[发明专利]预测轨道不平顺的模型生成方法和轨道不平顺的预测方法

说明书

本文提供了一种预测轨道不平顺的模型生成方法和轨道不平顺的预测方法，包括：获取车辆运行过程中的位移、加速度和角速度；对位移、加速度和角速度进行计算，得到轨道不平顺实际值序列，其中在车辆运行过程中不同时间点对应的不平顺实际值不同；将加速度中的垂向加速度输入初始神经网络模型中进行训练，通过损失函数循环调整初始神经网络模型；使通过模型训练后得到的不平顺预测值与对应的不平顺实际值之间的差距减小，使不平顺预测值的绝对值小于或等于对应的不平顺实际值的绝对值，并使不平顺预测值序列的峰值和谷值与对应的不平顺实际值之间的差值小于设定差值；进而得到目标神经网络模型。本文能够通过模型来方便快捷的预测轨道的不平顺情况。

技术领域

本发明涉及铁路工程领域，特别地，涉及一种预测轨道不平顺的模型生成方法和轨道不平顺的预测方法。

背景技术

轨道的平顺状态会直接决定运行于轨道上车辆系统的运行安全性和舒适性，当轨道平顺状态不好时，会严重影响行车的平稳性和安全性，甚至会造成列车脱轨，随着列车速度的提高，目前对轨道的平顺性提出了更高的要求。

目前对于轨道不平顺的检测方式主要是通过专业的检测车辆和设备进行定期的检测，但是随着高速铁路运输任务的不断增长，为了保证铁路运输的安全性，轨道不平顺检测的频率不断提高，而现有的对于轨道不平顺的检测方式操作复杂且耗时较长，不能够满足检测任务增长的需要。

为了能够快捷方便的进行轨道不平顺情况的预测，现提出一种预测轨道不平顺的模型生成方法和轨道不平顺的预测方法，能够通过模型来方便快捷的预测轨道的不平顺情况。

发明内容

本文实施例的目的在于提供一种预测轨道不平顺的模型生成方法和轨道不平顺的预测方法，通过模型来方便快捷的预测轨道的不平顺情况。

为达到上述目的，一方面，本文实施例提供了一种预测轨道不平顺的模型生成方法，包括：

获取车辆运行过程中的位移、加速度和角速度；

对所述位移、加速度和角速度进行计算，得到轨道的不平顺实际值序列，其中在车辆运行过程中不同时间点对应的不平顺实际值不同；

将所述加速度中的垂向加速度输入初始神经网络模型中进行训练，通过损失函数循环调整所述初始神经网络模型；使通过模型训练后得到的不平顺预测值与对应的不平顺实际值之间的差距减小，使不平顺预测值的绝对值小于或等于对应的不平顺实际值的绝对值，并使不平顺预测值序列的峰值和谷值与对应的不平顺实际值之间的差值小于设定差值；进而得到目标神经网络模型。

优选的，所述损失函数的确定方法包括：

所述损失函数由风险系数和内侧系数中至少一者，以及不平顺实际值序列和不平顺预测值序列的均方误差构成；

其中所述均方误差用于使通过模型训练后得到的不平顺预测值与对应的不平顺实际值之间的差距减小；所述风险系数用于使不平顺预测值序列的峰值和谷值等于对应的不平顺实际值；所述内侧系数用于使通过模型训练后得到的不平顺预测值的绝对值小于或等于对应的不平顺实际值的绝对值。

优选的，所述损失函数由风险系数和内侧系数中至少一者，以及不平顺实际值序列和不平顺预测值序列的均方误差构成进一步包括：

所述损失函数通过如下公式确定：

其中，EIF_MSE为损失函数，为均方误差，n为不平顺实际值序列中的不平顺实际值个数或不平顺预测值序列中的不平顺预测值个数；

为风险系数，λ为大于等于0的任意值，y为不平顺实际值序列，y_i为不平顺实际值序列中的第i个不平顺实际值，为0；