基于RBF-DRNN应答器传输系统高速适应性评估方法研究

应答器传输模块(BTM)在不同速度下接收有效报文帧数的准确预测是评估其速度适应性的关键，因此提出一种基于RBF-DRNN的有效接收报文帧数预测方法，用于定量评估传输系统在350 km/h及以上运行条件下的适应性。首先，采用径向基函数(RBF)神经网络建立列车速度与车载设备接收最大、平均、最小比特数之间的非线性回归模型；然后，利用深度递归神经网络(DRNN)建立车载设备接收比特数、误码率、有效率与接收有效报文帧数之间的评估模型；最后，基于RBF模型预测的高速下接收比特数，结合实际误码率、有效率，预测传输系统在更高时速下接收有效报文帧数的变化范围。利用某线路联调联试数据，对模型性能进行测试。结果表明，当列车运行速度达350 km/h及以上时，评估平均误差为0.45帧，最大绝对误差为0.81帧，可有效预测更高速条件下BTM有效接收报文帧数，为应答器传输系统的高速适应性评估提供指导意义。