共查询到10条相似文献,搜索用时 109 毫秒
1.
用于NARMAX参数辨识的一种神经网络方法 总被引:2,自引:0,他引:2
本文提出一种适合于NARMAX参数辨识的神经网络模型和相应的训练算法,该模型能直接辨识NARMAX参数,结构简单,辨识率高。为非线性系统的参数辨识和模态分析提供了一种有效的方法,仿真结果表明,文中所提出的神经网络方法和相应的算法是有效的。 相似文献
2.
3.
车辆横向半主动悬挂的神经网络自适应控制 总被引:1,自引:0,他引:1
分析了车辆半主动悬挂模型的非线性特性,提出了采用神经网络的半主动悬挂自适应控制模型,设计了神经网络辨识器和控制器,采用专门算法修正控制器网络权值,仿真计算表明,神经网络自适应控制的半主动悬挂系统能有效改善车辆横向平稳性。 相似文献
4.
对于转向架这样复杂的系统,分布在系统不同位置的传感器可以实时检测大量数据。这些数据能够反映高速列车运行过程中转向架关键部件的性能退化状态,但单一通道的振动信号存在着信息缺失、信噪比低等缺陷,无法据此实现转向架关键部件性能退化阶段的精确辨识。因此,本文以横向减振器为研究对象,通过对转向架振动数据相关性分析,提出了车体和转向架上多个通道的振动信号共同用于横向减振器性能退化阶段辨识的方法。并通过构建基于CNN的多通道信息融合模型,将多个通道信息进行融合,实现了横向减振器性能退化特征的自适应提取与阶段辨识。将该方法与基于单个通道的方法进行比较,结果表明,该方法能够精确实现横向减振器间隔10%的性能退化阶段辨识。 相似文献
5.
6.
《中国铁道科学》2021,(4)
在对载荷辨识技术应用情况进行分析的基础上,基于铁路弓网综合检测数据,先结合数据特征进行时域分析、频域分析、趋势项消除及区段融合等预处理,后分别采用机器学习中的BP,ELM和LSTM神经网络3种数据建模方法,分别以4个受电弓振动加速度和2个硬点振动加速度为输入,对弓网接触力进行数据建模载荷辨识,并与试验结果进行对比。结果表明:采用3种神经网络建立的数值模型均可通过受电弓和硬点振动加速度数据辨识出弓网接触力的区段大值;采用4个振动加速度建立的数值模型较采用2个硬点加速度有更好的辨识效果;采用LSTM神经网络建立的数值模型避免了训练过程中的梯度爆炸和梯度消失等问题,具有较高的辨识相关性。 相似文献
7.
程畅 《城市轨道交通研究》2018,(3):11-14,18
运用子空间辨识数值算法直接辨识出轨道交通车辆动力学系统的状态方程,对系统矩阵进行特征值分解后获得模态频率和阻尼比,运用稳态图来确定系统的物理极点,最后获得所识别系统的模态参数。利用此法,对轨道交通车辆垂向仿真模型进行了模态参数辨识研究。研究结果表明:如以轨道不平顺作为车辆输入、以车体和构架的位移响应作为系统输出进行辨识,则即使在噪声信号较大时,仍能获得良好的识别效果;运用仿真模型的加速度输出信号进行辨识时,车辆模态参数的识别精度受噪声影响很大;当噪声信号为原信号的5%时,以构架加速度作为输入、车体振动响应作为输出,仍能有效地识别车体的模态参数。 相似文献
8.
车辆动力学系统横向稳定性的鲁棒性分析 总被引:4,自引:0,他引:4
用不确定多自由度动力学模型描述高速车辆动力学系统,以多自由度线性系统的鲁棒稳定性分析方法为基础,考虑独立参数摄动和非线性不确定性,应用李雅普诺夫稳定性理论导出了系统的横向稳定性条件,并应用该方法分析了一个承受不确定悬挂的车辆轮对的鲁棒稳定性实列,给出了稳定参数域。 相似文献
9.
线路随机不平顺对车辆—轨道耦合系统动力响应分析 总被引:11,自引:1,他引:10
利用有限元法,建立了车辆-轨道耦合系统动力计算模型。在这个模型中,系统被分解为上部结构和下部结构两部上。上部结构为附有二系弹簧系统的整车模型,考虑车体和转向架的沉浮振动和点头振动。下部结构为轨道,钢轨被离散为双层弹性基础上有限长度的梁。对两系统分别用迭代法单独求解。轮轨间的耦合通过轮轨间的相互作用力来实现。同时,将轨道高低不平顺视为平衡各态历经随机过程。运用该模型,对不同线路等级和不同列车速度条件下车辆-轨道系统的垂南随机振动了计算,在时域和频域内对系统响应进行了分析。 相似文献
10.
针对HXD2型6轴电力机车的动力学性能,建立了较为详细的6轴机车在弹性结构轨道上运行时的空间耦合动力学模型。对于机车子模型,假设车体、转向架和轮对均为刚体,各部分通过两系悬挂连接起来,形成一个多自由度质量-弹簧-阻尼系统,每个刚体均具有5个自由度,整个机车模型共有45个自由度。对于轨道模型,左右两股钢轨均视为连续弹性离散点支承基础上的无限长Euler梁,并考虑钢轨的垂向、横向及扭转振动;轨枕视为刚性体,并考虑轨枕的垂向、横向及转动;道床离散为刚性质量块,只考虑道床垂向振动。而对于轮轨关系模型,采用了先进的空间耦合关系模型。 相似文献