基于动力学仿真数据的高速列车蛇行状态识别
基于动力学仿真数据的高速列车蛇行状态识别
复制标题
DOI：
--
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
陈春俊
中科院分区：
文献类型：
--
作者：
赵飞;宁静;方明宽;陈春俊
近年来，人工智能技术广泛应用于高速列车运行状态的识别。用作列车运行状态识别的机器学习和深度学习模型需要大量的数据，然而在实测数据中获取的蛇行失稳数据样本少且不均衡，再者，由于实测数据获取成本高，实际采集数据困难，难以满足各种运行条件（稳定、小幅蛇行失稳和大幅蛇行失稳状态）。为解决以上问题，通过SIMPACK 软件建立高速列车动力学仿真模型，模拟出车辆的各种运行状态数据。对仿真数据和实测数据进行互信息分析和希尔伯特-黄变换（HHT）分析，发现仿真数据在时域特征和频域特征上与实测数据高度相似。把仿真数作为训练集，用来训练高速列车运行状态识别的人工智能算法模型，再用实测数据作为测试集进行验证。实验结果表明：仿真数据用于机器学习和深度学习模型中都能得到很好的结果，说明仿真数据可以作为训练集用于复杂的深.度学习模型中。