来源：期刊VIP网 时间：
作者：石小双;金容鑫;杨钢锋;尹海涛;毛汉领;李欣欣;
单位：广西大学机械工程学院;中国铁路南宁局集团有限公司质量技术检测所;广西先进制造系统与先进制造技术省级重点实验室;
摘要：为利用列车的车体振动加速度来准确反演铁路的轨道高低不平顺值，提出一种基于灰狼优化算法(GWO)、卷积神经网络(CNN)和长短期记忆网络(LSTM)构建车体振动加速度与轨道高低不平顺值的关系模型(GWO-CNN-LSTM)。首先，将轨检车的实测数据根据轨道检测数据特点，采用莱因达准则进行异常值剔除的预处理；然后，利用处理后的数据以车体振动加速度作为模型的输入，以轨道高低不平顺值作为模型的输出，利用CNN学习车体振动加速度的波形信息，将CNN学习到的特征输入LSTM;最后，再用GWO优化LSTM模型的关键参数，进而反演出轨道高低不平顺值，为突出该模型的适应性，又随机选取了其他区段进行了反演。文中采用3个性能指标来评价模型，并与其他经典的方法进行对比分析。结果表明，GWO-CNN-LSTM模型的均方根误差、平均绝对误差和拟合优度分别为0.141、0.107和0.977,与单一的LSTM相比，GWO-CNN结合LSTM可以使拟合优度提高20.1%;与循环神经网络、BP神经网络和支持向量回归相比，所提出的GWO-CNN-LSTM模型其均方根误差降低68.1%～79.1%,平均绝对误差降低60.4%～68.3%,拟合优度提高27.7%～44.9%,验证了GWO-CNN-LSTM模型用于轨道高低不平顺值反演的有效性。GWO-CNN-LSTM模型为铁路轨道高低不平顺反演研究提供了新的思路。
关键词：铁路轨道;;轨道高低不平顺;;灰狼优化算法;;卷积神经网络;;长短期记忆网络;;反演
基金资助：中国铁路南宁局集团有限公司科技研究开发计划项目(工20-4);; 广西科技基地和人才专项课题(桂科AD19259002)
