基于机器学习的高速列车制动盘多目标优化方法及系统

本发明涉及列车制动领域，公开一种基于机器学习的高速列车制动盘多目标优化方法及系统，以提高时效性和资源利用率。方法包括：构建并试验验证高速列车制动盘的有限元参数化模型，有限元参数化模型将全流程代码化封装，实现"参数输入‑仿真输出"的自动化映射；采用试验设计方法以基于有限元参数化模型构建用于机器学习的数据集，以批量化处理程序自动提取数据集中的输入变量和输出变量；然后根据数据集训练、验证及测试作为高速列车制动盘结构的热力学响应指标预测的目标模型；定义优化目标以及结构参数的约束条件，以嵌入目标模型的非支配排序遗传算法得到该优化目标的帕累托解集；对帕累托解集进行最优决策，得到制动盘结构参数的最优解。