一种高速列车动力学性能参数优化方法技术

本发明专利技术提供了一种高速列车动力学性能参数设计优化方法，涉及高速列车动力学仿真分析基础上的参数设计优化领域，它能有效地利用整体目标神经网络代理模型，取代高速列车动力学仿真模型，将高速列车在多学科领域下的设计分析和多目标优化算法相结合，进行基于高速列车动力学仿真近似模型的分析和优化。该方法的具体步骤如下：建立高速列车多刚体动力学仿真模型，确定所涉及的重要输入输出设计空间，选取取样策略得到合适高速列车动力学性能分析的设计空间样本集；采用贝叶斯正则化方法提高整体目标神经网络的泛化精度，通过调整隐含层的节点数目，构建误差控制在一定范围内的整体目标神经网络代理模型；利用该改进的整体目标神经网络代理模型，结合差分进化智能化算法进行多目标优化，得到优化后的高速列车设计参数。主要用于高速列车动力学分析和设计优化。

【技术实现步骤摘要】

本专利技术涉及高速列车运行性能相关系统的仿真分析和高速列车参数设计优化技 术领域，特别是基于高速列车动力学仿真分析基础上的参数设计优化。
技术介绍
高速列车系统从动力学的角度来看，为非线性复杂空间耦合系统，其中涉及到轨 道（桥梁）系统、高速列车机车车辆系统以及弓网系统等。必须综合结构动力学、车辆系统 动力学、耦合动力作用、空气动力学、非线性理论等方面，进行复杂深入的研宄，才能解决高 速列车的设计优化问题。 结构动力学是运用相关方法对高速列车结构中特有的问题进行研宄，包括了车体 结构动力学和轨道桥梁结构动力学，如车体和转向架结构优化和轻量化、噪声控制、撞车保 护、载荷的运行速度效应、线路不平顺处车轮的撞击、机车的不平衡性、车辆簧上结构的振 动、横向固有运动等问题。车辆系统动力学是将高速列车和线路组成一个复杂的多自由度 振动系统，研宄其高速运行过程，在各种位移、速度、加速度作用下，车辆整机、悬挂装置、牵 引缓冲装置、车线、车桥和弓网间的相互作用关系，包括了轮轨接触理论、车辆动力学、多体 系统动力学等，为设计提供依据，以确保高速列车的安全性、平稳性和舒适性。耦合动力作 用是指在高速的情况下，车路、车桥、弓网是耦合成一体的动力学系统，不能看成独立系统。 空气动力学是影响高速列车能耗、噪声水平、安全性和舒适度的重要指标，主要包括空气阻 力、横向风作用下的稳定性、列车交汇时候的压力冲击、不同环境下的空气动力学、受电弓 的气动力特性和空气动力噪声等。 可见，高速列车系统动力学的复杂程度非常高，涉及到数学、物理、机械工程、材料 科学和计算机信息技术等众多学科，在研宄过程中需要将车辆系统考虑成多刚体系统，并 考虑其中的轨道不平顺、线路的空间几何、非线性环节、轮轨接触在空间上的几何关系等问 题，以解决高速列车动态性能的参数匹配问题。高速列车仿真系统中建模时候的机理一般 是多刚体系统理论中的拉格朗日方法建立复杂系统的动力学方程【袁士杰，吕哲勤.多刚 体系统动力学.北京：北京理工大学出版社，1992】再对这些动力学方程采用各种数值 方法进行求解，而由于设计空间的复杂性，求解这些庞大的非线性微分动力学方程组的过 程往往难以顺利进行，更难以收敛到一个设计空间上的最优解。 基于以上分析，本文引入减少计算复杂度和分析复杂度的近似代理模型，用 基于贝叶斯正则化【FDForeseeandMTHagan.Gauss-NewtonApproximationto BayesianLearning.IEEEInternationalJointConferenceonNeuralNetworks Proceedings.USA:Piscataway, 1998.】的整体目标神经网络模型代替高速列车系统动 力学建模的仿真模型，以此获得整个影响高速列车性能设计参数集与其动态响应之间 的优化全局模型，但高速列车上的情况比较少，研宄也比较有局限性。韩国Youngguk Kim、ChankyoungPark等将代理模型用于韩国高速列车KHST上，进行优化设计【Design OptimizationforSuspensionSystemofHighSpeedTrainUsingNeuralNetwork. JSMEInternationalJournal,SeriesC, 2003, 46 (2): 727-735】，但是在建模时仅考虑悬挂 系统本身，这在高速列车系统设计中，显得原始设计变量集不足，对于输出指标，除了脱轨 系数、舒适平稳性和轮对减重率被考虑外，倾覆系数、临界速度等未考虑成安全度指标。国 内的采用代理模型的研宄中大部分都仅仅对其中某一项响应指标或少量指标进行简单地 探索，代理高速列车动力学性能整体代理模型的研宄鲜有报道。 目前，尚未发现求解全面考虑运行指标的复杂设计空间的高速列车动力学性能 参数多目标优化问题的相关文献，该问题复杂程度高。通过结合代理模型技术和多目标 优化算法中的差分进化智能算法【周艳平.差分进化算法研宄进展.化工自动化及仪 表，2007, 3:1-6】，可将高速列车仿真分析技术和参数优化设计无缝连接起来，使得高速列 车动力学性能参数的多目标优化问题的求解成为可能。 研宄的关键内容包括了 ：构建高速列车多刚体动力学仿真模型；构建整体目标神 经网络代理模型；基于代理模型的多目标优化。
技术实现思路
本专利技术的目的是提供一种高速列车动力学性能参数的优化方法，它能有效地利用 整体目标神经网络代理模型，取代高速列车动力学仿真模型，将高速列车在多学科领域下 的设计分析和多目标优化算法相结合，进行基于高速列车动力学仿真近似模型的分析和优 化，从而将高速列车的CAD和CAE相结合成一个整体设计过程，提高高速列车动力学性能。 本专利技术的目的是通过以下技术方案来实现的： 一种高速列车动力学性能参数的优化方法，步骤如下： 第一、基于动力学分析软件，建立高速列车动力学仿真模型； 第二、根据所构建的动力学仿真模型，确定该模型所需的输入变量、取值范围和输 出评价指标； 第三、根据取样策略，得到均匀且充满整个高速列车动力学性能分析的设计空间 的样本点集。 第四、采用贝叶斯正则化BP神经网络方法训练样本，调整神经网络整个权值空间 的概率分布情况，控制有效权值的范围，在此基础上，构建高速列车动力学仿真模型的整体 目标神经网络代理模型； 第五、拟定误差控制规则，并计算相关误差，判断是否误差范围、预测能力是否满 足要求，如否则调整神经网络结构和规模，转步骤三，直到使整体目标神经网络代理模型能 够达到误差范围和预测能力的要求。 第六、建立高速列车动力学性能参数设计的多目标优化数学模型； 第七、利用差分进化算法进行多目标优化求解，计算过程中反复调用整体目标输 出神经网络，得到优化后的高速列车动力学性能设计参数； 第八、对优化后的高速列车动力学性能设计参数进行仿真验证，判断是否有满足 性能要求的解，如否转到前一步，通过产生的新初始解，反复重新求解，如是则输出优化设 计结果。 所述取样策略是按照设计变量维数的多少进行选取的，当设计变量维数小于10， 采用随机试验设计、或全析因试验设计、或正交试验设计、或拉丁超立方试验设计；当设计 变量维数大于10,推荐采用拉丁超立方试验设计。 所述神经网络为三层反馈形式，输入层到隐含层的神经元采用非线性转化，从隐 含层到输出层则采用线性回归转化，输入层和输出层的神经元的数目，被分别定义为设计 参数变量数n和指标参数变量数7,隐含层的节点数用m表示。 所述整体目标神经网络代理模型在构建时，须满足输出层的神经元的数目与所需 优化的全部目标数相等，即对n个输入层和七个指标建立一个n-m-7整体目标神经网络代 理模型。 所述误差控制规则采用的指标为相关系数R、相对误差和平均相对误差，相关系数 R的值越接近1，则说明构建模型的样本点的预测值越接近于仿真值。 所述多目标优化数学模型涉及到高速列车动力学性能指标中的横向平稳性指标、 垂向平稳性指标、脱轨系数、轮重减载率、轮轴横向力、倾覆系数和临界速度七项子目标，除 前六项为求解子目标的最小值外，最后一项为求解子目标的最大值，但进行负数转化后，七 项指标均为最小值求优。 本专利技术有效地本文档来自技高网...

