專利名稱：基于narx神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于鐵路安全運行控制技術(shù)領(lǐng)域，尤其涉及一種基于NARX神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法。
背景技術(shù)：
隨著鐵路運輸向著高速、重載、大運量和高密度的方向發(fā)展，保證列車的安全平穩(wěn)運行成為當(dāng)前的一項重要任務(wù)，因此我國采用軌道檢測車或綜合檢測列車等對鐵路基礎(chǔ)設(shè)施服役狀態(tài)進(jìn)行周期性檢測。在基礎(chǔ)設(shè)施的諸多檢測項目中，輪軌力是導(dǎo)致軌道失效/破壞、列車脫軌、車輛部件損傷的重要因素，也是用來評定行車平穩(wěn)性和安全性，并作為限速、 提速的主要依據(jù)，因此輪軌力的獲取具有重要的理論與實際意義。物理測力輪對是檢測軌道/車輛系統(tǒng)運行狀態(tài)的重要工具，是一種用于測量輪軌力的特殊傳感器。物理測力輪對利用車輪作為傳遞元件的彈性體，當(dāng)受到輪軌力的作用時， 車輪產(chǎn)生變形，通過檢測并解析這種變形與輪軌力之間的對應(yīng)關(guān)系，可以確定輪軌間相互作用力的量值。但物理測力輪對存在成本過大、故障率高等缺陷，從而限制了物理測力輪對的推廣使用。美國John hlock將神經(jīng)網(wǎng)絡(luò)建模方法與基于時間延遲的動態(tài)系統(tǒng)相空間重構(gòu)理論和非線性時序分析方法相結(jié)合，提出一種時間延遲神經(jīng)網(wǎng)絡(luò)(TDNN)，輸入實測的軌道高低不平順,來預(yù)測垂向輪軌力。美國^Transportation Technology Center, Inc. (TTCI)提出的基于神經(jīng)網(wǎng)絡(luò)的車輛動力學(xué)預(yù)測技術(shù)，該技術(shù)采用BP神經(jīng)網(wǎng)絡(luò)，以軌道不平順和速度等參數(shù)為輸入，實現(xiàn)了輪軌力等動力學(xué)參數(shù)的預(yù)測，并進(jìn)一步應(yīng)用于軌道幾何形位的評判。由于軌道不平順/輪軌力系統(tǒng)為復(fù)雜非線性動態(tài)系統(tǒng)，而BP神經(jīng)網(wǎng)絡(luò)是一種靜態(tài)神經(jīng)網(wǎng)絡(luò)， 因此BP神經(jīng)網(wǎng)絡(luò)難以準(zhǔn)確描述軌道不平順和輪軌力之間的復(fù)雜動態(tài)關(guān)系。英國Gualano L.基于Jordan神經(jīng)網(wǎng)絡(luò)，開發(fā)了一種新的遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，可實現(xiàn)基于實測軌道不平順的輪軌力預(yù)測。上述技術(shù)均實現(xiàn)了利用神經(jīng)網(wǎng)絡(luò)對輪軌力的預(yù)測，但是，預(yù)測精度不盡理想，尤其是在橫向輪軌力的預(yù)測方面均存在不足之處。

發(fā)明內(nèi)容
本發(fā)明的目的是，為了提高對輪軌力的預(yù)測精度，彌補背景技術(shù)中提出的輪軌力測量方法在橫向輪軌力預(yù)測方面存在的不足，提出了一種基于NARX(非線性回歸)神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法。為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是，一種基于NARX神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法，其特征是所述方法包括步驟1 利用軌道檢測車采集軌道不平順數(shù)據(jù)；步驟2 對軌道不平順數(shù)據(jù)進(jìn)行仿真，得到輪軌力數(shù)據(jù)；步驟3 對軌道不平順數(shù)據(jù)和輪軌力數(shù)據(jù)進(jìn)行歸一化處理；
步驟4 設(shè)定NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型；步驟5 在歸一化處理后的軌道不平順數(shù)據(jù)和輪軌力數(shù)據(jù)中選取訓(xùn)練樣本，訓(xùn)練 NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型；步驟6 在歸一化處理后的軌道不平順數(shù)據(jù)和輪軌力數(shù)據(jù)中選取測試樣本，對訓(xùn)練好的NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行測試，輸出測試后的輪軌力數(shù)據(jù)；步驟7:對測試樣本中的輪軌力數(shù)據(jù)和測試后的輪軌力數(shù)據(jù)進(jìn)行分析，評價NARX 神經(jīng)網(wǎng)絡(luò)預(yù)測模型的性能。所述軌道不平順數(shù)據(jù)包括左軌高低不平順數(shù)據(jù)、左軌軌向不平順數(shù)據(jù)、右軌高低不平順數(shù)據(jù)和右軌軌向不平順數(shù)據(jù)。所述輪軌力數(shù)據(jù)包括橫向輪軌力數(shù)據(jù)和垂向輪軌力數(shù)據(jù)。所述對軌道不平順數(shù)據(jù)和輪軌力數(shù)據(jù)進(jìn)行歸一化處理具體利用公式
