[發(fā)明專利]一種高速列車小幅蛇行演變趨勢的區(qū)間預(yù)測方法

有效

• 申請?zhí)枺?/td>: 202110378710.8
• 申請日: 2021-04-08
• 公開（公告）號: CN112948981B
• 公開（公告）日: 2022-06-21
• 發(fā)明（設(shè)計）人: 寧靜;方明寬;王鐸穎;王敏;李艷萍;張兵;陳春俊
• 申請（專利權(quán)）人: 西南交通大學(xué)
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/20;G01P15/00;G06N3/04;G06N3/08
• 代理公司: 北京正華智誠專利代理事務(wù)所(普通合伙) 11870
• 代理人: 楊浩林

本發(fā)明公開了一種高速列車小幅蛇行演變趨勢的區(qū)間預(yù)測方法，針對現(xiàn)有監(jiān)測方法主要集中在對大幅蛇行的監(jiān)測，而忽略了小幅蛇行的演變規(guī)律，提出了一種區(qū)間預(yù)測方法。本發(fā)明通過建立高速列車小幅蛇行失穩(wěn)區(qū)間預(yù)測模型，使得當(dāng)高速列車處于小幅蛇行狀態(tài)時，能夠預(yù)測構(gòu)架橫向加速度變化的區(qū)間，并且給出預(yù)測區(qū)間的置信度，從而更為快速地判斷列車是否將會發(fā)生蛇行失穩(wěn)(小幅收斂、小幅發(fā)散兩種變化狀態(tài))，提高列車運行的安全性。基于以上問題，本發(fā)明公開的方法大大減少了模型待優(yōu)化的參數(shù)，使得優(yōu)化參數(shù)可快速收斂。將該方法用于小幅蛇行變化趨勢的預(yù)測，可提高蛇行失穩(wěn)識別的時效性。

技術(shù)領(lǐng)域

本發(fā)明屬于列車蛇行運動狀態(tài)檢測技術(shù)領(lǐng)域，具體涉及一種高速列車小幅蛇行演變趨勢的區(qū)間預(yù)測方法。

背景技術(shù)

隨著我國高速列車進(jìn)一步的發(fā)展，高速列車由于其速度高、載客量大等特性，在我國的分布越來越廣，速度也在不斷提升，高速列車的運行安全也受到挑戰(zhàn)。高速列車橫向失穩(wěn)嚴(yán)重影響到高速列車的安全運行。

由于列車的輪對具有一定錐度，造成輪對產(chǎn)生繞著其運行軌道的中心線一邊橫移一邊搖頭的耦合運動，即蛇行運動。當(dāng)速度超過臨界值時，蛇行運動的振幅可能會隨著速度的增大而進(jìn)一步擴(kuò)大，最終演變?yōu)樯咝惺Х€(wěn)。目前對于蛇行失穩(wěn)的判斷標(biāo)準(zhǔn)并不統(tǒng)一，國內(nèi)的標(biāo)準(zhǔn)主要是通過列車構(gòu)架橫向加速度的峰值來判斷。根據(jù)《高速鐵路工程動態(tài)驗收技術(shù)規(guī)范》和《鐵道客車行車安全監(jiān)測診斷系統(tǒng)技術(shù)條件》，判定高速列車轉(zhuǎn)向架橫向失穩(wěn)的條件是轉(zhuǎn)向架構(gòu)架橫向加速度信號經(jīng)過0-10Hz濾波后，其峰值連續(xù)6次以上(包括6次)達(dá)到或超過8～10m/s²的極限值。目前蛇行失穩(wěn)的峰值監(jiān)測方法都是基于該標(biāo)準(zhǔn)判斷高速列車是否在運行過程中存在蛇行失穩(wěn)現(xiàn)象。

根據(jù)現(xiàn)有文獻(xiàn)，目前高速列車蛇行失穩(wěn)的監(jiān)測方法為采用峰值法，但是由于在列車運行過程中加速度信號夾雜許多噪聲，導(dǎo)致在其波峰處出現(xiàn)震蕩現(xiàn)象，這容易影響到對峰值的計數(shù)精度，因此依照此方法容易造成誤判。故目前，在理論研究中，還存在另一種提取信號特征，然后識別特征的識別方法。這種方法能夠有效的避免信號由于峰值的震蕩對識別產(chǎn)生的影響，然而這類方法特征提取過程較為復(fù)雜，且由于方法比較固定，泛化能力較差，從而導(dǎo)致特征階段時計算時間較長，且難以適應(yīng)列車多變的運行環(huán)境。此外，現(xiàn)有監(jiān)測方法主要針對正常和蛇行失穩(wěn)這兩種狀態(tài)，而忽略了小幅蛇行狀態(tài)的演變的規(guī)律。根據(jù)研究發(fā)現(xiàn),高速列車在運行時，從正常變化到蛇行失穩(wěn)的狀態(tài)中存在一個過渡的小幅蛇行狀態(tài)，具體表現(xiàn)為其幅值超過正常狀態(tài)，但又小于失穩(wěn)狀態(tài)。小幅蛇行有兩種演變趨勢；一種為從小幅蛇行狀態(tài)變化到正常狀態(tài)即小幅蛇行收斂，另外一種為從小幅蛇行狀態(tài)變化到蛇行失穩(wěn)狀態(tài)即小幅蛇行發(fā)散，因此研究小幅蛇行的變化趨勢可預(yù)判列車是否會發(fā)生蛇行失穩(wěn)。

由于小幅蛇行的演變規(guī)律具體表現(xiàn)為構(gòu)架橫向加速度信號變化，因此對小幅蛇行的演變趨勢預(yù)測即可轉(zhuǎn)化為時間序列預(yù)測問題，而目前深度神經(jīng)網(wǎng)絡(luò)(DeepNeuralNetworks,DNN)在這一類的問題上得到廣泛的應(yīng)用。其主要預(yù)測方法可分為點預(yù)測和區(qū)間估計兩類。點預(yù)測通常輸出一個點的估計值，區(qū)間預(yù)測通常輸出一個分布區(qū)間，并給出區(qū)間的置信度。

高速列車自身結(jié)構(gòu)復(fù)雜且其實際工作環(huán)境復(fù)雜多變，因此預(yù)測蛇行運動中輪軌橫向位移的軌跡精確變化幾乎是不可能的。基于DNN點預(yù)測方法雖然能夠給出一個明確的預(yù)測數(shù)值，但不能給出預(yù)測值的置信度。實際上預(yù)測參數(shù)在某一范圍內(nèi)波動，是正常現(xiàn)象，也符合客觀規(guī)律。例如：人體的正常體溫范圍為36～37攝氏度，正常心率范圍為60～100次/分鐘等正常生理指標(biāo)均是以區(qū)間估計的形式給出的。因此本發(fā)明提出一種高速列車小幅蛇行演變區(qū)間預(yù)測模型，其重要意義在于這種預(yù)測方法可以給出預(yù)測區(qū)間的置信度，使用者可以根據(jù)自己的需求調(diào)整置信度，使得其應(yīng)用更為靈活，這無疑為下一步蛇行趨勢判別準(zhǔn)則的建立提供更加科學(xué)嚴(yán)謹(jǐn)?shù)睦碚搮⒖肌?/p>

然而，目前LUBE模型的參數(shù)通過類似于模擬退火算法(Simulated Annealing，SA)等啟發(fā)式算法來優(yōu)化參數(shù)，當(dāng)模型較為復(fù)雜時，待優(yōu)化的參數(shù)較多，啟發(fā)式算法難以得到較優(yōu)的收斂解。

發(fā)明內(nèi)容