申请/专利权人：浙大城市学院

申请日：2022-03-08

公开（公告）日：2024-04-05

公开（公告）号：CN114707205B

主分类号：G06F30/13

分类号：G06F30/13;G06F30/27;G06N3/0442;G01C5/00;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2022.07.22#实质审查的生效;2022.07.05#公开

摘要：本发明涉及一种基于GRU神经网络的轨道基础差异沉降识别方法，包括：敏感因素计算和基础差异沉降智能识别。本发明的有益效果是：本发明通过数值模拟，建立列车‑轨道‑整体道床二维模型，引入基础不均匀沉降工况，计算得出各车轨动力响应，分析各动力响应与基础不均匀沉降的相关性关系。最终得出车体竖向加速度对于基础差异沉降的反应明显，且规律性强，可作为敏感因素识别基础差异沉降。车体竖向加速度的数据采集较其他车轨动力响应相对简单，易实现，并且采集的车体竖向加速度时程曲线是连续的。这对于解决目前铁路及城市轨道交通的基础差异沉降监测和控制具有极强的指导意义。

主权项：1.一种基于GRU神经网络的轨道基础差异沉降识别方法，其特征在于，包括以下步骤：步骤1、敏感因素计算，所述敏感因素为车体竖向加速度步骤1.1、建立列车-钢轨-整体道床二维模型，所述二维模型包括列车、钢轨和整体道床-衬砌整体；步骤1.2、对于钢轨和整体道床-衬砌整体，将其位移变形用模态叠加法进行正交分解；步骤1.3、用边界条件求出自振频率和振动模态，求出钢轨和整体道床-衬砌整体的振动微分方程；步骤1.4、引入轨道基础差异沉降工况，联立列车的动力平衡方程，得到车体动力响应，所述车体动力响应包括车体竖向加速度步骤2、基础差异沉降智能识别；步骤2.1、利用步骤1.1中所述列车-钢轨-整体道床二维耦合模型，引入不同沉降波长、波幅及列车行驶速度的基础差异沉降工况，计算得出车体竖向加速度建立“车体竖向加速度-沉降值”样本数据库，所述样本数据库分为训练集、验证集和测试集；步骤2.2、对步骤2.1中的“车体竖向加速度-沉降值”样本数据库进行标准化预处理；步骤2.3、搭建GRU神经网络模型，将步骤2.1中的样本数据库中的车体竖向加速度和列车行驶速度作为输入、基础沉降曲线作为输出，利用GRU神经网络模型进行训练，定义损失函数，调整参数直至得到理想的基础沉降识别效果；步骤2.4、样本数据库的测试集验证GRU神经网络模型的识别效果，所述识别效果的评价指标为MSE、RMSE、MAE以及R2。

全文数据：

权利要求：

百度查询： 浙大城市学院 一种基于GRU神经网络的轨道基础差异沉降识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD