利用分支傅里叶神经算子估计轨道几何评估中的铁路车辆响应
应用物理
2024-02-29 v1
摘要
在铁路运输中，轨道几何评估是确保铁路车辆安全性和舒适性的不可或缺的要求。一种有前景的方法是直接利用车辆动态响应来评估轨道几何缺陷的影响。然而，使用动力学仿真方法获取车体动态响应的计算成本很高。因此，高效且准确地获取车轨耦合系统的动态响应至关重要。在本工作中，提出了一种分支傅里叶神经算子 (BFNO) 模型来获取车轨耦合系统的动态响应。该模型考虑了车轨耦合系统的非线性关系，实现了对系统动态响应的快速准确估计。BFNO 模型的相对损失 (rLSE) 为 2.04%，与传统神经网络 (CNN-GRU) 相比降低了 64%。在频域中，BFNO 模型在主频率范围内实现了对系统动态响应的有效估计。与现有方法相比，我们提出的模型可以在未见过的时间步长进行预测，实现了从低时间分辨率到高时间分辨率的预测。同时，我们提出的模型在效率方面优于商业软件。在轨道几何评估中，用户可以使用预训练的 BFNO 以几乎为零的计算成本获取动态响应。
引用
@article{arxiv.2402.18366,
title = {Estimation of railway vehicle response for track geometry evaluation using branch Fourier neural operator},
author = {Qingjing Wang and Wenhao Ding and Qing He and Ping Wang},
journal= {arXiv preprint arXiv:2402.18366},
year = {2024}
}