[发明专利]一种高速列车动力学性能设计关键参数识别方法

摘要

本发明提供了一种高速列车动力学性能设计关键参数识别方法，涉及高速列车在动力学仿真设计分析领域，它能有效地利用单输出LM神经网络代理模型，将高速列车整机设计融入到多学科全局仿真设计中。包括以下步骤：首先利用高速列车多刚体动力学物理模型和仿真模型，确定高速列车动力学性能输入输出设计空间，并且利用专家领域知识，提取高速列车动力学性能设计参数和响应指标来缩减设计空间；其次,采用LM算法对神经网络的权值和阈值进行调整，以提高单输出神经网络的收敛速度和收敛精度，按照神经网络中输入参数相对于输出值的灵敏度公式，计算出灵敏度；最后,进行高速列车设计参数的灵敏度分析和关键参数识别。主要用于高速列车动力学分析和设计。

主权项

一种高速列车动力学性能设计关键参数识别方法，利用改进单目标LM神经网络代理模型，建立高速列车动力学性能设计参数的灵敏度分析方法，其特征在于：首先，利用高速列车多刚体动力学物理模型和仿真模型，确定高速列车动力学性能输入输出设计空间，并且利用专家领域知识，提取高速列车动力学性能设计参数和响应指标来缩减设计空间，以减少神经网络的规模和容量，包括：1)基于高速列车结构拓扑关系，提取高速列车动力学分析模型所涉及的物理模型部件，并按照各部件在仿真系统中的表达方式，获得仿真分析模型所涉及的抽象形式；2)根据物理模型部件和仿真抽象形式，确定高速列车动力学性能设计参数输入和输出所涉及的全部设计空间；3)按照高速列车设计标准提取影响平稳性、安全性和曲线通过能力的七个输出性能指标；4)针对高速列车动力学性能设计参数输入变量，拟定并发放专家调查表，利用专家领域知识对高速列车动力学性能设计空间进行设计变量和取样空间的缩减；其次,采用LM算法对单输出神经网络的权值和阈值进行调整，以提高收敛速度和收敛精度，按照神经网络中输入参数相对于输出值的灵敏度公式，计算出灵敏度，包括：1)采用拉丁超立方取样方法，得到高速列车车辆动力学仿真计算规范化样本；2)根据高速列车动力学性能设计参数变量的取值范围，将规范化样本转化为实际的设计参数样本；3)确定计算工况，在仿真软件中建立仿真模型，仿真计算后得到性能参数样本，并转化为规范化数值，得到训练和精度验证样本点，用于构建三层反馈神经网络代理模型；4)采用基于LM算法的三层反馈神经网络训练样本，得到高速列车的单输出LM神经网络代理模型；5)检验单输出LM神经网络代理模型的精度是否达到要求，如是，则确定改进的神经网络的结构和规模，建模结束；如否，则调整改进的神经网络结构和规模或者重构样本点，重新训练，反复循环，直至到达到要求为止；6)利用该改进的单输出LM神经网络代理模型，结合灵敏度计算公式，进行高速列车动力学性能设计参数的灵敏度计算；最后，进行高速列车动力学性能设计参数的灵敏度分析和关键参数识别，包括：1)计算相对灵敏度，以便分析灵敏度计算结果；2)拟定关键参数识别规则，建立关键参数推荐表，对高速列车设计时的关键参数进识别。