[發明專利]一種區間神經網絡的高速列車噪聲預測方法

有效

• 申請號: 201610073453.6
• 申請日: 2016-02-03
• 公開（公告）號: CN105760658B
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 謝鋒云;謝三毛;周建民;江煒文;唐宏兵;張慧慧
• 申請（專利權）人: 華東交通大學
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N3/08
• 代理公司: 南昌市平凡知識產權代理事務所 36122
• 代理人: 姚伯川

一種區間神經網絡的高速列車噪聲預測方法，利用廣義區間理論處理獲取的影響高速列車噪聲參數的不確定性問題，由區間神經網絡模型對高速列車運行噪聲進行準確預測。所述方法步驟包括（1）選取影響高速列車噪聲參數、（2）獲取影響噪聲參數歷史數據、（3）數據預處理、（4）預處理數據區間化、（5）構建初始區間神經網絡模型、（6）訓練初始區間神經網絡模型和（7）高速列車噪聲預測。本發明采用廣義區間方法處理高速列車影響噪聲參數中的不確定性問題，并利用區間神經網絡模型預測方法對高速列車運行噪聲進行預測，提高了噪聲預測結果的可靠性。

技術領域

本發明涉及一種區間神經網絡的高速列車噪聲預測方法，屬高速列車噪聲預測技術領域。

背景技術

高速鐵路是世界鐵路的共同發展趨勢，并已成為鐵路現代化的重要標志。高速鐵路隨著列車運行速度的提高，列車噪聲污染也急劇增加，不可避免的為列車沿線的居住環境帶來嚴重的影響。國外高速鐵路運行經驗表明，高速鐵路引起的噪聲問題是高速鐵路最難解決的問題之一，也是高速鐵路設計和建設中迫切需要考慮與解決的問題。如何建立可靠的高速列車運行噪聲預測模型，對噪聲進行準確的預測，進而提出相應的控制措施，具有重要的理論和現實意義。

目前常用的列車運行噪聲預測方法主要有：以現場實測為基礎的類比法；以現場實測為基礎并與理論計算相結合的比例法；以理論計算為基礎模式法；以實驗為基礎模型法，這些方法都是在基于精確值的基礎上進行預測的。由于高速列車運行噪聲構成的多樣性如輪軌噪聲、牽引噪聲及空氣動力噪聲等，以及影響噪聲因素的復雜性如列車車型、速度、風速、被測點距離及路況等，使獲取預測的先驗參數值存在著不確定性，只通過精確值是很難進行準確描述的，因此以傳統精確值為基礎的高速列車噪聲預測方法存在著一定的局限性，這最終將導致預測結果的可靠性降低。

廣義區間理論作為不確定性問題有效處理工具之一，Y.Wang于2010在《Impreciseprobabilities based on generalized intervals for system reliabilityassessment》中進行了詳細的闡述：廣義區間可以處理工程中各種不確定性問題及人類認識客觀世界能力的局限性問題而產生的認知不確定性問題，它將不確定量轉換為廣義區間形式，并通過廣義區間的寬度量化不確定性。由于基于廣義區間的不確定性處理方法考慮了不確定性問題，將使研究結果更加可靠。傳統的神經網絡具有很強非線性函數映射功能、很強的學習和容錯功能，是工程中常用的預測模型。

發明內容

本發明的目的是，針對高速列車運行產生噪聲的不確定性問題，本發明提出一種區間神經網絡的高速列車噪聲預測方法。

本發明的技術方案如下：一種區間神經網絡的高速列車噪聲預測方法，利用廣義區間理論處理獲取的影響高速列車噪聲參數的不確定性問題，由區間神經網絡模型對高速列車運行噪聲進行準確預測。

一種基于區間神經網絡的高速列車噪聲方法，具體包括如下步驟：

(1)選取影響高速列車噪聲參數

高速列車運行噪聲與許多因素有關，本發明優取的參數為：高速列車行駛速度、測點與輪軌中心相對位置、空氣風速及高速列車車型。

(2)獲取影響噪聲參數值

針對本發明步驟(1)，采用激光測速儀測量高速列車行駛速度，記為x₁；采用激光測距儀測量被測點與輪軌中心相對位置，記為x₂；采用風速儀測量空氣風速，記為x₃；采用圖像識別儀識別高速列車車型，記為x₄；通過聲級計測量該時刻該位置的噪聲，記為y。

(3)數據預處理