[发明专利]一种基于神经网络模型的高速铁路钢轨廓形优化设计方法

说明书

本发明提供了一种基于神经网络模型的高速铁路钢轨廓形优化设计方法。包括：根据高速铁路钢轨的接触位置得到钢轨廓形优化区域，确定钢轨廓形优化目标函数和钢轨廓形优化区域的约束条件，根据钢轨廓形优化区域中的待优化点和约束条件生成备选钢轨廓形，计算待优化点的钢轨磨耗得到钢轨磨耗目标函数；根据备选钢轨廓形的坐标和钢轨磨耗目标函数生成输入及输出数据集，使用输入与输出数据集训练神经网络；基于遗传算法搭建钢轨廓形优化模型，通过训练好的神经网络计算遗传算法中的适应度函数值，输出各个待优化点的坐标值，形成优化后的钢轨廓形。本发明通过全局寻优得到的优化后的钢轨型面，能够明显减小轮轨磨耗，使轮轨磨耗区域分布更加均匀。

技术领域

本发明涉及轨道工程技术领域，尤其涉及一种基于神经网络模型的高速铁路钢轨廓形优化设计方法。

背景技术

我国目前高速铁路运营里程已达到世界第一，随着高速铁路运营里程及列车开行密度的增加，钢轨不均匀磨耗已经逐渐成为轨道基础设施中最严重的病害之一，每年由于换轨及轮轨磨耗造成的相关养护维修开销达到数十亿元。并且钢轨不均匀磨耗会影响列车运行安全及稳定性，轮轨不均匀磨耗已经引起相关研究人员及铁路工务部门的重视。

钢轨磨耗的本质是轮轨型面匹配的问题，因为轮轨型面匹配会直接影响轮轨间相互作用，优化钢轨廓形以实现更好地轮轨型面匹配不仅会减少磨耗还会优化轮轨相互作用。但是，目前对于以减少高速铁路钢轨磨耗为目标的钢轨廓形优化问题尚无系统研究，并且由于轮轨之间的接触为复杂的非线性关系，很难得到目标函数的数值解析表达，为了明确轮轨相互作用的解析式，假设条件的提出是不可避免的，因此优化结果的准确性就大打折扣。考虑到神经网络模型现在已经被证明能够用来解决复杂的非线性问题而无需给定复杂的数学关系，所以利用神经网络模型能够克服上述钢轨廓形优化准确性问题。

由于高速铁路的特殊性，例如客流量大，线路繁忙等，所以养护维修的天窗时间短且工作量巨大，而优化后的钢轨廓形能够消除钢轨脱碳层缺陷和减少轮轨磨耗，能够延长钢轨的服役寿命，减少养护维修的支出和工作量。目前，现有技术中还没有一种采用神经网络模型和遗传算法相结合的方法，实现钢轨廓形优化的方法。

发明内容

本发明的实施例提供了一种基于神经网络模型的高速铁路钢轨廓形优化设计方法，以实现有效地进行钢轨廓形优化。

为了实现上述目的，本发明采取了如下技术方案。

一种基于神经网络模型的高速铁路钢轨廓形优化设计方法，根据高速铁路钢轨的接触位置得到钢轨廓形优化区域，根据所述钢轨廓形优化区域确定钢轨廓形优化目标函数和所述钢轨廓形优化区域的约束条件；

选取所述钢轨廓形优化区域中的设定数量的待优化点，根据所述待优化点和所述钢轨廓形优化区域的约束条件生成备选钢轨廓形；

使用多体动力学-钢轨磨耗计算模型MDRW计算所述待优化点的钢轨磨耗，根据待优化点的磨耗得到钢轨磨耗目标函数；

根据所述备选钢轨廓形的坐标和所述钢轨磨耗目标函数生成输入及输出数据集，使用所述输入与输出数据集训练神经网络模型；

基于遗传算法搭建钢轨廓形优化模型，通过训练好的神经网络模型计算遗传算法中的适应度函数值，输出各个待优化点的坐标值，利用各个待优化点的坐标值形成优化后的钢轨廓形。

优选地，所述的根据高速铁路钢轨的接触位置得到钢轨廓形优化区域，包括：

根据高速铁路现场实测钢轨的接触位置信息、光带宽度及分布情况，参考线路参数及运行列车的车轮廓形信息，采用轮轨接触关系相关理论分析得到钢轨的接触位置，根据钢轨的接触位置确定钢轨廓形优化区域。

优选地，所述的根据所述钢轨廓形优化区域确定钢轨廓形优化目标函数和所述钢轨廓形优化区域的约束条件，包括：