基于极端学习机的轮轨力预测研究

在列车运行过程中测量轮轨力可以实时揭示轮轨间的动态相互作用状态。利用测力轮对直接测量轮轨作用力虽检测精度高,但制造和维修成本也高。本文提出了一种基于极端学习机的轮轨力预测技术,该技术与基于传统神经网络学习算法的预测方法相比,具有快速、稳定、准确的特点。分析结果表明,使用该方法以车辆加速度和轨道不平顺作为输入,预测的轮轨作用力与仿真结果的相关系数达到0.8以上,能满足工程应用要求。