【技术实现步骤摘要】
本专利技术涉及铁路交通领域，具体涉及一种数字孪生驱动的列车曲线通过安全性监控方法。
技术介绍
1、目前，随着列车技术的高速发展，列车的运营速度也越来越快，与此同时也带来了新的问题，运营速度的大幅度提高使得列车曲线通过时轮轨产生的横向作用力相互变大，严重影响列车安全曲线通过性。曲线通过理论模型作为列车曲线通过安全性的基础，已经经历了早期经典理论、线性稳态曲线通过理论、非线性稳态曲线通过理论和非线性动态曲线通过理论四个发展阶段，为列车曲线通过安全性能评估奠定了基础。目前所建立的仿真模型大多依据历史离线数据建立，但列车在实际运行过程中其状态及相关参数值会发生变化，因此仿真模型使用数据与实际采集数据分离，有效采集信息脱节，导致列车预测结果准确性大大降低。
技术实现思路
1、本专利技术意在提供一种数字孪生驱动的列车曲线通过安全性监控方法，以解决目前依据历史离线数据进行建立模型导致列车预测结果准确性大大降低的问题。
2、为达到上述目的，本专利技术采用如下技术方案：一种数字孪生驱动的列车曲线通过安全性监控方法，包括以下步骤：
3、步骤1：构建列车数字孪生模型；
4、步骤2：获取列车曲线通过时的运行状态，并根据列车曲线通过时的运行状态确认数字孪生数据；所述列车曲线通过时的运行状态包括：车体加速度、脱轨系数、轮重减载率以及轮轴横向力；
5、步骤3：所述数字孪生模型根据数字孪生数据模拟列车的运行状态；
6、步骤4：从用户交互层获取列车模型参数
7、优选的，所述列车模型参数包括：车辆负载情况、列车编组、运行环境、列车类型、曲线线路状况及粘着状态参数；所述运行环境包括地形类型、环境温度以及天气情况，地形类型包括山地、平原、丘陵、盆地等，环境温度包括高寒和高温等，所述天气情况包括时间和天气模式，天气模式包括雨天、雪天、冰雹、雨雪或者风；所述曲线线路状况包括轨距、曲线长度、曲线半径、曲线超高以及缓和曲线；所述粘着状态参数包括：粘着系数，ka、ks、ap、bp、轮轨接触面积，以及轮轨相对速度。
8、优选的，还包括根据数字孪生数据进行机器学习，构建列车曲线通过模型，并根据列车模型参数和列车曲线通过模型进行预测列车曲线通过时的运行状态。
9、优选的，根据meta-sgd算法进行机器学习，构建列车曲线通过模型。
10、优选的，在所述meta-sgd算法中，基础优化器为梯度下降法，学习率为0.1，元学习率为0.001，以及微批次的数量为10。
11、优选的，所述步骤2中通过列车的实时传感器数据获得车曲线通过时的运行状态。
12、优选的，还包括将列车的实时传感器数据进行处理后发送到用户交互层进行展示。
13、优选的，将列车的实时传感器数据进行数据过滤、数据变换以及数据可视化处理后发送到用户交互层进行展示。
14、优选的，所述步骤1具体包括：步骤11：获取列车和轨道的实体数据；步骤12：并根据列车和轨道实体数据构建列车的物理关系模型和轨道模型；步骤13：获取列车的传感器数据，并基于物理关系模型和轨道模型构建列车数字孪生模型。
15、本专利技术基于数字孪生技术，构建列车的数字孪生模型，对列车曲线的通过过程的安全性进行实时模拟仿真和精准预测，能根据列车的实时数据进行预测，大大提高了预测结果的准确性；通过机器学习算法进行学习对列车曲线通过运行状态进行预测，结合数字孪生模型预测结果，使得预测结果更加全面和准确，提高列车曲线通过时的运行安全性。
本文档来自技高网...【技术保护点】
