文章详情

摘要

针对传统牵引特性建模方法过于简单、精度低等问题，开发了一种能够适用于多机车类型、且兼具高精度与实用性的牵引特性建模方法。首先基于机车牵引计算主要数据表通过分段式多项式拟合的方式，拟合出连续速度和离散间隔为0.1的级位下的牵引曲线，并获得牵引特性函数；然后设计了Multi-TrainMLP融合估计器，该估计器在轻量级主干网络的基础上扩展了多个带有通道注意力机制的输出分支，用于拟合不同车型的牵引力，在车型维度上具有独立性、可扩展性，以及灵活性的特性；最后使用牵引特性函数中的数据，对Multi-TrainMLP融合估计器进行训练。该方法在5种车型数据上进行实验，拟合的牵引力与查表获得的牵引力的MAE小于0.3 kN，同时可以得到任意速度下的牵引力。

关键词

机车牵引特性；建模；多项式拟合；MLP；融合估计器；注意力机制

参考文献

1. [1] 列车牵引计算规程：TB/T 1407—1998 [S].[出版地不详]：行业标准-铁道，1998.
2. [2] 电力机车牵引特性试验方法：TB/T 2510—1995 [S].[出版地不详]：行业标准-铁道，1995.
3. [3] 彭其渊.城市轨道交通列车牵引计算 [M].西南交通大学出版社，2005.
4. [4] 康熊.电力机车特性曲线的数学建模与曲线拟合 [J].铁道学报，1993（1）：4-8.
5. [5] 赵笑龙，徐中伟，朱龙.基于移动最小二乘法的列车牵引特性曲线拟合 [J].科协论坛（下半月），2013（1）：109-111.
6. [6] Cybenko G. Approximation By Superpositions of a Sigmoidal Function [J].Mathematics of Control, Signals and Systems，1989，2（4）：303-314.
7. [7] Hornik K，Stinchcombe M，White H. Multilayer Feedforward Networks are Universal Approximators [J].Neural Networks，1989，2（5）：359-366.
8. [8] Weigend A S，Huberman B A，Rumelhart D E. Predicting the Future: A Connectionist Approach [J].International Journal of Neural Systems，1990，1（3）：193-290.
9. [9] Rossi F，Conan-Guez B. Functional Multi-layer perceptron: A non-linear tool for Functional data Analysis [J].Neural Netw，2005，18（1）：45-60.
10. [10] 张喜全.电力牵引传动及控制 [M].中国铁道出版社，2012.
11. [11] 杨志伟.HXD3CA型电力机车牵引特性影响空转分析及改进措施 [J].哈尔滨铁道科技，2023（2）：24-27，31.

作者简介

杨园园（1990—），女，汉族，河南郑州人，助理工程师，硕士，研究方向：基于深度神经网络的目标检测与目标分割算法研究、以及神经网络技术在机车辅助驾驶系统中的应用与优化；陈国涛（1987—），男，汉族，河南信阳人，工程师，硕士，研究方向：机车辅助驾驶系统研究、列车模型建模、机车辅助驾驶系统地面仿真系统研究；邓瑞瑞（1991—），男，汉族，甘肃庆阳人，工程师，本科，研究方向：交通运输管理；贾群喜（2000—），男，汉族，河南驻马店人，助理工程师，本科，研究方向：机车辅助驾驶控制、机车辅助驾驶仿真建模、嵌入式系统；吴晗（1991—），男，汉族，河南驻马店人，助理工程师，本科，研究方向：信号与信息处理、通信与网络技术、嵌入式系统与物联网；郭金伟（2001—），男，汉族，河南周口人，工程师，本科，研究方向：多机车类型牵引特性精准建模及神经网络优化方法。