基于卷积神经网络的高速列车悬架半主动控制方法

本发明目的在于提出一种基于卷积神经网络的高速列车悬架半主动控制方法，涉及列车悬架控制技术领域，旨在同步降低列车曲线运行时的能耗和车体振动。首先，通过多体动力学仿真软件VI‑Rail与MATLAB/Simulink建立联合仿真平台，设计多种运行工况并进行实验。基于仿真结果，系统研究了列车速度、轨道曲线半径和天棚控制器比例系数对列车能效和车体横向振动的影响。随后，利用仿真数据构建CNN模型，预测复杂运行场景下车辆的能耗与乘坐舒适性，并结合神经网络算法建立双目标优化模型，动态调整天棚控制器的比例系数。优化结果表明：所提控制策略可使高速列车在曲线轨道上的能耗和横向振动分别降低达15.90%及47.78%。