基于BP神经网络的测力轮对受力分析

论文题目: 基于BP神经网络的测力轮对受力分析

论文类型: 硕士论文

论文专业: 载运工具运用工程

作者: 周艳红

导师: 林建辉

关键词: 测力轮对,神经网络,轮轨力,横垂向桥

文献来源: 西南交通大学

发表年度: 2005

论文摘要: 轮对是机车走行部的重要部件,是影响列车安全运行的主要因素之一。轮轨力)测量是车辆动力学理论与实践的重要环节,测力轮对是测量轮轨力最直接最准确的方法。用铁路机车车辆的轮对作为力传感器来测量轮轨间的相互作用力的方法,是所有轮轨力方法中测量精度最高的方法。在评估铁路机车车辆的动力学性能及轮轨磨耗时,在脱轨等的实验研究中,任何方法都取代不了测力轮对。 本文分析了测力轮对实现连续测量的原理,传统的解决方法是组测试电桥,常用的组桥模式有正余弦桥和三角波桥。然而目前的测力轮对尚有以下缺陷:(1)测试电桥组成后便不易改动,因此,很难保证所组电桥是最优的;(2)测力轮对在投入运行之前,首先要进行标定试验。实验室内可以精确实现垂向加载标定试验,对于横向作用力来说尚无法在轮轨踏面上实现准确加载,从而无法实现横向载荷的准确标定,其载荷的耦合更无法预测。本文通过计算机仿真的方法,通过对同一测力轮对的计算找到最佳组桥模式和贴片位置,从而提高了测试精度。对于实验室内无法实现的横向加载问题,利用计算机仿真也得到了令人满意的结果。对于横向和垂向轮轨力耦合作用下的实际轮轨力解耦也进行了研究,并提出采用建立BP神经网络模型解耦横垂向桥的方法。测力轮对加载位置对横垂向桥的影响也加以考虑,传统处理方法采用求得修正系数或在敏感位置重新设计一个计算加载位置的桥路的思想。本文建立了一个可以同时得到垂向载荷大小和加载位置的BP网络模型。 此外,本文还利用测力轮对模型仿真数据的输出,通过传统组桥方法处理的结果和BP网络模型处理的结果进行了比较,发现采用BP网络模型仿真的结果可以得到更理想的输出波形,同时解决或减少了传统组桥过程中存在的一系列问题,并可充分考虑轮轨接触位置的信息。结果表明,本文所提出的利用BP神经网络分析轮轨力的方法是可行的,所建立的网络也是具有应用价值的。

论文目录:

摘要

Abstract

目录

第一章 绪论

1.1 本课题研究的意义

1.1.1 测力轮对技术研究的重要性

1.1.2 本课题研究的意义

1.2 国内外研究现状

1.2.1 国外研究现状

1.2.2 我国对于轮轨力测量理论和测量方法的研究现状

1.3 论文的主要研究内容

1.4 本论文的难点及拟解决的关键技术

1.5 研究方法、技术路线、试验方案及可行性研究

1.6 本论文的创新性

第二章 神经网络理论基础

2.1 神经网络的发展与现状

2.2 神经网络模型

2.2.1 神经元模型

2.2.2 神经网络模型

2.3 BP神经网络

2.3.1 BP网络结构

2.3.2 BP网络的激励函数

2.3.3 BP学习算法

2.3.4 BP网络的逼近能力

2.3.5 BP网络的泛化能力

2.3.6 BP网络的训练过程

2.3.7 限制与不足及BP网络的改进方法

第三章 有限元法概述

3.1 有限元法概述

3.2 有限元法思想

3.3 有限元法解题的一般步骤

3.3.1 基本思想

3.3.2 平面桁架的离散化工作

3.3.3 有限元法解题的一般步骤

3.4 有限元分析软件ANSYS

第四章 测力轮对有限元模型

4.1 测力轮对的有限元模型建立

4.1.1 模型材料参数

4.1.2 单元划分

4.1.3 载荷与约束

4.2 应力状况分析

第五章 测力轮对连续测量理论及实现

5.1 滚轮的受力分析及最佳贴片点的选取

5.2 组桥原理

5.3 载荷仿真计算

第六章 横垂向力解耦的的BP神经网络模型

6.1 BP网络的设计

6.2 横向桥和垂向桥的BP网络模型

6.3 与传统组桥分析结果比较

6.3.1 加载位置的变化对横垂向载荷作用输出的影响

6.3.2 两种方法结果比较

第七章 轮对受力的BP网络模型

7.1 实际载荷情况分析

7.2 横垂向同时加发的BP网络模型

7.2.1 桥路设计

7.2.2 神经网络模型及参数选择

7.2.3 学习样本选取

7.2.4 网络输出

7.2.5 模型精度检验

7.3 加载位置BP网络模型

7.3.1 载荷点位置变化对横垂向载荷应变输出的影响

7.3.2 位置变化影响的传统处理方法

7.3.3 加载位置BP网络模型

结论与建议

致谢

参考文献

攻读硕士学位期间发表的论文

发布时间: 2005-08-16

参考文献

• [1].高速直辐板测力轮对标定方法研究[D]. 王常龙.北京交通大学2016
• [2].测力轮对标定试验台研制及标定技术研究[D]. 李洁.北京交通大学2015
• [3].无线测力轮对监测系统研究[D]. 杨骏.西南交通大学2010
• [4].快捷货车测力构架研究[D]. 李飞.北京交通大学2018
• [5].轮轴结合法测力轮对研究[D]. 宫雪.北京交通大学2017
• [6].测力轮对标定试验台研制及其关键技术研究[D]. 张一文.西南交通大学2016
• [7].基于BP神经网络的铁路大临工程水土保持及土地复垦研究[D]. 杨锐锋.西南交通大学2009
• [8].基于成本动因BP神经网络的铁路物流货运成本预测[D]. 孙祖妮.北京交通大学2012
• [9].直辐板测力轮对方法研究[D]. 朱明隆.西南交通大学2015
• [10].基于BP神经网络的地铁信号设备故障预测[D]. 苏航.华南理工大学2013

相关论文

• [1].直辐板测力轮对方法研究[D]. 朱明隆.西南交通大学2015
• [2].基于改进的BP神经网络对轮轨力测量技术的研究[D]. 张冉佳.北京交通大学2015
• [3].测力轮对标定试验台研制及标定技术研究[D]. 李洁.北京交通大学2015
• [4].高频轮轨力测量方法研究[D]. 姚培.西南交通大学2014
• [5].基于PS021的高速无线测力轮对系统研究[D]. 邓霏.西南交通大学2013
• [6].TDC（数字时间转换）测量技术在测力轮对上的应用研究[D]. 何超.西南交通大学2012
• [7].无线测力轮对监测系统研究[D]. 杨骏.西南交通大学2010
• [8].轮轨力无线检测系统研究[D]. 向锷.西南交通大学2008
• [9].基于单片机的轮轨力检测[D]. 王闽生.西南交通大学2006
• [10].轮对有限元分析及高频振动研究[D]. 尹海涛.西南交通大学2004

标签：测力轮对论文;  神经网络论文;  轮轨力论文;  横垂向桥论文;