论文部分内容阅读
高速列车悬挂系统参数的直线运行稳定性、曲线通过安全性和磨耗性能优化为涉及高度非线性目标函数的多目标折衷优化问题,基于传统动力学方程的传统建模方法和传统单目标或归一化多目标优化算法对其不再适用。使用代理模型技术,可以基于有限组样本从统计学角度快速建立高速列车动力学性能指标与车辆悬挂系统参数之间关系的近似数学模型,以避开对高度非线性的动力学方程的反复求解：而以NSGA-Ⅱ算法为代表的基于遗传算法的Pareto多目标优化算法可以求解出令一组不可公度而相互矛盾的目标函数同时取得最优的一组折衷解,供设计时视情选用。为此,本文提出了一种基于代理模型技术和Pareto多目标优化算法的高速列车悬挂参数优化设计方法。首先,以CRH2型动车组为模板,通过最优拉丁超立方(OptLHD)方法设计试验,在一定范围内选取出足够数目的悬挂参数样本,通过动力学仿真计算出表征其直线运行稳定性、曲线通过安全性和磨耗性能的动力学性能指标。其次,利用上述样本连同其动力学响应训练一个径向基函数人工神经网络(RBF-NN)模型,作为车辆悬挂参数与动力学性能指标之间数学关系的代理模型。最后,以NSGA-Ⅱ多目标遗传算法对代理模型按照临界速度-脱轨系数、临界速度-磨耗数、临界速度-脱轨系数-磨耗数三组不同的目标函数组合分别进行对悬挂参数的寻优,得到Pareto最优的悬挂参数设计方案,并基于这些方案对不同用途的高速列车的设计提出了建议。三组优化计算分别得到了343个、563个、1223个Pareto最优的悬挂参数设计点,相比模板车型最大可提升非线性临界速度9.97%,降低Elkins磨耗数22.71%,降低脱轨系数10.03%。其中,958个设计点可使三个优化目标均优于模板车型,可用于模板车型的改良；其余1171个设计点则以一些性能的下降为代价,获取了另一些性能的较大提升,适合于设计在不同线路和速度下运营的派生车型。