排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
车体振动加速度是反映车辆振动状态及轮轨接触性能的重要参数。运用机器学习方法,结合车辆动力学模型,构建了轨道输入参数对车辆振动反映的神经网络预测模型。通过SIMPACK动力学仿真软件获得模型的输入与输出,为提高模型的预测精度,运用遍历法确定了网络的时延阶数、隐节点等模型参数。仿真结果表明,该模型可以准确预测出在不同轨道不平顺激励下的车体振动加速度。 相似文献
2.
对惯性测量单元(IMU)输出的加速度信号进行频域分析,采用基于连续均方根误差准则的经验模态分解(EMD)去噪方法,将加速度信号低频成分滤除,以降低轨道状态检测中噪声信号对测量精度的影响.对去噪后的加速度信号进行连续两次积分处理,可获得载体的空间运动轨迹. 相似文献
1