基于深度学习的高速磁浮轨道不平顺预估

轨道不平顺是列车振动的主要激扰源,对行车的安全性和乘客舒适性造成直接影响。以实测的轨道不平顺为基础,结合高速磁浮TR08型车辆结构特点以及深度神经网络的基本原理,利用TensorFlow构建神经网络表征轨道不平顺与车辆振动加速度的关系。提出了一种通过测量振动加速度进而构建神经网络实现对不平顺检测的方案。研究结果表明,深度神经网络预测的轨道不平顺值与真实值相对精度超过99%,且能够同时对高低和水平不平顺进行测量,为轨道不平顺测量新方法提供了理论基础。