基于BP神经网络的捣固卫星小车制动距离预测方法研究

针对目前D09-32型捣固车自动捣固系统存在的卫星小车制动距离预测算法复杂以及工程实现难度较高等问题,文章提出一种基于BP神经网络的制动距离预测方法。该方法通过BP神经网络建立卫星小车制动速度、位置与对应的制动距离的关系模型,并利用所采集的卫星小车实时速度和位置数据预测卫星小车在当前速度与位置下的制动距离。对该预测方法关键模型进行Matlab仿真并与样本值进行对比分析,结果表明,采用所提出的基于BP神经网络的制动距离预测方法能够很好地对卫星小车制动距离进行预测,与现有的线性拟合预测方法相比,其预测误差平均减小了48.4%,有效提高了捣固车自动捣固的精度,且该方法具有良好的适用性和稳健性。

面向DCL-32型捣固车的自动捣固控制技术及其运用

随着我国铁路行业跨越式发展,铁路的运行速度及密度逐步提高,大型养路捣固机械得到了更广泛的应用。传统人工作业捣固车对操作人员要求高,工作强度大。文章以实现减轻人工作业强度、保障现场施工效率为目标,在不改变原车功能和机械结构的基础上,以DCL-32型捣固车为模板,提出了一种智能化自动捣固系统设计方案,重点分析其中铁路轨道轨枕的检测及定位下镐问题。该方案采用YOLOX模型进行图像检测,将识别出的结果与激光测距传感器输出里程相校核,快速、准确地完成轨道轨枕的检测;并基于卫星小车作业期间制动距离历史数据,拟合了制动关系曲线,对实际定位下镐点位进行预测。现场样机装车实验结果表明,单、双捣模式下,自动捣固作业速度与人工作业速度持平。该自动捣固系统控制方案试用效果良好,为后续的产品推广奠定了基础。