一種高速列車動力學(xué)性能參數(shù)優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及高速列車運行性能相關(guān)系統(tǒng)的仿真分析和高速列車參數(shù)設(shè)計優(yōu)化技 術(shù)領(lǐng)域，特別是基于高速列車動力學(xué)仿真分析基礎(chǔ)上的參數(shù)設(shè)計優(yōu)化。
【背景技術(shù)】
[0002] 高速列車系統(tǒng)從動力學(xué)的角度來看，為非線性復(fù)雜空間耦合系統(tǒng)，其中涉及到軌 道（橋梁）系統(tǒng)、高速列車機車車輛系統(tǒng)以及弓網(wǎng)系統(tǒng)等。必須綜合結(jié)構(gòu)動力學(xué)、車輛系統(tǒng) 動力學(xué)、耦合動力作用、空氣動力學(xué)、非線性理論等方面，進行復(fù)雜深入的研宄，才能解決高 速列車的設(shè)計優(yōu)化問題。
[0003] 結(jié)構(gòu)動力學(xué)是運用相關(guān)方法對高速列車結(jié)構(gòu)中特有的問題進行研宄，包括了車體 結(jié)構(gòu)動力學(xué)和軌道橋梁結(jié)構(gòu)動力學(xué)，如車體和轉(zhuǎn)向架結(jié)構(gòu)優(yōu)化和輕量化、噪聲控制、撞車保 護、載荷的運行速度效應(yīng)、線路不平順處車輪的撞擊、機車的不平衡性、車輛簧上結(jié)構(gòu)的振 動、橫向固有運動等問題。車輛系統(tǒng)動力學(xué)是將高速列車和線路組成一個復(fù)雜的多自由度 振動系統(tǒng)，研宄其高速運行過程，在各種位移、速度、加速度作用下，車輛整機、懸掛裝置、牽 引緩沖裝置、車線、車橋和弓網(wǎng)間的相互作用關(guān)系，包括了輪軌接觸理論、車輛動力學(xué)、多體 系統(tǒng)動力學(xué)等，為設(shè)計提供依據(jù)，以確保高速列車的安全性、平穩(wěn)性和舒適性。耦合動力作 用是指在高速的情況下，車路、車橋、弓網(wǎng)是耦合成一體的動力學(xué)系統(tǒng)，不能看成獨立系統(tǒng)。 空氣動力學(xué)是影響高速列車能耗、噪聲水平、安全性和舒適度的重要指標(biāo)，主要包括空氣阻 力、橫向風(fēng)作用下的穩(wěn)定性、列車交匯時候的壓力沖擊、不同環(huán)境下的空氣動力學(xué)、受電弓 的氣動力特性和空氣動力噪聲等。
[0004] 可見，高速列車系統(tǒng)動力學(xué)的復(fù)雜程度非常高，涉及到數(shù)學(xué)、物理、機械工程、材料 科學(xué)和計算機信息技術(shù)等眾多學(xué)科，在研宄過程中需要將車輛系統(tǒng)考慮成多剛體系統(tǒng)，并 考慮其中的軌道不平順、線路的空間幾何、非線性環(huán)節(jié)、輪軌接觸在空間上的幾何關(guān)系等問 題，以解決高速列車動態(tài)性能的參數(shù)匹配問題。高速列車仿真系統(tǒng)中建模時候的機理一般 是多剛體系統(tǒng)理論中的拉格朗日方法建立復(fù)雜系統(tǒng)的動力學(xué)方程【袁士杰，呂哲勤.多剛 體系統(tǒng)動力學(xué)[M].北京：北京理工大學(xué)出版社，1992】再對這些動力學(xué)方程采用各種數(shù)值 方法進行求解，而由于設(shè)計空間的復(fù)雜性，求解這些龐大的非線性微分動力學(xué)方程組的過 程往往難以順利進行，更難以收斂到一個設(shè)計空間上的最優(yōu)解。
[0005] 基于以上分析，本文引入減少計算復(fù)雜度和分析復(fù)雜度的近似代理模型，用 基于貝葉斯正則化【FDForeseeandMTHagan.Gauss-NewtonApproximationto BayesianLearning[C].IEEEInternationalJointConferenceonNeuralNetworks Proceedings.USA:Piscataway, 1998.】的整體目標(biāo)神經(jīng)網(wǎng)絡(luò)模型代替高速列車系統(tǒng)動 力學(xué)建模的仿真模型，以此獲得整個影響高速列車性能設(shè)計參數(shù)集與其動態(tài)響應(yīng)之間 的優(yōu)化全局模型，但高速列車上的情況比較少，研宄也比較有局限性。