資源描述:
《基于徑向基函數(shù)神經(jīng)網(wǎng)絡的輪軌力檢測》由會員上傳分享,免費在線閱讀,更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、第17卷增刊振動工程學報Vol.17No.S2004年8月JournalofVibrationEngineeringAug.2004基于徑向基函數(shù)神經(jīng)網(wǎng)絡的輪軌力檢測陳建政‘陳偉2周艷紅,('西南交通大學牽引動力國家重點實驗室成都,610031)(“烏魯木齊鐵路局北疆鐵路公司奎屯機務段新M,833200)摘要用測力輪對檢測列車輪軌作用力時,由于輪軌作用力與輪輻貼片點處應變是非線性映射關系,同時作用的垂向力和橫向力還會產(chǎn)生相互藕合,導致測量電路復雜,測量精度不高。本文在輪對有限元計算基礎上,采用徑向
2、基函數(shù)神經(jīng)網(wǎng)絡擬合輪軌力與貼片點處應變的非線性關系,通過學習消除橫向力與垂向力之間相互影響,簡化了測量電路,提高了測量精度,達到很好效果。關鍵詞:神經(jīng)網(wǎng)絡;測力輪對;徑向基函數(shù);藕合;解藕中圖分類號:TP393差900,輸出波形為正(余)弦兩個電橋組成,兩個橫1概述向力電輸出值的平方和與輪軌橫向力成正比。貼片位置選在垂向力作用下橫向力橋輸出最小處。列車運行時,車輪和軌道緊密接觸,構成一個復雜的力學系統(tǒng)。輪軌作用力是導致軌道失效、破壞、車輛部件損傷的主要因素。軌道的設計計算、車輛設計、行車安全性的分
3、析與判斷均以輪軌作用力為基本參數(shù)和出發(fā)點。輪軌作用力的測試是軌道檢測項目之一,用來評定行車的平穩(wěn)性和安全性,作為限速、提速的主要依據(jù)。用鐵路機車車輛的輪對作為力傳感器來測量輪軌間的相互作用力的方法,是所有輪軌力測量方法中測量精度最高的方法。連續(xù)測量圖1橫向力測量電橋輪軌力的測力輪對,其測量輪軌力的信號不隨輪對1.2垂向力的Ef轉動而變化,只與輪軌力的大小成正比。實現(xiàn)這種測橫向力的測量電路如圖2所示,也由兩個電橋量的關鍵技術是要在車輪輻板上找到合適的應變片組成,但兩個電橋布橋角度相差450,輸出波形
4、為三粘貼位置,在這樣的位置上貼片組成電橋來測量橫角波形,從而使兩垂向力電橋輸出值的絕對值與輪向力(或垂向力)時,不敏感垂向力(或橫向力),而且軌垂向力成正比。在恒載荷的作用下,電轎的輸出與輪對轉角的關系要便于進行處理以實現(xiàn)連續(xù)測量。有效的測量橫向力(或垂向力)的電橋應根據(jù)在它的作用下輻板的變形特征來設計。要設計出這祥的電橋,應對輻板在橫向力和垂向力作用下的變形進行定量分析。為了消除交叉串擾,目前的測力輪對技術是在有限元分析計算和應力分布實驗的基礎上選擇橫向力作用影響最小處貼垂向力橋,在垂向力作用影
5、響最小處貼橫向力橋[311.1橫向力的測f圖2垂向力測量電橋貼片點處應變是輪軌力、輪軌力作用點位置以橫向力的測量電路如圖1所示,由布橋角度相及車輪轉動角度的函數(shù),是復雜的非線性映射關系。收稿日期:2004-03-20振動工程學報第17卷傳統(tǒng)的測力輪對技術采用巧妙的組橋方式消除了車={cr,o',witn,}使如下函數(shù)最小化輪旋轉的影響,并使橋路的輸出與作用力成正比。但min"RE,,[DN,人(x,O)]=工習}Y、一f=(x,O)’2是,這是極其理想化的情形。由于計算和測量誤差在M所難免,難以選
6、擇到交叉串擾為零的貼片位置。同時,由于在列車運行時,輪軌接觸位置發(fā)生變化,會f,(x,④一習wig(11x一‘:}}R"/6i)加大交叉串擾,這也是目前測力輪對測量精度難以在徑向基神經(jīng)網(wǎng)絡的學習算法中,如何確定神提高的主要原因,這也是由于簡單的正余弦(三角)經(jīng)網(wǎng)絡的結構是學習算法的重要問題.網(wǎng)絡規(guī)模過運算難以消除串擾誤差造成的。小,不能充分學習樣本數(shù)據(jù);而網(wǎng)絡規(guī)模過大,則容有鑒于此,本文提出了采用人工神經(jīng)網(wǎng)絡對橫易出現(xiàn)過度擬和現(xiàn)象和泛化能力降低。垂向橋進行解禍的方法。人工神經(jīng)網(wǎng)絡由大量相互徑向基神
7、經(jīng)網(wǎng)絡輸出層為線性神經(jīng)元,因此只連接的簡單神經(jīng)處理單元組成,可以不依賴于確定要確定了。、,?!?,通過最小二乘法能夠構造出輸出層的系統(tǒng)模型,只需通過對輸入輸出數(shù)據(jù)樣本的訓練,參數(shù)w;。徑向基網(wǎng)絡的學習算法中,主要任務是尋即可將輸人輸出的映射關系以神經(jīng)元間連接強度找參數(shù)0={ci,(Ti,n,)o(權值)的方式存儲下來,從而可獲得一個反映實驗或?qū)崪y數(shù)據(jù)內(nèi)在規(guī)律的數(shù)學模型,特別適合于因果3樣本選取及網(wǎng)絡參數(shù)設定關系復雜的非線性推理、判斷、識別和分類等問題。人工神經(jīng)網(wǎng)絡具有學習的功能,可以學習輪軌作用利用
8、計算機模擬方法對車輪有限元模型進行了力與貼片點處應變之間復雜的非線性映射關系。已兩種工況分析:①垂向載荷Fv=0kN,橫向載荷F,,經(jīng)證明,多層前饋神經(jīng)網(wǎng)絡具有以任意精度逼近任=10kN;②垂向載荷F,=10kN,橫向載荷Fh=O意非線性映射的能力。常用的人工神經(jīng)網(wǎng)絡有BPkN。根據(jù)自擾盡可能大而串擾盡可能小的原則,選網(wǎng)、徑向基函數(shù)網(wǎng)絡、自組織映射網(wǎng)絡等。徑向基函取了橫向橋貼片位置在距軸心R=187.6mm處的數(shù)神經(jīng)網(wǎng)絡由于收斂速度快,精度高而得到了廣泛車輪內(nèi)側,垂向橋貼片位置在距