关键词:
重载铁路
车轨耦合
动力学模型
遗传算法
模型校正
摘要:
重载铁路在现代交通运输中承担着不可替代的作用。车辆-轨道耦合动力学模型是重载列车运行过程中轮轨相互作用机制刻画的重要工具,为重载钢轨病害的产生和演化机理的分析提供依据。然而,现有研究大多依赖人工手动调优的方式来实现车辆-轨道耦合动力学模型的校正,此方式工作量大、效率低且难以保证仿真模型与实际场景的一致性。针对该问题,我们提出了一种基于遗传算法的车辆-轨道耦合动力学模型校正方法,实现了模型的自适应校正,为轮轨相互作用机制和钢轨病害的分析奠定基础。具体地,首先基于Universal Mechanism(UM)软件建立车辆-轨道耦合动力学模型,并设计相应的Matlab接口,为优化算法在迭代过程中修正模型参数和运行模型仿真提供基础。其次,引入Morris筛选法对模型参数的敏感性进行分析,筛选出高敏感车辆参数,用于车辆-轨道耦合动力学模型校正。然后,考虑仿真模型与实际车轨相互作用的一致性,设计了基于遗传算法的模型校正方法,实现车辆-轨道耦合动力学模型的自适应校正。最后,利用真实线路小半径曲线的监测数据对提出的算法的敏感参数筛选和矫正效果进行验证。研究结果表明:提出的方法不仅可有效筛选出高敏感性车辆参数,还能实现车辆-轨道耦合动力学模型的准确校正。本文研究成果优化了车辆-轨道耦合动力学模型参数的自适应调整技术,有效提升车辆-轨道耦合动力学模型的分析精度,进而为重载线路智能运维提供技术支撑。