韓國Youngguk Kim、ChankyoungPark等將代理模型用于韓國高速列車KHST上，進行優(yōu)化設(shè)計【Design OptimizationforSuspensionSystemofHighSpeedTrainUsingNeuralNetwork[J]. JSMEInternationalJournal,SeriesC, 2003, 46 (2): 727-735】，但是在建模時僅考慮懸掛 系統(tǒng)本身，這在高速列車系統(tǒng)設(shè)計中，顯得原始設(shè)計變量集不足，對于輸出指標(biāo)，除了脫軌 系數(shù)、舒適平穩(wěn)性和輪對減重率被考慮外，傾覆系數(shù)、臨界速度等未考慮成安全度指標(biāo)。國 內(nèi)的采用代理模型的研宄中大部分都僅僅對其中某一項響應(yīng)指標(biāo)或少量指標(biāo)進行簡單地 探索，代理高速列車動力學(xué)性能整體代理模型的研宄鮮有報道。
[0006] 目前，尚未發(fā)現(xiàn)求解全面考慮運行指標(biāo)的復(fù)雜設(shè)計空間的高速列車動力學(xué)性能 參數(shù)多目標(biāo)優(yōu)化問題的相關(guān)文獻，該問題復(fù)雜程度高。通過結(jié)合代理模型技術(shù)和多目標(biāo) 優(yōu)化算法中的差分進化智能算法【周艷平.差分進化算法研宄進展[J].化工自動化及儀 表，2007, 3:1-6】，可將高速列車仿真分析技術(shù)和參數(shù)優(yōu)化設(shè)計無縫連接起來，使得高速列 車動力學(xué)性能參數(shù)的多目標(biāo)優(yōu)化問題的求解成為可能。
[0007] 研宄的關(guān)鍵內(nèi)容包括了 ：構(gòu)建高速列車多剛體動力學(xué)仿真模型；構(gòu)建整體目標(biāo)神 經(jīng)網(wǎng)絡(luò)代理模型；基于代理模型的多目標(biāo)優(yōu)化。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的是提供一種高速列車動力學(xué)性能參數(shù)的優(yōu)化方法，它能有效地利用 整體目標(biāo)神經(jīng)網(wǎng)絡(luò)代理模型，取代高速列車動力學(xué)仿真模型，將高速列車在多學(xué)科領(lǐng)域下 的設(shè)計分析和多目標(biāo)優(yōu)化算法相結(jié)合，進行基于高速列車動力學(xué)仿真近似模型的分析和優(yōu) 化，從而將高速列車的CAD和CAE相結(jié)合成一個整體設(shè)計過程，提高高速列車動力學(xué)性能。
[0009] 本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的：
[0010] 一種高速列車動力學(xué)性能參數(shù)的優(yōu)化方法，步驟如下：
[0011] 第一、基于動力學(xué)分析軟件，建立高速列車動力學(xué)仿真模型；
[0012] 第二、根據(jù)所構(gòu)建的動力學(xué)仿真模型，確定該模型所需的輸入變量、取值范圍和輸 出評價指標(biāo)；
[0013] 第三、根據(jù)取樣策略，得到均勻且充滿整個高速列車動力學(xué)性能分析的設(shè)計空間 的樣本點集。
[0014] 第四、采用貝葉斯正則化BP神經(jīng)網(wǎng)絡(luò)方法訓(xùn)練樣本，調(diào)整神經(jīng)網(wǎng)絡(luò)整個權(quán)值空間 的概率分布情況，控制有效權(quán)值的范圍，在此基礎(chǔ)上，構(gòu)建高速列車動力學(xué)仿真模型的整體 目標(biāo)神經(jīng)網(wǎng)絡(luò)代理模型；
[0015] 第五、擬定誤差控制規(guī)則，并計算相關(guān)誤差，判斷是否誤差范圍、預(yù)測能力是否滿 足要求，如否則調(diào)整神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和規(guī)模，轉(zhuǎn)步驟三，直到使整體目標(biāo)神經(jīng)網(wǎng)絡(luò)代理模型能 夠達到誤差范圍和預(yù)測能力的要求。
[0016] 第六、建立高速列車動力學(xué)性能參數(shù)設(shè)計的多目標(biāo)優(yōu)化數(shù)學(xué)模型；
[0017] 第七、利用差分進化算法進行多目標(biāo)優(yōu)化求解，計算過程中反復(fù)調(diào)用整體目標(biāo)輸 出神經(jīng)網(wǎng)絡(luò)，得到優(yōu)化后的高速列車動力學(xué)性能設(shè)計參數(shù)；