、=ΧΧ' "_ΧΓ ;其中，Xi為軌道不平順數(shù)據(jù)/輪軌力數(shù)據(jù)，Xfflin為軌道不平順數(shù)據(jù)/輪軌力
max min
數(shù)據(jù)中的最小值，Xfflax為軌道不平順數(shù)據(jù)/輪軌力數(shù)據(jù)中的最大值，i為大于等于1并且小于等于軌道檢測車采集到的軌道不平順數(shù)據(jù)總數(shù)的整數(shù)。所述設(shè)定NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型具體是，設(shè)定NARX神經(jīng)網(wǎng)絡(luò)的中間層節(jié)點采用 tan-sigmoid函數(shù)，輸出層節(jié)點采用線性函數(shù)，輸入層節(jié)點個數(shù)為4，中間層節(jié)點數(shù)目為15， 輸出層節(jié)點數(shù)目為1，輸入延遲和輸出延遲都為45。所述訓(xùn)練NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型具體采用貝葉斯正則化算法訓(xùn)練NARX神經(jīng)網(wǎng)絡(luò)。所述步驟7具體采用均方根誤差法、曲線擬合法或者線性回歸分析法評價NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型的性能；其中，均方根誤差法具體利用公式·=二(乂力-夂⑴)2，y(j)為
測試樣本中的輪軌力數(shù)據(jù)，ym(j)為測試后的輪軌力數(shù)據(jù)，N為測試樣本數(shù)目；所述曲線擬合法是對測試樣本中的輪軌力數(shù)據(jù)和測試后的輪軌力數(shù)據(jù)進(jìn)行曲線擬合；所述線性回歸分析法是對測試樣本中的輪軌力數(shù)據(jù)和測試后的輪軌力數(shù)據(jù)進(jìn)行線性回歸分析。本發(fā)明利用實測到的軌道不平順數(shù)據(jù)，采用NARX神經(jīng)網(wǎng)絡(luò)模型，預(yù)測輪軌力，提高了鐵路行車安全評價的準(zhǔn)確性。


圖1是基于NARX神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法流程圖；圖2是NARX神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖；圖3是測試樣本中的橫向輪軌力數(shù)據(jù)與NARX神經(jīng)網(wǎng)絡(luò)輸出的測試后的輪軌力數(shù)據(jù)曲線擬合對比圖；圖4是測試樣本中的橫向輪軌力數(shù)據(jù)與NARX神經(jīng)網(wǎng)絡(luò)輸出的測試后的輪軌力數(shù)據(jù)相關(guān)性分析圖。
具體實施例方式下面結(jié)合附圖，對優(yōu)選實施例作詳細(xì)說明。應(yīng)該強調(diào)的是，下述說明僅僅是示例性的，而不是為了限制本發(fā)明的范圍及其應(yīng)用。圖1是基于NARX神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法流程圖，圖1中，基于NARX神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法包括下列步驟步驟101 利用軌道檢測車采集軌道不平順數(shù)據(jù)。軌道不平順數(shù)據(jù)包括左軌高低不平順數(shù)據(jù)、左軌軌向不平順數(shù)據(jù)、右軌高低不平順數(shù)據(jù)和右軌軌向不平順數(shù)據(jù)，并將其作為神經(jīng)網(wǎng)絡(luò)模型的輸入數(shù)據(jù)。步驟102 對軌道不平順數(shù)據(jù)進(jìn)行仿真，得到輪軌力數(shù)據(jù)。通過動力學(xué)仿真軟件ADAMS/RAIL，建立車輛/軌道動力學(xué)模型，輸入3000個軌道不平順數(shù)據(jù)，進(jìn)行仿真，得到相應(yīng)的3000個左前輪的橫向輪軌力和垂向輪軌力數(shù)據(jù)，作為神經(jīng)網(wǎng)絡(luò)模型的目標(biāo)數(shù)據(jù)。步驟103 對軌道不平順數(shù)據(jù)和輪軌力數(shù)據(jù)進(jìn)行歸一化處理。歸一化處理具體利用公式X =T^f-;其中，Xi為軌道不平順數(shù)據(jù)、橫向輪軌力
max min
