人工智能算法在铁道车辆动力学仿真中的应用进展

梳理了人工智能算法在铁道车辆系统动力学仿真中的应用实例和国内外相关文献，概述了铁道车辆动力学仿真中常用的机器学习和深度学习算法，归纳和评述了2种学习算法在铁道车辆系统动力学建模与仿真中的应用分类；从铁道车辆系统动力学建模、动力学性能预测与动力学性能优化等方面入手，详细讨论了人工智能算法应用在力元建模和仿真、轨道不平顺预测、运行平稳性预测、噪声预测、侧风安全性预测、运行安全性预测、悬挂优化、轮轨匹配优化、结构优化以及主动与半主动控制等领域的优势和局限性，指出了现阶段人工智能算法在动力学仿真应用中主要面临的训练样本缺乏、泛化能力不够、可解释性欠缺等问题；展望了今后人工智能算法和车辆系统动力学交叉研究的发展方向和重点研究内容。研究结果表明:融合经典力学和人工智能算法结合的混合建模理论可作为之后的重点研究方向；人工智能算法对解决随机动力学中的随机不确定性，提高随机动力学的性能具有较大的应用潜力；通过人工智能算法与优化算法相结合来实现动力学性能优化，可充分发挥人工智能算法的优势。      

车轮扁疤引发附加冲击力对车轴应力谱影响的研究

根据低接头冲击力公式与扁疤冲击速度公式,引入了一种简化的扁疤冲击力计算公式。为求得含扁疤冲击时车轴危险截面的应力,利用Koettgen虚应力求解策略,将左轮和右轮的横向、垂向随机轮轨作用力与扁疤冲击力解耦分别进行线弹性有限元计算,然后对应力分量叠加,利用Neuber缺口应力修正算法计算局部应力应变历程。本文根据数值仿真求解车轴应力谱的思路,利用上述方法计算了含扁疤冲击时车轴危险截面的应力谱,为疲劳可靠性评定提供了依据。     

CAD/CAE集成的高速列车子系统仿真分析一体化平台

为了使现有的通用商业多体动力学与有限元软件能满足高速列车子系统仿真建模的需求,利用开源组件和动态封装技术实现了可扩展弹性仿真平台架构框架,并基于该框架以高速列车弓网系统为例开发了高速列车子系统仿真平台(TPL. PC). 该仿真平台的构建表明,所提出的框架能够提供几何建模、网格生成与编辑、数值代码求解和三维实时可视化高速列车仿真平台所需的常用功能,解决了子系统几何模型和仿真模型在这些环节中的互用性问题,使得各异构子系统之间在仿真计算迭代步的中间结果数据和最终仿真结果文件交换通畅.      

铁路货车事故虚拟演练系统的设计与实现

为了提高铁路货运行业从业和参与人员的安全意识,降低铁路安全演练成本,设计实现一套多终端铁路货车事故虚拟演练系统。系统采用模块化设计,主要由3部分组成,包括知识学习模块、事故模拟模块和考试系统模块。系统采用多终端设计模式,提供虚拟现实(VR)端、桌面端、移动端和移动VR端供用户使用,各个终端在交互方式、学习便利性等方面可优势互补,为用户提供一套沉浸感强、高参与感和体验友好的演练系统。为了增加培训人员的学习效率和使用意愿,提出了一种新的腿部绑定位置跟踪器实现演练人员在场景中自然行走和大范围移动的人机交互方案,该方法通过腿部绑定位置追踪器将人物在真实空间中的原地踏步运动转换为在虚拟空间中的位置移动。同时提出一种事件自动触发的智能弹窗设计,达到了演练人员在虚拟环境中更加智能地引导学习的效果。系统的实现将为铁路货车工作人员的培训提供一种全新的方式。     

基于神经网络的数据挖掘模型在吸能装置上的应用

针对传统有限元分析方法对机车车辆结构耐撞性计算效率低的问题，在已有仿真分析数据基础上，引入机器学习方法，对车辆关键结构的耐撞性以及碰撞安全性进行分析预测. 首先，建立基于神经网络的数据挖掘模型，在此基础上构建车辆关键结构的碰撞响应预测方法；其次，通过试验验证了防爬吸能装置有限元模型的正确性，以此模型为基础获得不同壁厚防爬吸能装置的碰撞响应仿真数据；然后，以吸能装置壁厚作为模型输入，不同壁厚所对应的位移、速度、界面力和内能等碰撞响应作为模型输出，将有限元仿真数据用于模型训练，优化后的数据挖掘模型的拟合优度在0.922以上；最后，为验证模型预测的准确性，将碰撞数学模型的预测结果与有限元仿真结果进行对比，速度、位移、界面力和内能的平均相对误差分别为7.10%、4.51%、6.20%和2.50%. 研究结果表明:基于神经网络构建的数据挖掘模型在保证精度的情况下，能很好地反映防爬吸能装置的碰撞特性，大幅降低了计算时间，提高了计算效率.