[发明专利]一种基于数据库聚类分析的轮对踏面智能镟修方法

权利要求书

1.一种基于数据库聚类分析的轮对踏面智能镟修方法，其特征在于，具体包括以下步骤：

S1.获取待镟修的车轮踏面的廓形数据，根据预设的权重比，生成聚类参数；

S2.根据所述车轮踏面的廓形数据和聚类参数，初始化多个聚类中心；

S3.所述车轮踏面的廓形数据分别划分到距离最近的聚类中心；

S4.根据划分后的廓形数据重新计算对应的聚类中心，判断聚类中心是否收敛，若是则转至步骤S5，否则返回步骤S3，根据新的聚类中心再次划分廓形数据；

S5.输出重新计算后的聚类中心，判断聚类数据库中是否已经存在相同的聚类中心，若是则转到步骤S7，否则生成相应的典型磨耗踏面虚拟样本，转至步骤S6；

S6.根据所述典型磨耗踏面虚拟样本，通过多学科设计优化方法，获得镟修量最小的优化外形，作为所述聚类中心对应的车轮踏面的优化镟修模板；

S7.根据步骤S6计算得到和聚类数据库中已经存在的相应车轮踏面的优化镟修模板，控制装置进行车轮踏面的镟修；

S8.判断镟修后的同轴左、右车轮是否满足轮径差标准要求，若是控制装置结束镟修，否则增加左、右车轮中车轮直径较大的车轮的镟修量，返回步骤S7。

2.根据权利要求1所述的一种基于数据库聚类分析的轮对踏面智能镟修方法，其特征在于，所述车轮踏面的廓形数据包括轮缘高度、轮缘综合值和轮缘厚度。

3.根据权利要求2所述的一种基于数据库聚类分析的轮对踏面智能镟修方法，其特征在于，所述聚类参数的计算公式具体如下所示：

Z＝η₁*Sh+η₂*qR+η₃*Sd

其中，Z为聚类参数，Sh为轮缘高度，qR为轮缘综合值，Sd为轮缘厚度，η₁、η₂、η₃为相应轮对参数的方差值。

4.根据权利要求3所述的一种基于数据库聚类分析的轮对踏面智能镟修方法，其特征在于，所述相应轮对参数的方差值的计算公式如下所示：

其中，η_i为相应轮对参数的方差值，i为1至3之间的整数，X_iN为多个踏面数据中的N个数据样本，μ_i为多个踏面数据的均值。

5.根据权利要求1所述的一种基于数据库聚类分析的轮对踏面智能镟修方法，其特征在于，所述步骤S2中通过k-means聚类算法来初始化多个聚类中心。

6.根据权利要求1所述的一种基于数据库聚类分析的轮对踏面智能镟修方法，其特征在于，所述步骤S3中划分廓形数据的距离度量采用欧式距离。

7.根据权利要求1所述的一种基于数据库聚类分析的轮对踏面智能镟修方法，其特征在于，所述步骤S4中聚类中心的收敛判据是以预设的目标函数小于设定的阈值作为标准。

8.根据权利要求7所述的一种基于数据库聚类分析的轮对踏面智能镟修方法，其特征在于，所述预设的目标函数为误差平方和，具体公式如下所示：

其中，P为数据样本，C_i为数据集合，m_i为多个数据集合的平均值，即聚类中心，k表示类别数。

9.根据权利要求1所述的一种基于数据库聚类分析的轮对踏面智能镟修方法，其特征在于，所述步骤S5中典型磨耗踏面虚拟样本是结合聚类中心的定义和多个车轮踏面的磨损廓形均值计算得到。

10.根据权利要求1所述的一种基于数据库聚类分析的轮对踏面智能镟修方法，其特征在于，所述步骤S6中多学科设计优化方法按照车辆特征和运行线路特征计算镟修量最小的优化外形。