度位置记为[LON^S,m,DIM^s,m]，并采用如下算式计算第t个时刻下列车与车站的距离：

根据列车运行时前若干分钟内的分均速度v和列车剩余行驶路线的有向路径采用如下算式计算未来T分钟后列车的预计位置：

式中为列车与车站的经度有向路径，为列车与车站的维度有向路径；

2)根据步骤1)计算得到的实时距离，选取距离最小的若干个车站作为列车途径区域的最小空间单元，记录其车站编号并读取其在t个连续历史时刻内的列车振动信号集合；

3)根据步骤2)读取的数据和步骤S4得到的列车舒适性描述模型，建立并训练最小空间单元内的列车舒适性预测模型，得到训练完备后的列车舒适性预测模型；具体为采用加权正则化极限学习机，隐含层神经元数量设置为25，正则化项系数设置为2^-10，得到训练完备后的列车舒适性预测模型；

4)采用步骤3)得到的列车舒适性预测模型，对列车每个时刻的舒适性指数进行预测，从而完成对待预测列车进行实时舒适性劣化预测。

2.根据权利要求1所述的一种强风铁路风致列车舒适性劣化预测方法，其特征在于还包括如下步骤：

S7.将步骤S5实时获取的振动信号数据进行存储；

S8.对列车振动信号特征库和列车舒适性描述模型进行更新。

3.根据权利要求2所述的一种强风铁路风致列车舒适性劣化预测方法，其特征在于步骤S8所述的对列车振动信号特征库和列车舒适性描述模型进行更新，具体为经技术人员确认后，确认后预测结果及其对应的振动信号将作为新的实验数据进行存储，并当新增加的实验数据达到设定值时，利用新的实验数据更新列车振动信号特征库和列车舒适性描述模型。