【技术实现步骤摘要】
本专利技术属于轨道交通基础设施安全，涉及一种基于自适应多任务深度学习的车桥耦合系统可靠度分析方法。
技术介绍
1、桥梁结构是现代铁路系统的核心组成部分，对保障列车运行安全至关重要。深入研究车桥耦合振动理论并开展可靠性评估是确保铁路交通基础设施安全运营的必然要求。然而，车辆和桥梁在几何制造精度、结构参数及轨道不平顺等方面存在显著随机性，为车桥相互作用系统的可靠性评估带来挑战。在多重随机因素共同作用下，车桥耦合振动可靠性分析对提升轨道交通基础设施安全性具有重要意义。
2、近年来，车桥耦合领域已发展多种随机振动分析方法，例如点估计法、伪激励法、概率密度演化法和直接概率积分法。yu等将数论方法与概率密度演化法结合，研究三维列车-桥梁耦合系统的随机振动特性；jiang等提出改进点估计法，结合karhunen-loéve方法开展列车-桥梁系统随机振动分析；liu等采用直接概率积分方法分析重载有砟轨道车辆-桥梁系统的随机振动；shang等引入稀疏多项式混沌展开，分析多随机因素下车-轨-桥耦合系统的极值响应。尽管上述方法取得显著成效，但由于...
【技术保护点】
1.一种基于自适应多任务深度学习的车桥耦合系统可靠度分析方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于自适应多任务深度学习的车桥耦合系统可靠度分析方法，其特征在于：所述S1中，随机变量样本集的生成方法为：
3.根据权利要求1所述的基于自适应多任务深度学习的车桥耦合系统可靠度分析方法，其特征在于：所述共享卷积神经网络CNN包括：
4.根据权利要求1所述的基于自适应多任务深度学习的车桥耦合系统可靠度分析方法，其特征在于：所述状态融合门控长短期记忆网络SFLSTM的隐藏状态更新公式为：
5.根据权利要求1所述的...
【技术特征摘要】
1.一种基于自适应多任务深度学习的车桥耦合系统可靠度分析方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于自适应多任务深度学习的车桥耦合系统可靠度分析方法，其特征在于：所述s1中，随机变量样本集的生成方法为：
3.根据权利要求1所述的基于自适应多任务深度学习的车桥耦合系统可靠度分析方法，其特征在于：所述共享卷积神经网络cnn包括：
4.根据权利要求1所述的基于自适应多任务深度学习的车桥耦合系统可靠度分析方法，其特征在于：所述状态融合门控长短期记忆网络sflstm的隐藏状态更新公式为：
5.根据权利要求1所述的基于自适应多任务深度学习的车桥耦合系统可靠度分析方法，其特征在于：所述自适应任务加权策略的总损失函数定义为：
...【专利技术属性】
技术研发人员：何旭辉，赵永帅，史康，邹云峰，蔡陈之，项正良，
申请(专利权)人：中南大学，
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。