基于机器学习的高速列车制动盘多目标优化方法及系统

    公开(公告)号:CN120068274A

    公开(公告)日:2025-05-30

    申请号:CN202510517538.8

    申请日:2025-04-24

    Applicant: 中南大学

    Abstract: 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。

    列车吸能结构在碰撞仿真中的模型数据处理方法及系统

    公开(公告)号:CN120012280A

    公开(公告)日:2025-05-16

    申请号:CN202510495264.7

    申请日:2025-04-21

    Applicant: 中南大学

    Abstract: 本发明涉及列车耐撞性能分析技术领域,公开一种列车吸能结构在碰撞仿真中的模型数据处理方法及系统,以实现降本增效并确保可靠性。方法包括:将第一数据集中每个样本的力‑位移曲线作为自监督式网络模型的输入和输出,提取各力‑位移曲线在自监督式网络模型中降维后所分别对应的中间层隐变量;再根据第二数据集训练、验证及测试输入为吸能结构的结构参数、输出为中间层隐变量的新网络模型;将新网络模型与自监督式网络模型的解码器部分进行组合得到基于结构参数预测力‑位移曲线的目标模型;将目标模型嵌入编组列车碰撞动力学模型中,以根据动力学仿真环境的输入数据预测并输出碰撞仿真所需的力‑位移曲线。

Patent Agency Ranking