基于神经网络的重载机车粘着状态识别方法研究

发布时间：2024-04-12 03:13

　　重载机车牵引与制动性能的发挥效果依赖于轮轨粘着利用状况。粘着的状态一般可分为:正常运行、打滑征兆、微小打滑、严重打滑这四种,其中打滑征兆向微小打滑的过渡十分迅速,从微小打滑发展到严重打滑会引发轮对打滑和空转以及脱轨等安全事故。现阶段重载机车粘着状态识别的研究主要集中在基于模型的方法中,因为重载机车的轮轨间物理结构复杂,各种装置之间交错影响难以分析透彻,所以在建模过程中无法透彻的进行机理分析。针对上述不足,本文根据重载机车粘着状态的数据变化特征,研究了基于遗传算法优化的神经网络、极限学习、深度神经网络的粘着状态识别方法。(1)针对重载机车粘着特性进行了分析,结合重载机车粘着状态由正常到出现打滑征兆、微小打滑到严重打滑过渡不明显的特点,定义了四种粘着状态的划分依据。(2)针对现有方法对粘着状态识别准确率不高的现状,设计了结合遗传算法的神经网络粘着状态识别方法,该方法在粘着状态识别小规模测试集上表现良好。(3)针对粘着状态之间变化迅速的工程特点,同时为了对比分析找出更适合用于重载机车的粘着状态识别方法。进一步地,研究了极限学习机理论与重载机车粘着特性结合的粘着状态识别方法,建立了数据驱动的粘...

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图2-2粘着轮轨简化模型

由于蠕滑区内车轮与钢速度ωr，二者之间的速度rvωMP

图3-2链式求导图

通常认为Rosenblatt在1958年提出的感知器是第一种用来进行分类（模）的神经元算法，最初的感知器是一种二分类算法，与SVM不同的是感需间隔最大化[60]。感知器问世，无疑对神经网络科研地位进行了一次推。但后来Minsky在他的著作中证明了感知器的严重功能性....

图3-3顺向求导由图3-3可知，当元素b变化时，元素c和元素d以同样的速度进行变化，当元素c变化时，元素e又以2倍的速度变化，当元素d变化时，元素e以3倍

图3-3顺向求导由图3-3可知，当元素b变化时，元素c和元素d以同样的速度进行变化素c变化时，元素e又以2倍的速度变化，当元素d变化时，元素e以3度变化。

图3-4反向求导综上，当元素b变化时，元素e按照其5倍的速度变化

图3-3顺向求导由图3-3可知，当元素b变化时，元素c和元素d以同样的速度进行当元素c变化时，元素e又以2倍的速度变化，当元素d变化时，元素e的速度变化。

本文编号：3951572