基于袋装回归树的高铁车体振动耦合因素分析及建模研究

高铁车体振动状态是列车运行安全性和乘坐舒适性的重要指标,且影响参数较多,如何利用小样本数据准确获取车体振动参数是目前需要解决的一个难题。结合Pearson和Spearman两种相关性算法,计算高铁车体3个方向的振动加速度与测量参数之间的相关系数,通过设定阈值确定耦合因素及训练集,并利用袋装集成算法和回归树算法构建以车体振动加速度为输出的耦合关系模型。为了验证耦合因素分析及模型的有效性,利用GJ-5轨检车测量数据,将模型的输出结果与所有检测参数训练下的输出结果及实际测量数据进行对比。实验及分析结果表明,在样本数据减小了74%情况下模型精度相当。因此耦合关系模型可用于在小样本下快速准确获取车体振动加速度。