典型文献
数字孪生在列车曲线通过性能预测中的应用研究
文献摘要：
提出一种基于数字孪生技术的列车曲线通过性实时预测方法,解决传统动力学仿真方法在列车曲线通过性能分析时,面临的多自由度耦合模型构建复杂、不确定性因素分析困难等问题,提高仿真结果的实时性与精确度.构建面向列车曲线通过安全性的数字孪生体,可视化呈现列车曲线通过时安全性指标的动态变化过程.利用MQRNN深度学习算法稳健高效的特点,对列车曲线通过时的构架横向加速度、轮轴横向力、轮轨垂向力、脱轨系数等安全性指标进行特征提取,动态仿真以及实时预测,并将结果与LSTM计算结果进行比较.结果表明,相对LSTM方法,提出的MQRNN方法将最大误差,最大绝对误差分别降低至0.017,0.09,同时具有更好的抗干扰能力,可以给出置信区间为90％的预测结果.所研究为列车曲线通过数字孪生体的构建及安全性预警奠定了基础.
文献关键词：
列车曲线通过;数字孪生体;深度学习;实时预测
中图分类号：
作者姓名：
董少迪;唐兆;王开云;王建斌;黎荣;张建军
作者机构：
西南交通大学牵引动力国家重点实验室 成都 610031;西南交通大学机械工程学院 成都 610031;伯恩茅斯大学英国国家计算机动画中心 伯恩茅斯 BH12 5BB英国
文献出处：
引用格式：
[1]董少迪;唐兆;王开云;王建斌;黎荣;张建军-.数字孪生在列车曲线通过性能预测中的应用研究)[J].机械工程学报,2022(18):240-250
A类：
MQRNN
B类：
列车曲线通过,曲线通过性能,性能预测,数字孪生技术,实时预测,动力学仿真,仿真方法,多自由度,耦合模型,不确定性因素,高仿真,建面,曲线通过安全性,数字孪生体,可视化呈现,安全性指标,变化过程,深度学习算法,构架,横向加速度,轮轴横向力,轮轨垂向力,脱轨系数,动态仿真,最大误差,绝对误差,抗干扰能力,置信区间
AB值：
0.246116
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。
