基于神經(jīng)網(wǎng)絡(luò)的高速列車位置計(jì)算模型及在線學(xué)習(xí)算法設(shè)計(jì).pdf

1、隨著高速列車運(yùn)行速度的不斷提高，高精度的列車定位子系統(tǒng)對(duì)保障行車安全有著越來越重要的意義。同時(shí)，定位精度的高低也將影響高速鐵路列車的運(yùn)行效率和線路的運(yùn)營能力。通過查閱國內(nèi)外相關(guān)文獻(xiàn)，本文分析了世界各國列車定位技術(shù)的優(yōu)缺點(diǎn)并且根據(jù)實(shí)測(cè)數(shù)據(jù)發(fā)現(xiàn)國內(nèi)現(xiàn)有高速列車定位誤差仍有改進(jìn)的空間。我們提出在不增加設(shè)備投入的情況下，采用新的算法來降低定位誤差具有一定的使用價(jià)值。本文主要從以下幾個(gè)方面進(jìn)行了研究:
　　首先，通過對(duì)國內(nèi)CTCS-3級(jí)列車

2、控制系統(tǒng)中定位子系統(tǒng)及車地通信之間的報(bào)文數(shù)據(jù)進(jìn)行分析，我們建立了高速列車位置計(jì)算模型，并提出一個(gè)合理假設(shè)，給出了位置報(bào)告點(diǎn)之間運(yùn)行距離的估計(jì)。根據(jù)實(shí)測(cè)數(shù)據(jù)的計(jì)算，我們發(fā)現(xiàn)在應(yīng)答器之間的高速列車定位累積誤差約為2％。
　　其次，提出了基于反方向傳播(Back Propagation，BP)，基于徑向基函數(shù)(RadicalBasis Function, RBF)，和基于自適應(yīng)網(wǎng)絡(luò)模糊推理系統(tǒng)（Adaptive Network base

3、dFuzzy Inference System，ANFIS）三種神經(jīng)網(wǎng)絡(luò)算法流程、模型建立以及相關(guān)算法函數(shù)，并利用京滬高速鐵路列車的實(shí)際運(yùn)行數(shù)據(jù)及本文提出的六個(gè)評(píng)價(jià)指標(biāo)對(duì)這三種算法進(jìn)行分析比較。結(jié)果表明:與工程上常用的速度平均法(Average speedmethod，ASM)相比，BP模型的誤差百分比在訓(xùn)練集和驗(yàn)證集中，分別降低了63.52％和34.16％; RBF模型分別降低了40.16％和38.61％; ANFIS模型分別降低了6

4、3.11％和39.11％。為了進(jìn)一步降低定位誤差，本文又提出了基于三種神經(jīng)網(wǎng)絡(luò)算法的參數(shù)在線學(xué)習(xí)策略，并利用驗(yàn)證集數(shù)據(jù)進(jìn)行校驗(yàn)。結(jié)果表明:BP模型、RBF模型、ANFIS模型的誤差百分比進(jìn)一步降低，分別由原來的34.16％、38.61％、39.11％變?yōu)?8.12％、39.60％、42.58％，說明參數(shù)在線學(xué)習(xí)策略有效。綜合看來，三種神經(jīng)網(wǎng)絡(luò)模型中，在線學(xué)習(xí)策略的ANFIS模型更適合用于計(jì)算列車位置。
　　最后，為了直觀地比較三種