[发明专利]基于MOGRIFIER-GRU深度学习的列车稳定性预测方法及系统

权利要求书

1.一种基于MOGRIFIER-GRU深度学习的列车稳定性预测方法，其特征在于，包括以下步骤：

步骤S1：获取不同路况下列车加速度和轮轨力数据，并对数据进行归一化处理，得到用于训练预测模型的训练数据；

步骤S2：搭建MOGRIFIER-GRU深度学习预测模型，并通过训练数据对MOGRIFIER-GRU深度学习预测模型进行训练，得到训练好的MOGRIFIER-GRU深度学习预测模型；

步骤S3：采集实际运行列车实时传回的数据，通过训练好的MOGRIFIER-GRU深度学习预测模型，预测列车稳定性。

2.根据权利要求1所述的基于MOGRIFIER-GRU深度学习的列车稳定性预测方法，其特征在于，所述步骤S1具体包括以下步骤：

步骤S11：根据实际情况利用SIMPACK软件建立列车动力学模型，在不同路况下仿真求得列车左右轴箱和转向架的垂向加速度和横向加速度以及轨道的垂向轮轨力和横向轮轨力，作为预测模型的训练数据，定义预测模型的输入参数x_i,y_i如下所示：

x_i＝[Lab_LA_i,Lab_VA_i,Rab_LA_i,Rab_VA_i,Ltf_LA_i,Ltf_VA_i,Rtf_LA_i,Rtf_VA_i,F_LL_i-1,F_LV_i-1,F_RL_i-1,F_RV_i-1,v]

y_i＝[P_L_i,Q_L_i,P_R_i,Q_R_i]

其中i表示第i个数据点；Lab_LA_i,Lab_VA_i表示列车左轴箱处的横向、垂向加速度值；Rab_LA_i,Rab_VA_i表示列车右轴箱处的横向、垂向加速度值；Ltf_LA_i,Ltf_VA_i表示列车转向架左侧处的横向、垂向加速度值；Rtf_LA_i,Rtf_VA_i表示列车转向架右侧处的横向、垂向加速度值；P_L_i,Q_L_i表示轨道左侧的垂向轮轨力和横向轮轨力值；P_R_i,Q_R_i表示轨道右侧的垂向轮轨力和横向轮轨力值；v表示列车运行速度；

步骤S12：对训练数据进行归一化处理：

其中，为归一化后的数据，为归一化前的数据，中分别为变量x和y的最小值和最大值。