典型文献
基于模糊神经网络的重载列车空气制动力预测方法
文献摘要:
由于重载列车空气制动具有强非线性、反馈减压量误差较大的特点,且充风、排风时间与减压过程之间存在耦合关系,使得重载列车循环空气制动的操纵精确度难以保证,进而影响其操纵安全.为提高重载列车循环空气制动的控制精确度,文章提出一种基于模糊神经网络(fuzzy logic-based neural network,FLNN)的空气制动力预测方法.其首先采用径向基神经网络(radial basis function neural network,RBF-NN)训练空气制动离线数据,得到模糊逻辑形式的空气制动力离线预测规则;然后,计算当前数据与空气制动力离线预测规则的匹配度,得到相应的预测规则;最后,根据当前数据和相应的预测规则,输出空气制动力预测值.该预测方法通过数据处理的方式摆脱了对传统空气制动模型的依赖,避免了充、排风时间与减压过程之间的耦合分析,能够较准确地得到空气制动力预测值.试验结果显示,本文提出的基于FLNN的空气制动力预测方法将重载列车空气制动力在100 kN内的预测精度提高至99%,这验证了该方法在不同的工况下能有效实现空气制动力预测.
文献关键词:
重载列车;空气制动力预测;模糊神经网络;径向基神经网络;预测规则
中图分类号:
[3]
交通运输(U)
/
铁路运输(U2)
/
铁路运输管理工程(U29)
/
行车组织(U292)
/
铁路列车(U292.9)
/
货物列车(U292.92)
/
组合列车(U292.92+3)
作者姓名:
史可;张征方;白金磊;蒋杰
作者机构:
中车株洲电力机车研究所有限公司,湖南 株洲 412001;株洲中车时代电气股份有限公司,湖南 株洲 412001
文献出处:
引用格式:
[1]史可;张征方;白金磊;蒋杰-.基于模糊神经网络的重载列车空气制动力预测方法)[J].控制与信息技术,2022(01):1-6
A类:
空气制动力预测,FLNN
B类:
模糊神经网络,重载列车,强非线性,减压量,排风,压过,耦合关系,环空,操纵,fuzzy,logic,neural,network,径向基神经网络,radial,basis,function,RBF,离线数据,模糊逻辑,逻辑形式,预测规则,匹配度,耦合分析,kN
AB值:
0.147675
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。