一种基于小波神经网络的车辆构架人工蛇行波重构方法研究

预测车桥系统的振动响应,减少工作人员去轨道实测列车蛇行波的工作量,关键在于求得与实际构架实测蛇行波接近的构架人工蛇行波。基于Monte-Carlo的人工蛇行波随机模拟方法只保留了实测数据中的方差作为重构的唯一约束条件,而其他一些重要特征参数,如频率、概率等都没有得到充分的利用,造成重构过程中的频率和相位的机会均等,导致最后重构的蛇行波与实测蛇行波有一定的差距。本文针对小波良好的时频局部性及神经网络强大的非线性映射能力,用小波基代替神经网络中的Sigmoid函数,构造带有轮盘赌遗传选择机制的小波神经网络,并对列车运行速度为160km/h的广深铁路实测蛇行波数据进行分析、重构。仿真结果表明这种方法能够有效地保留实测蛇行波的特征参数,重构的蛇行波过渡、衔接更加自然。同时,该方法也适用于高速列车的蛇行波重构。