基于KF-LSTM的轮轴横向力间接测量方法研究

轮轴横向力作为评价列车运行安全性的重要指标,对其进行服役状态下的在线监测尤为重要。结合卡尔曼滤波和长短时记忆网络算法(Kalman filter&long short-term memory, KF-LSTM)发展了轮轴横向力间接测量模型。首先利用17自由度车辆横向动力学方程建立卡尔曼滤波算法的过程和观测方程,其次构建最优观测变量集进行间接测量,然后采用长短时记忆网络算法对列车测量效果较差位置处的横向力测量公式进行修正补偿,通过数值仿真与现场试验证明了提出KF-LSTM模型的有效性。结果表明:基于KF-LSTM方法可准确测量0~20 Hz频域范围内轮轴横向力,仿真线路中轮轴横向力序列预测值与仿真真实值的相关系数约0.85,平均绝对误差值约4.82 kN;现场试验中轮轴横向力序列预测值与测力轮对实测值的相关系数约0.84,平均绝对误差值约2.99 kN,并依据该测量方法设置该车辆在该条线路运行时轮轴横向力的预警标准,为工程设计和实践提供依据。