本技术涉及一种复合轮轨力驱动的轨道车辆弯道安全预测技术,旨在提高轨道车辆安全性检测的准确性。该技术通过分析检测点的垂向和横向刚度系数,结合横向力,实现对轨道车辆在弯道行驶时安全性的预测。
背景技术
随着世界铁路向高速化,重载化,大运量和高密度的迈进,列车运行的安全问题备受关注。列车脱轨会带来生命和财产的重大损失,因此,列车安全运行的最基本要求是保证列车不发生脱轨事故。自从1908年法国学者Nadal提出了著名的脱轨系数判别准则以来,脱轨系数已成为研究列车脱轨问题的重要指标。因此,获取脱轨系数具有重要的理论和实际意义。
国内外评判车辆是否脱轨的基本指标是脱轨系数Q/P,即某一时刻作用在车轮上的横向力Q和垂向力P(横向力Q和垂向力P即轮轨力)的比值(Q/P)。
中国专利申请CN201110415711.1公开了一种脱轨系数的预测方法。首先利用轨检车采集轨道的左轨高低不平顺、左轨轨向不平顺、右轨高低不平顺和右轨轨向不平顺数据;然后利用专业软件ADAMS/RAIL对采集的数据进行仿真,得到轮轨力数据,即垂向轮轨力和横向轮轨力,进而求得脱轨系数,并对脱轨系数归一化处理;选取训练样本训练NARX神经网络模型;对训练好的NARX神经网络预测模型进行测试,输出测试后的脱轨系数数据;对测试样本中的脱轨系数数据和测试后的神经网络得到的脱轨系数数据进行分析,评价NARX神经网络预测模型的性能。
上述方法利用神经网络去预测轮轨力从而获得脱轨系数。该方法的准确性过于依赖模型本身的素质以及数据集。而在实际工程应用中,并没有过多的试错机会。
实现思路