1.一种数字孪生驱动的列车曲线通过安全性监控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种数字孪生驱动的列车曲线通过安全性监控方法，其特征在于：所述列车模型参数包括：车辆负载情况、列车编组、运行环境、列车类型、曲线线路状况及粘着状态参数；所述运行环境包括地形类型、环境温度以及天气情况，地形类型包括山地、平原、丘陵、盆地等，环境温度包括高寒和高温等，所述天气情况包括时间和天气模式，天气模式包括雨天、雪天、冰雹、雨雪或者风；所述曲线线路状况包括轨距、曲线长度、曲线半径、曲线超高以及缓和曲线；所述粘着状态参数包括：粘着系数，KA、KS、AP、BP、轮轨接触面积，以及轮轨相对速度。
3.根据权利要求1所述的一种数字孪生驱动的列车曲线通过安全性监控方法，其特征在于：还包括根据数字孪生数据进行机器学习，构建列车曲线通过模型，并根据列车模型参数和列车曲线通过模型进行预测列车曲线通过时的运行状态。
4.根据权利要求3所述的一种数字孪生驱动的列车曲线通过安全性监控方法，其特征在于：根据Meta-SGD算法进行机器学习，构建列车曲线通过模型。>
5.根据权利要求4所述的一种数字孪生驱动的列车曲线通过安全性监控方法，其特征在于：在所述Meta-SGD算法中，设置一个隐藏层，基础优化器为梯度下降法，学习率为0.1，元学习率为0.001，以及微批次的数量为10。
6.根据权利要求1所述的一种数字孪生驱动的列车曲线通过安全性监控方法，其特征在于：所述步骤2中通过列车的实时传感器数据获得车曲线通过时的运行状态。
7.根据权利要求6所述的一种数字孪生驱动的列车曲线通过安全性监控方法，其特征在于：还包括将列车的实时传感器数据进行处理后发送到用户交互层进行展示。
8.根据权利要求7所述的一种数字孪生驱动的列车曲线通过安全性监控方法，其特征在于：将列车的实时传感器数据进行数据过滤、数据变换以及数据可视化处理后发送到用户交互层进行展示。
9.根据权利要求1所述的一种数字孪生驱动的列车曲线通过安全性监控方法，其特征在于：所述步骤1具体包括：步骤11：获取列车和轨道的实体数据；步骤12：并根据列车和轨道实体数据构建列车的物理关系模型和轨道模型；步骤13：获取列车的传感器数据，并基于物理关系模型和轨道模型构建列车数字孪生模型。
...【技术特征摘要】
1.一种数字孪生驱动的列车曲线通过安全性监控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种数字孪生驱动的列车曲线通过安全性监控方法，其特征在于：所述列车模型参数包括：车辆负载情况、列车编组、运行环境、列车类型、曲线线路状况及粘着状态参数；所述运行环境包括地形类型、环境温度以及天气情况，地形类型包括山地、平原、丘陵、盆地等，环境温度包括高寒和高温等，所述天气情况包括时间和天气模式，天气模式包括雨天、雪天、冰雹、雨雪或者风；所述曲线线路状况包括轨距、曲线长度、曲线半径、曲线超高以及缓和曲线；所述粘着状态参数包括：粘着系数，ka、ks、ap、bp、轮轨接触面积，以及轮轨相对速度。
3.根据权利要求1所述的一种数字孪生驱动的列车曲线通过安全性监控方法，其特征在于：还包括根据数字孪生数据进行机器学习，构建列车曲线通过模型，并根据列车模型参数和列车曲线通过模型进行预测列车曲线通过时的运行状态。
4.根据权利要求3所述的一种数字孪生驱动的列车曲线通过安全性监控方法，其特征在于：根据meta-sgd算法进行机器学习，构建列车曲线通过模型。
5.根据权...
【专利技术属性】
技术研发人员：董少迪，
申请(专利权)人：重庆工业职业技术学院，
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。