一种高速列车动力学性能设计关键参数识别方法
【技术领域】
[0001] 本发明属于铁路车辆设计技术领域，特别涉及高速列车在动力学仿真基础上的参 数设计分析。
【背景技术】
[0002] 高速列车从整体结构上看是一个由机械、控制、电气、通信等组成的，从物理性能 上看是由动力学、疲劳强度、声学、空气动力学等多种力学行为决定的复杂机电系统。其中 影响系统的平稳性、安全性和舒适性等指标主要还是由机械系统的力学性能决定，重点表 现在高速列车的整机性能-高速列车动力学上，而其又由高速列车零部件的结构及性能等 参数组成的设计变量集决定。要实现高速列车复杂的设计过程，需要经历高速列车动力学、 结构强度、振动模态、噪声、疲劳、碰撞、声学、空气动力学、供热通风等各种CAE数字建模与 仿真分析，并相互协同形成庞大的多领域建模与仿真，通过求解庞大的力学数学模型，并寻 求合适的优化方法来获得合理的设计参数。尤其当高速列车运行达到300公里/小时以上 的速度时，其与运行环境的作用也加强，高速列车的性能由其本身扩展到了运行环境系统， 因而需要将高速列车置于运行环境中，从上包括弓网系统，向下包括轮轨及线路条件，向前 包括流固耦合系统等，建立一个更为复杂的耦合动力学系统-高速列车系统动力学，使得 优化的设计参数更为合理。
[0003] 高速列车系统的各种领域，包括高速列车耦合系统的建模与仿真方法都有所突 破，但所构建的系统相当的复杂，具有高度非线性、计算难度大、计算时间和资源占有量大、 不利于在问题空间找到合理的优化解等诸多的难题。仅就高速列车动态性能优化本身，需 要通过考虑轮轨接触模型，建立基于多体动力学的微分代数方程组，在此基础上找到设计 参数与输出之间的灵敏度关系，然后采用优化求解。即先进行灵敏度分析，研宄各个设计参 数对目标响应指标的影响程度，再按照一定的规则去掉那些影响程度非常小的设计变量参 数，得到简化的小维数变量的优化模型，可以降低求解难度。
[0004] 在高速列车的研宄中，何邕提出了"面向设计的铁道车辆动力学建模与灵敏度分 析"，【成都：西南交通大学博士论文，2012】文中将轮轨力用典型的弹簧阻尼力进行描述， 通过对弹簧一阻尼力进行基于基元灵敏度分析特征建模，获得轮轨力的灵敏度分析模型， 实现了所获模型的数值计算工作。事实上，在工程实际应用中，灵敏度分析非常广泛地用于 解决结构优化设计问题，但由于所需求解的方程组量大且复杂，很少用于多体动力学、多学 科领域中。这个过程中，需要计算大量的非线性微分运动方程组，而这在数学上的难度是众 所周知的。
[0005] German在神经网络代理模型上的研宄对高速列车动力学性能关键参数的识别 开辟了另外一种方法[Computer-aided design sensitivity analysis for dynamic multibody systems[D]. Iowa:PhD Thesis, The University of Iowa, 2006]，Eberhard对LM 算法的研宄，又从一定程度上解决了神经网络代理模型的泛化能力和泛化精度【Analysis and Optimization of Complex Multibody Systems Using Aadvanced Sensitivity Analysis Methods[D].Stuttgart:PhD Thesis of University of Stuttgart, 1997】，使得 关键参数识别更加可靠，同时避开了求解大量复杂方程组的过程。很显然，对比建立复杂的 多体系统方程，该关键参数识别方法具有效率高、实时性强、成本低的特点。研宄的关键内 容包括了 ：高速列车多刚体动力学设计空间的确定和缩减技术；基于单目标神经网络和灵 敏度梯度公式计算灵敏度；关键参数识别准则。
【发明内容】
[0006] 本发明的目的是提供一种高速列车动力学性能设计的关键参数识别方法，它能有 效地利用单目标代理模型，将高速列车整机设计融入到多学科全局仿真设计中，从而在多 学科领域条件下，建立高速列车设计参数的灵敏度分析方法，识别出设计中所需要的关键 参数，从而提高高速列车动力学性能。
[0007] 本发明的目的是通过以下技术方案来实现的：
[0008] 一种高速列车动力学性能设计关键参数识别方法，利用改进单目标LM神经网络 代理模型，建立高速列车动力学性能设计参数的灵敏度分析方法，具体过程如下：
[0009] 首先，利用高速列车多刚体动力学物理模型和仿真模型，确定高速列车动力学性 能输入输出设计空间，并且利用专家领域知识，提取高速列车动力学性能设计参数和响应 指标来缩减设计空间，以减少神经网络的规模和容量，包括：
[0010] 1)基于高速列车结构拓扑关系，提取高速列车动力学分析模型所涉及的物理模型 部件，并按照各部件在仿真系统中的表达方式，获得仿真分析模型所涉及的抽象形式；
[0011] 2)根据物理模型部件和仿真抽象形式，确定高速列车动力学性能设计参数输入和 输出所涉及的全部设计空间；
[0012] 3)按照高速列车设计标准提取影响平稳性、安全性和曲线通过能力的七个输出性 能指标；
[0013] 4)针对高速列车动力学性能设计参数输入变量，拟定并发放专家调查表，利用专 家领域知识对高速列车动力学性能设计空间进行设计变量和取样空间的缩减；
[0014] 其次，采用LM算法对单输出神经网络的权值和阈值进行调整，以提高收敛速度和 收敛精度，按照神经网络中输入参数相对于输出值的灵敏度公式，计算出灵敏度，包括：
[0015] 1)采用拉丁超立方取样方法，得到高速列车车辆动力学仿真计算规范化样本；
[0016] 2)根据高速列车动力学性能设计参数变量的取值范围，将规范化样本转化为实际 的设计参数样本；
[0017] 3)确定计算工况，在仿真软件中建立仿真模型，仿真计算后得到性能参数样本，并 转化为规范化数值，得到训练和精度验证样本点，用于构建三层反馈神经网络代理模型；
[0018] 4)采用基于LM算法的三层反馈神经网络训练样本，得到高速列车的单输出LM神 经网络代理模型；
[0019] 5)检验单输出LM神经网络代理模型的精度是否达到要求，如是，则确定改进的 神经网络的结构和规模，建模结束；如否，则调整改进的神经网络结构和规模或者重构样本 点，重新训练，反复循环，直至到达到要求为止；
[0020] 6)利用该改进的单输出LM神经网络代理模型，结合灵敏度计算公式，进行高速列 车动力学性能设计参数的灵敏度计算；
[0021] 最后，进行高速列车动力学性能设计参数的灵敏度分析和关键参数识别，包括：
[0022] 1)计算相对灵敏度，以便分析灵敏度计算结果；
[0023] 2)拟定关键参数识别规则，建立关键参数推荐表，对高速列车设计时的关键参数 进识别。
[0024] 所述利用专家领域知识，是采用德尔斐（Delphi)法，拟定高速列车动力学性能设 计参数的重要度和取值范围调查表，发送给本领域专家，要求专家们基于自身经验和领域 知识，给出表中各个设计变量的取值范围和对性能的重要度。
[0025] 所述高速列车动力学性能设计参数的重要度取值范围为0~1之间，取值越接近 于1，则对系统输出的列车动力学性能指标的影响就越大，提取重要度大于0. 5的设计参数 作为高速列车动