【技术实现步骤摘要】
本专利技术涉及重载机车车钩状态监测，特别是一种基于数据驱动的重载机车车钩力识别方法。
技术介绍
1、作为世界上铁路两大发展方向之一，货物运输重载化为经济和社会的快速发展提供保障。路货物运输具有运量大、能耗低、可靠性高等特点，在煤炭和矿石等大宗货物运量占有较大比重的国家发展尤为迅速。然而，在复杂的运营条件下和空气波速产生的操纵延时，随着编组不断扩大和轴重不断增加，牵引制动操纵难度增大，重载列车运行产生了更为剧烈的纵向冲动，目前服役的两万吨重载列车中部机车处纵向冲动尤为剧烈。车钩在列车运行中要承受随机的、交变的牵拉力、压缩力和冲击力等作用，许多列车事故都是由于车钩受力超出了相关指标导致。
2、目前，常用的车钩状态监测方法是安装测力车钩设备，方法是通过在车钩钩身两侧布置应变片组成全桥电路，在车钩力标定试验台上施加载荷获取标定系数，然后采集应变信号后处理得到车钩力信号；而该方法受到列车复杂运行条件影响，易产生应变片破损、粘贴变松以及长期使用后完全脱落等设备受损问题，且该方法必须使用专用车钩标定试验台获取标定系数，车钩测力设备损坏后需要重新制作，造成监测成本高、维护难度大等问题。
技术实现思路
1、为解决现有技术中存在的问题，本专利技术的目的是提供一种基于数据驱动的重载机车车钩力识别方法，本专利技术通过提取车钩车体纵向相对位移信号识别车钩力，克服了传统方法需要制作并安装测力车钩装置的缺陷，并具有低成本、高效率的优点。
2、为实现上述目的，本专利技术采用的技术方案是：一
3、步骤1、采集重载列车在不同工况下的车钩车体纵向相对位移信号；
4、步骤2、采用低通滤波和加权平均平滑处理车钩车体纵向相对位移信号，滤除因外部环境产生的信号噪声，并对信号异常值进行剔除；
5、步骤3、采用滑动窗口截取滤波和平滑后的车钩车体纵向相对位移信号，提取每段相对位移信号内相对速度特征，利用处理后的信号构建数据集；
6、步骤4、对数据集进行归一化处理并划分训练集、验证集、测试集；
7、步骤5、建立dbo-elm模型，将elm隐藏层神经元个数、惩罚参数和激活函数参数作为优化参数，以验证集识别结果的均方误差为适应度函数，利用验证集对dbo-elm模型参数进行迭代寻优；
8、步骤6、得到模型最优参数后利用训练集对模型开展训练；
9、步骤7、将测试集样本输入训练后的模型中，根据车钩力识别结果的误差确定训练模型的准确性。
10、作为本专利技术的进一步改进，所述步骤3中，滑动窗口的窗长为500到2000个数据点，滑动窗口的移动步长为10到50个数据点，相对速度特征是通过该段相对位移信号内每个数据点与第一个数据点的相对速度。
11、作为本专利技术的进一步改进，所述步骤4中，对数据集进行归一化处理具体如下：
12、；
13、式中，为归一化后数据，为样本中待归一化数据，为数据集中最大值，为数据集中最小值。
14、作为本专利技术的进一步改进，所述步骤5具体包括以下步骤：
15、步骤5.1、确定dbo-elm模型的输入变量和输出变量；
16、步骤5.2、elm激活函数选择添加可控参数的sigmoid函数以实现非线性映射，如下式所示：
17、；
18、式中：为输入样本，为sigmoid函数添加的可控参数；
19、步骤5.3、确定待优化参数：elm隐藏层神经元个数、惩罚参数和可控参数；确定蜣螂种群规模，最大迭代次数，滚球蜣螂、育雏蜣螂、小蜣螂、小偷的比例，偏转系数，滚球蜣螂位置更新参数，小偷更新规则参数；滚球蜣螂、育雏蜣螂、小蜣螂、小偷的更新公式为：
20、；
21、式中：表示当前迭代次数，和分别表示第次迭代时第只滚球蜣螂、育雏蜣螂、小蜣螂和小偷的位置信息，表示指示偏转系数，表示滚球蜣螂位置更新参数，表示自然系数，表示全局最差位置，表示当前种群内所有个体的最优位置，表示当前种群内小偷个体的最佳位置最佳位置，表示位置信息x取值范围的下限，表示位置信息x取值范围的上限，和表示大小为1×d的两个独立随机向量，d表示优化问题的维数，表示服从正态分布的随机数，表示随机向量，表示遵循正态分布的大小为1×d的随机向量，表示小偷更新规则参数。
22、本专利技术的有益效果是：
23、1、本专利技术通过提取车钩车体纵向相对位移信号识别车钩力，克服了传统方法需要制作并安装测力车钩装置的缺陷，并具有低成本、高效率的优点。
24、2、本专利技术将dbo算法用于优化elm隐藏层神经元个数、惩罚参数和激活函数参数，以验证集实际结果与预测结果的均方误差为适应度函数作为适应度函数，经过多次迭代寻优得到elm的最优模型参数，克服了elm手动选择参数导致的识别准确率低的缺陷，进而运用到车钩力识别，以提高识别准确率。
本文档来自技高网...【技术保护点】
1.一种基于数据驱动的重载机车车钩力识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于数据驱动的重载机车车钩力识别方法，其特征在于，所述步骤3中，滑动窗口的窗长为500到2000个数据点，滑动窗口的移动步长为10到50个数据点，相对速度特征是通过该段相对位移信号内每个数据点与第一个数据点的相对速度。
3.根据权利要求2所述的基于数据驱动的重载机车车钩力识别方法，其特征在于，所述步骤4中，对数据集进行归一化处理具体如下：
4.根据权利要求1所述的基于数据驱动的重载机车车钩力识别方法，其特征在于，所述步骤5具体包括以下步骤：
【技术特征摘要】
1.一种基于数据驱动的重载机车车钩力识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于数据驱动的重载机车车钩力识别方法，其特征在于，所述步骤3中，滑动窗口的窗长为500到2000个数据点，滑动窗口的移动步长为10到50个数据点，相对速度特征是通过该段相对位移信号...
【专利技术属性】
技术研发人员：王开云，冉祥瑞，陈是扦，谢博，陈清华，翟婉明，凌亮，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。