【技术保护点】
一种高速列车动力学性能参数的优化方法，步骤如下：第一、基于动力学分析软件，建立高速列车动力学仿真模型；第二、根据所构建的动力学仿真模型，确定该模型所需的输入变量、取值范围和输出评价指标；第三、根据取样策略，得到均匀且充满整个高速列车动力学性能分析的设计空间的样本点集。第四、采用贝叶斯正则化BP神经网络方法训练样本，调整神经网络整个权值空间的概率分布情况，控制有效权值的范围，在此基础上，构建高速列车动力学仿真模型的整体目标神经网络代理模型；第五、拟定误差控制规则，并计算相关误差，判断是否误差范围、预测能力是否满足要求，如否则调整神经网络结构和规模，转步骤三，直到使整体目标神经网络代理模型能够达到误差范围和预测能力的要求。第六、建立高速列车动力学性能参数设计的多目标优化数学模型；第七、利用差分进化算法进行多目标优化求解，计算过程中反复调用整体目标输出神经网络，得到优化后的高速列车动力学性能设计参数；第八、对优化后的高速列车动力学性能设计参数进行仿真验证，判断是否有满足性能要求的解，如否转到前一步，通过产生的新初始解，反复重新求解，如是则输出优化设计结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：张剑，张海柱，姜杰，邹益胜，黎荣，丁国富，周晓欣，马晓杰，黄文培，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51