关键词:
动力学建模
参数估计
轮轨力辨识
神经网络
摘要:
在重载货车安全运营过程中,悬挂系统参数的精良调校与参数值准确设定是全面、精确评估车辆受力情况的前提,轮轨力则是揭示轮轨作用关系、监测行车安全的关键指标。但是,在重载列车长期服役过程中,车辆悬挂参数因为老化,疲软等原因,同初始设计值之间会存在较大差异;同时,轮轨力直接测量方法成本高昂,基于机理模型的轮轨力辨识过程繁琐,计算量大,且精度难以保证。为此,本文开展了基于数据驱动的货车参数估计与轮轨力辨识研究,主要工作如下:
(1)针对在多工况背景下如何准确评估车辆-线路耦合动力学行为问题,运用动力学软件建立C80车辆-线路耦合多体动力学模型,分析了在不同工况下车辆动力学响应过程。首先,结合轨道特性和车线耦合关系建立了车线耦合动力学模型。针对小曲率、直线等13种不同工况,以《机车车辆动力学性能评定及试验鉴定规范》为参照,对多工况背景下车辆-线路耦合动力学行为进行评估。评估结果分析,所建模型的横向平稳性和垂向平稳性、脱轨系数、轮重减载率等动力学指标都满足规范要求,能够用于后续车辆轨道动力学仿真计算,为参数估计与轮轨力辨识研究提供机理模型和车辆响应数据。
(2)针对传统的重载货车悬挂参数估计方法模型更新困难、计算效率和泛化性较低等问题,设计了一种基于代理模型的重载货车悬挂参数估计方法。首先,基于方差的全局灵敏度分析,选取了部分对轮轨力影响较大的关键悬挂参数,并以关键悬挂参数为输入,轮轨力为输出,构建样本数据库。然后,基于门控循环单元网络设计了一种数据驱动的代理模型,并以实际轮轨力为基准,结合多目标灰狼优化算法对关键悬挂参数进行估计。最后,对参数估计前后机理模型轮轨力输出值与实际轮轨力值进行了对比实验。实验结果表明,所提方法能够较为准确地估计重载货车的悬挂参数,动力学仿真精度得到提升。
(3)针对传统的轮轨力辨识方法成本高、过程繁琐、计算量大、泛化性低等问题,设计了一种基于车辆动力学响应的数据驱动轮轨力辨识方法。首先,以车辆振动响应、车体位姿、运行状态等多源信息构建特征集,并经特征选择保留有效的特征子集,构造样本数据库。然后,将卷积神经网络和双向长短期记忆网络相结合,充分提取轮轨力数据本身的时空特征。最后,设计了输出轮轨力辨识结果的全连接层,分别从模型辨识精度、泛化性、鲁棒性三个方面评估所提方法性能。结果表明,所提方法相较于传统算法和单一网络模型性能更优,且能适用于不同工况以及不同噪声级别的数据。