欢迎来到天天文库
浏览记录
ID:32840387
大小:5.80 MB
页数:68页
时间:2019-02-16
《基于遗传神经网络列车乘坐舒适性标准评价的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、硕士论文基于遗传神经网络的列车乘坐舒适性标准评价研究摘要高速化是我国铁路现代化建设的一个重要趋势,在大力建设高速铁路的同时,应保证列车乘坐舒适性不随速度的提高而降低。长期以来,影响列车乘坐舒适性的因素没有引起足够重视,缺乏乘坐舒适性的检测方法以及评价标准,难以保证旅客乘坐舒适性。国际标准化组织(ISO)和国际铁路联盟(UIC)分别制订了乘坐舒适性评价的相应标准,英国和德国等国经过专门研究,特别是通过大量试验,在国际标准的基础上制订了适合本国国情的评价标准,论文对此做了研究。本文首先采用多体动力学仿真软件SIMPACK建立了整车动力学模型,并介绍了整车建模过程。然后将轨道谱输入到模型中,
2、仿真分析产生列车振动加速度数据。最后在MATLAB环境下按照五种舒适性评价标准的算法,分别计算舒适性值。采用遗传算法优化反向传播(BP)神经网络,但是遗传算法优化的BP神经网络的性能不能满足要求。因此,本文采用递阶遗传算法(HGA)优化径向基函数(RBF)神经网络,该算法不仅能优化网络的结构还能同时优化网络参数,仿真实验结果证明该算法的有效性。分别采用GA.BP神经网络和HGA—RBF神经网络研究乘坐舒适性评价标准之间的相关性。分析仿真实验结果,证明HGA.ImF神经网络的性能相对于GA-BP神经网络有了较大提高。关键词:乘坐舒适性,径向基函数神经网络,递阶遗传算法Abstract硕士
3、论文H诎speedisaV唧impon枷缸ectionforCh妇rajlway’smodernjZation.Hi曲speedrail、VayshouldbedeVeloped;me锄WIlile,meridecomfortShouldnotbedecreaSed勰tllespeediIlcreaSes.HoweVer,mef.actorSmataffecttheridecomf.ortwerenotpaidsu
4、五cientattemiont0.Lauckofcomforta11dstabili锣testillgmetllods锄dmeaSurementstalldards,iti
5、sdimculttoensurep2Lssengers仃乏ⅣelinComfort.Inte姗tio砌O玛aIlizationforStaIldardi脚iona11dIntematio蹦UmonofRailwaysl谢made印propriatestaIldardsfornleValueofcomfort.Throu曲specialresearches,especiallythrou曲plentyofteSts,BritainaIldGe锄aIlyhavereVisedand慨upspecificplaIlssuitablefor也eirownapplicationsf.ounded
6、.111isp印erest;ablishedthemodeloftrainVibrationt11rDu曲tlleSIMPACKsiInulationsoRware,姐dthengotlotsofVib融onaccelera:tion缸abyinput洫geach订ackilTegulari够powerSpec仇lIll.ARerthe玛comfortiIldexvaluewaScalculatedacc呲lyinM魄TLABenvironment.’11lemethodbasedongeneticaLlgorithm((}A)wasempIoyedforoptimizingmegen
7、eticalgorithmbackpropagation(BP)ncuralne铆ork.Buttheperfo咖aIlceofBPneuraln咖rorkisnotexcellent.111isp印erproposedanotllermethodforoptiIIlizingt11eRBFneuralnet、ⅣorkbaSedonllierarcllicalgeneticalgoritlllIl(HGA).ThesiIIlulationresultscle砌yshowedValidi够ofhierarc扯c甜geneticalgoritllIn.7rWomodelsb舔edOnHGA
8、-RBFneuraln咖orkmodelandGA-BPneuraln娟Ⅳorkmodelwerebuiltup.TlleconIlectionbetweenV撕ouSridecomforti11dicesofrailwayVeKcleswasaI]山),zedbytllesemodels.硼1eresultsshowthatHGA-RBFmodelhaS11igherpredictionaCcuracy觚dstIIongergeneraliz
此文档下载收益归作者所有