• 查询稿件
  • 获取最新论文
  • 知晓行业信息
官方微信 欢迎关注

轮轨几何接触点的人工神经网络快速计算方法

杨光, 杨岳, 易兵, 刘文龙, 吴永军

杨光, 杨岳, 易兵, 刘文龙, 吴永军. 轮轨几何接触点的人工神经网络快速计算方法[J]. 铁路计算机应用, 2018, 27(6): 1-4.
引用本文: 杨光, 杨岳, 易兵, 刘文龙, 吴永军. 轮轨几何接触点的人工神经网络快速计算方法[J]. 铁路计算机应用, 2018, 27(6): 1-4.
YANG Guang, YANG Yue, YI Bing, LIU Wenlong, WU Yongjun. Fast calculation method for wheel-rail geometric contact points based on artificial neural network[J]. Railway Computer Application, 2018, 27(6): 1-4.
Citation: YANG Guang, YANG Yue, YI Bing, LIU Wenlong, WU Yongjun. Fast calculation method for wheel-rail geometric contact points based on artificial neural network[J]. Railway Computer Application, 2018, 27(6): 1-4.

轮轨几何接触点的人工神经网络快速计算方法

基金项目: 国家重点研发计划课题(2017YFB1200703)(2016YFC0802209); 成都市科学技术局科技惠民项目(2015-HM01-00043-SF)
详细信息
  • 中图分类号: U211.5∶TP39

Fast calculation method for wheel-rail geometric contact points based on artificial neural network

  • 摘要: 现有的轮轨几何接触点计算方法的求解过程较为繁琐,计算效率较低。结合迹线法构造钢轨廓形NURBS曲线权因子与轮轨接触点的几何关系,提出一种基于BP神经网络的轮轨几何接触点的快速计算方法,实现不同钢轨廓形条件下轮轨几何接触点的快速计算。实例分析表明:训练的人工神经网络能够高效准确地实现轮轨几何接触点的计算。
    Abstract: The current calculation methods for wheel-rail contact points are complicated, and the calculation efficiency is low. In this paper, the contact trace method was introduced to establish the geometry relationship between weight factors of rail NURBS curve and the wheel-rail contact points. A fast calculation algorithm for wheel-rail geometric contact points based on BP neural network was proposed to implement the rapid calculation under different rail profiles. The real case analysis shows that the trained artificial neural network can calculate the wheel-rail geometric contact points efficiently and accurately.
  • [1] 郭长青,魏奇,付思,等. 城市轨道交通警用数字视频监控系统[J]. 铁路计算机应用,2016,25(11): 58-61.
    [2] Y. Tian, A. W. Senior, A. Hampapur, et al.IBM Smart Surveillance System (S3): event based video surveillance system with an open and extensible framework[J]. Machine Vision and Applications, 2008(19): 315-327.
    [3] NILS T S, STEPHEN J M.The ADVISOR Visual Surveillance System[C]//Proceedings of the ECCV Workshop on Applica-tions of Computer Vision, Prague, 2004:103-111.
    [4] Lee S C, Nevatia R.Hierarchical abnormal event detection by real time and semi-real time multi-tasking video surveillance system[J].Machine vision and anplications,2014,25(1):133-143.
    [5] 王兵兵. 基于视频的轨道交通客流监控系统的设计与实现[D].北京:北京建筑工程学院,2012.
    [6] 黄源源. 视频监控系统中一些关键技术的研究[D].成都:电子科技大学,2013.
    [7] 宋波涛. 智能视频监控系统的设计与实现[D].长春:吉林大学,2009.
    [8] 李利,芮孟寨,庄哲. 内燃机车远程监控平台信息管理系统设计[J]. 铁路计算机应用,2016,25(6): 31-34.
    [9] 谢征宇,贾利民,秦勇,等. 铁路客运枢纽视频监控采集点布设模型[J]. 中南大学学报:自然科学版,2013(S2):254-257.
    [10] 谢征宇,董宝田. 高铁客运枢纽视频监控采集点布设研究[J]. 综合运输,2010(8):65-68.
    [11] 李得伟,孙宇星,黄建玲. 地铁客流预警技术基础探讨[J]. 都市快轨交通,2013(2):62-66.
计量
  • 文章访问数:  63
  • HTML全文浏览量:  0
  • PDF下载量:  29
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-01-31
  • 刊出日期:  2018-06-24

目录

    /

    返回文章
    返回