數(shù)據(jù)或者垂向輪軌力數(shù)據(jù)，Xfflin為軌道不平順數(shù)據(jù)、橫向輪軌力數(shù)據(jù)或者垂向輪軌力數(shù)據(jù)中的最小值，Xmax為軌道不平順數(shù)據(jù)、橫向輪軌力數(shù)據(jù)或者垂向輪軌力數(shù)據(jù)中的最大值，i為大于等于1并且小于等于軌道檢測車采集到的軌道不平順數(shù)據(jù)總數(shù)的整數(shù)。步驟104 設(shè)定NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型。NARX神經(jīng)網(wǎng)絡(luò)的中間層節(jié)點采用tan-sigmoid函數(shù)，輸出層節(jié)點采用線性函數(shù)， 輸入層節(jié)點個數(shù)為4，中間層節(jié)點數(shù)目為15，輸出層節(jié)點數(shù)目為1，輸入延遲和輸出延遲都為45。步驟105 在歸一化處理后的軌道不平順數(shù)據(jù)、橫向輪軌力數(shù)據(jù)和垂向輪軌力數(shù)據(jù)中選取訓(xùn)練樣本，訓(xùn)練NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型。圖2是NARX神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖，其中，Hi) 為歸一化處理后的軌道不平順數(shù)據(jù)，y(i)為橫向輪軌力數(shù)據(jù)和垂向輪軌力數(shù)據(jù)。y(k)為輸出的橫向輪軌力數(shù)據(jù)和垂向輪軌力數(shù)據(jù)。抽取2500組歸一化處理后的軌道不平順數(shù)據(jù)以及與之對應(yīng)的橫向輪軌力數(shù)據(jù)和垂向輪軌力數(shù)據(jù)作為訓(xùn)練樣本。在NARX神經(jīng)網(wǎng)絡(luò)中，需要訓(xùn)練優(yōu)化的參數(shù)為節(jié)點的權(quán)值與閾值，采用貝葉斯正則化算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)。貝葉斯正則化(BR，Bayesian Regularization 算法)，是為了提高網(wǎng)絡(luò)推廣能力。訓(xùn)練過程中要建立一個由各層輸出誤差、權(quán)值和閾值構(gòu)成的特殊性能參數(shù)，依據(jù)L-M(LeVenberg-Marguart)優(yōu)化理論對網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行調(diào)整，使該參數(shù)最小化。步驟106 抽取500組歸一化處理后的軌道不平順數(shù)據(jù)以及與之對應(yīng)的橫向輪軌力數(shù)據(jù)和垂向輪軌力數(shù)據(jù)作為測試樣本，對訓(xùn)練好的NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行測試，輸出測試后的橫向輪軌力數(shù)據(jù)和垂向輪軌力數(shù)據(jù)。步驟107 對測試樣本中的橫向輪軌力數(shù)據(jù)和垂向輪軌力數(shù)據(jù)以及測試后的橫向輪軌力數(shù)據(jù)和垂向輪軌力數(shù)據(jù)進(jìn)行分析，評價NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型的性能。評價NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型的性能可以采用均方根誤差法、曲線擬合法或者線性回歸分析法。均方根誤差法具體利用公式
權(quán)利要求
1.一種基于NARX神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法，其特征是所述方法包括 步驟1 利用軌道檢測車采集軌道不平順數(shù)據(jù)；步驟2 對軌道不平順數(shù)據(jù)進(jìn)行仿真，得到輪軌力數(shù)據(jù)； 步驟3 對軌道不平順數(shù)據(jù)和輪軌力數(shù)據(jù)進(jìn)行歸一化處理； 步驟4 設(shè)定NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型；步驟5:在歸一化處理后的軌道不平順數(shù)據(jù)和輪軌力數(shù)據(jù)中選取訓(xùn)練樣本，訓(xùn)練NARX 神經(jīng)網(wǎng)絡(luò)預(yù)測模型；步驟6 在歸一化處理后的軌道不平順數(shù)據(jù)和輪軌力數(shù)據(jù)中選取測試樣本，對訓(xùn)練好的NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行測試，輸出測試后的輪軌力數(shù)據(jù)；步驟7 對測試樣本中的輪軌力數(shù)據(jù)和測試后的輪軌力數(shù)據(jù)進(jìn)行分析，評價NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型的性能。