[0018] 第八、對優(yōu)化后的高速列車動力學(xué)性能設(shè)計參數(shù)進行仿真驗證，判斷是否有滿足 性能要求的解，如否轉(zhuǎn)到前一步，通過產(chǎn)生的新初始解，反復(fù)重新求解，如是則輸出優(yōu)化設(shè) 計結(jié)果。
[0019] 所述取樣策略是按照設(shè)計變量維數(shù)的多少進行選取的，當(dāng)設(shè)計變量維數(shù)小于10， 采用隨機試驗設(shè)計、或全析因試驗設(shè)計、或正交試驗設(shè)計、或拉丁超立方試驗設(shè)計；當(dāng)設(shè)計 變量維數(shù)大于10,推薦采用拉丁超立方試驗設(shè)計。
[0020] 所述神經(jīng)網(wǎng)絡(luò)為三層反饋形式，輸入層到隱含層的神經(jīng)元采用非線性轉(zhuǎn)化，從隱 含層到輸出層則采用線性回歸轉(zhuǎn)化，輸入層和輸出層的神經(jīng)元的數(shù)目，被分別定義為設(shè)計 參數(shù)變量數(shù)n和指標(biāo)參數(shù)變量數(shù)7,隱含層的節(jié)點數(shù)用m表示。
[0021] 所述整體目標(biāo)神經(jīng)網(wǎng)絡(luò)代理模型在構(gòu)建時，須滿足輸出層的神經(jīng)元的數(shù)目與所需 優(yōu)化的全部目標(biāo)數(shù)相等，即對n個輸入層和七個指標(biāo)建立一個n-m-7整體目標(biāo)神經(jīng)網(wǎng)絡(luò)代 理模型。
[0022] 所述誤差控制規(guī)則采用的指標(biāo)為相關(guān)系數(shù)R、相對誤差和平均相對誤差，相關(guān)系數(shù) R的值越接近1，則說明構(gòu)建模型的樣本點的預(yù)測值越接近于仿真值。
[0023] 所述多目標(biāo)優(yōu)化數(shù)學(xué)模型涉及到高速列車動力學(xué)性能指標(biāo)中的橫向平穩(wěn)性指標(biāo)、 垂向平穩(wěn)性指標(biāo)、脫軌系數(shù)、輪重減載率、輪軸橫向力、傾覆系數(shù)和臨界速度七項子目標(biāo)，除 前六項為求解子目標(biāo)的最小值外，最后一項為求解子目標(biāo)的最大值，但進行負數(shù)轉(zhuǎn)化后，七 項指標(biāo)均為最小值求優(yōu)。
[0024] 本發(fā)明有效地將高速列車設(shè)計分析和優(yōu)化相結(jié)合，解決了涉及多學(xué)科領(lǐng)域中的高 速列車仿真系統(tǒng)如SIMPACK進行列車動力學(xué)分析時，因需處理過多的設(shè)計變量而導(dǎo)致參數(shù) 設(shè)計優(yōu)化變得異常困難的問題，最終在小計算成本下高效地實現(xiàn)高速列車的參數(shù)設(shè)計優(yōu)化 過程，從而改善高速列車運行安全性、平穩(wěn)舒適性和曲線通過能力等多項性能指標(biāo)，這對于 提高我國高速列車的設(shè)計和分析能力有重要的意義和顯著的工程實際應(yīng)用價值。
[0025] 本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點與效果：
[0026] -、簡化求解過程，使得求解過程成為可能
[0027] 現(xiàn)有研宄主要采用建立微分方程組的方式進行靈敏度分析，研宄出一些設(shè)計參數(shù) 對目標(biāo)響應(yīng)指標(biāo)的影響程度，再去掉那些影響程度非常小的設(shè)計變量參數(shù)，得到簡化的小 維數(shù)變量的優(yōu)化模型，從而降低求解難度。但是由于龐大的微分方程組，使得求解過程異常 復(fù)雜，往往得不到有意義的解。代理模型的研宄將高速列車參數(shù)設(shè)計和優(yōu)化過程結(jié)合起來， 最終可得到令人滿意的優(yōu)化解。
[0028] 二、考慮了高速列車整車的設(shè)計空間
[0029] 現(xiàn)有設(shè)計高速列車所使用的代理模型，往往限于解決高速列車的某些局部問題。 如高速列車轉(zhuǎn)向架、懸掛系統(tǒng)等局部構(gòu)件，解決的或者是結(jié)構(gòu)問題或者是局部性能問題，而 本研宄立足于高速列車整車的設(shè)計空間，設(shè)計變量涉及整車的結(jié)構(gòu)參數(shù)和性能參數(shù)，性能 上除了磨耗指標(biāo)之外，其他的橫向平穩(wěn)性指標(biāo)、垂