论文部分内容阅读
随着我国铁路运输事业的蓬勃发展,列车运行安全成为社会日益关注的问题。列车轮对作为列车安全行走的关键部件,一直是国内外学者的研究热点。本文以列车轮对为主要研究对象,针对车轮历史数据开展分析研究,提出了PSO-GA-LM优化的LS-SVM预测模型,建立了轮对磨耗模型和单轮多目标优化模型,改进了经典NSGA-II算法,设计了整车轮对镟修策略。具体工作包括以下几个方面:第一,以轮对磨耗量为预测对象,针对最小二乘支持向量(LS-SVM)超参优化过程易陷入局部最优的问题,提出了PSO-GA-LM优化算法;相关实验与分析结果表明PSO-GA-LM能够有效地防止LS-SVM超参寻优陷入局部最优,预测精度相较于PSO-GA提高了9.92%,PSO提高了12.73%,且该算法优化的LS-SVM模型预测精度较BP神经网络提高了42.19%,实现了轮对状态的有效预判。第二,基于太原铁路局太原北机务段SS4-0997号机车历史数据分析,建立了轮对磨耗模型,依据该模型,综合考虑单轮使用寿命和镟修次数,建立了单轮镟修多目标优化模型;同时,针对车轮镟修的特点,以提高经典NSGA-II的全局搜索能力和收敛性为目标,提出改进的NSGA-II算法;实验结果显示,该算法可搜索到镟修5次,使用寿命为11.22年的单轮镟修策略。相关模型和算法可广泛应用于单轮以及理想情况下整车轮对镟修策略制定。第三,在单轮镟修策略的基础上,综合考虑各车轮的磨耗特点以及轮对间的轮径差,针对机车中所有轮对,以整车轮径镟修量最小为目标建模,并提出了初步的整车轮对镟修策略;以SS4-0997号机车现场镟修结果为依据,本文提出的整车镟修策略轮径镟修量比目前实际采用的方法降低了48.15%,在保证轮径差的同时使机车保持在最佳状态。本文工作面向实际,在列车轮对数据的基础上为我国列车轮对的预判、保养与维修给出了切实有效的建议,一定程度上保证了列车运营的安全,具有较大的现实意义。