2.根據(jù)權(quán)利要求1所述的一種基于NARX神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法，其特征是所述軌道不平順數(shù)據(jù)包括左軌高低不平順數(shù)據(jù)、左軌軌向不平順數(shù)據(jù)、右軌高低不平順數(shù)據(jù)和右軌軌 向不平順數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的一種基于NARX神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法，其特征是所述輪軌力數(shù)據(jù)包括橫向輪軌力數(shù)據(jù)和垂向輪軌力數(shù)據(jù)。
4.根據(jù)權(quán)利要求1所述的一種基于NARX神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法，其特征是所述對軌道不平順數(shù)據(jù)和輪軌力數(shù)據(jù)進(jìn)行歸一化處理具體利用公式^ = :X:n ;其中，Xi為軌max min道不平順數(shù)據(jù)/輪軌力數(shù)據(jù)，Xfflin為軌道不平順數(shù)據(jù)/輪軌力數(shù)據(jù)中的最小值，Xfflax為軌道不平順數(shù)據(jù)/輪軌力數(shù)據(jù)中的最大值，i為大于等于1并且小于等于軌道檢測車采集到的軌道不平順數(shù)據(jù)總數(shù)的整數(shù)。
5.根據(jù)權(quán)利要求1所述的一種基于NARX神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法，其特征是所述設(shè)定NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型具體是，設(shè)定NARX神經(jīng)網(wǎng)絡(luò)的中間層節(jié)點采用tan-sigmoid函數(shù)，輸出層節(jié)點采用線性函數(shù)，輸入層節(jié)點個數(shù)為4，中間層節(jié)點數(shù)目為15，輸出層節(jié)點數(shù)目為1，輸入延遲和輸出延遲都為45。
6.根據(jù)權(quán)利要求1所述的一種基于NARX神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法，其特征是所述訓(xùn)練NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型具體采用貝葉斯正則化算法訓(xùn)練NARX神經(jīng)網(wǎng)絡(luò)。
7.根據(jù)權(quán)利要求1所述的一種基于NARX神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法，其特征是所述步驟7具體采用均方根誤差法、曲線擬合法或者線性回歸分析法評價NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型的性能；其中，均方根誤差法具體利用公式—cy,=括Z;(yU)-ymU))2，y0)為測試樣本中的輪軌力數(shù)據(jù)，ym(j)為測試后的輪軌力數(shù)據(jù)，N為測試樣本數(shù)目；所述曲線擬合法是對測試樣本中的輪軌力數(shù)據(jù)和測試后的輪軌力數(shù)據(jù)進(jìn)行曲線擬合；所述線性回歸分析法是對測試樣本中的輪軌力數(shù)據(jù)和測試后的輪軌力數(shù)據(jù)進(jìn)行線性回歸分析。
全文摘要
本發(fā)明公開了鐵路安全運行控制技術(shù)領(lǐng)域中的一種基于NARX神經(jīng)網(wǎng)絡(luò)的輪軌力預(yù)測方法。包括利用軌道檢測車采集軌道不平順數(shù)據(jù)；對軌道不平順數(shù)據(jù)進(jìn)行仿真，得到輪軌力數(shù)據(jù)；對軌道不平順數(shù)據(jù)和輪軌力數(shù)據(jù)進(jìn)行歸一化處理；設(shè)定NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型；選取訓(xùn)練樣本，訓(xùn)練NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型；選取測試樣本，對訓(xùn)練好的NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行測試，輸出測試后的輪軌力數(shù)據(jù)；對測試樣本中的輪軌力數(shù)據(jù)和測試后的輪軌力數(shù)據(jù)進(jìn)行分析，評價NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型的性能。本發(fā)明利用實測到的軌道不平順數(shù)據(jù)，采用NARX神經(jīng)網(wǎng)絡(luò)模型，預(yù)測輪軌力，提高了鐵路行車安全評價的準(zhǔn)確性。
文檔編號G06N3/08GK102360454SQ20111030816
公開日2012年2月22日 申請日期2011年10月12日 優(yōu)先權(quán)日2011年10月12日
發(fā)明者刑宗義, 劉松, 周慧娟, 龐學(xué)苗, 秦勇, 程曉卿, 賈利民 申請人:北京交通大學(xué)