Resumen

El objetivo de este trabajo es crear un modelo de predicción de la aceleración de la vibración de la carrocería del automóvil que sea fiable, eficaz y cercano a las condiciones del mundo real. Por lo tanto, se recopiló una gran cantidad de datos sobre parámetros ferroviarios mediante múltiples sensores y se seleccionaron diferentes coeficientes de correlación para seleccionar los parámetros estrechamente correlacionados con la aceleración de la vibración de la carrocería. Tomando los parámetros seleccionados y la aceleración previa de la vibración de la carrocería como datos de entrada, se estableció un modelo de predicción de la aceleración de la vibración de la carrocería basado en varios algoritmos de entrenamiento y estructuras de redes neuronales. A continuación, el modelo se aplicó con éxito para predecir la aceleración de la vibración de la carrocería de los conjuntos de datos de prueba en diferentes segmentos de la misma vía férrea. Los resultados muestran que el método propuesto supera la complejidad y la incertidumbre del análisis de acoplamiento multiparámetro en los modelos teóricos tradicionales. Los resultados de la investigación presentan un gran potencial de aplicación.

• Materias:Planificación de la producción Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Production planning Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:aceleración de la vibración de la carrocería del automóvil, modelo de predicción, aceleración anterior de la vibración de la carrocería del automóvil, diferentes coeficientes de correlación, estructuras de redes neuronales, varios algoritmos de entrenamiento, modelos teóricos tradicionales, parámetros, diferentes segmentos, gran potencial
• Keywords:car body vibration acceleration, prediction model, previous car body vibration acceleration, different correlation coefficients, neural network structures, several training algorithms, traditional theoretical models, parameters, different segments, great potential