基于SQPSO优化DELM的踏面磨耗测量模型
收藏中国科学院兰州化学物理研究所科学数据中心2023-09-07 更新2024-03-05 收录
下载链接：
https://ggjsfwdata.licp.cn/dataDetails/405c0f2e2b3a4b1dbc233ea7d5f4aeaa
下载链接
链接失效反馈官方服务：
资源简介：
针对难以建立轮轨磨耗的单一模型和无法对各种工况下车轮踏面磨耗进行定量计算的问题，提出一种基于SQPSO优化DELM的踏面磨耗测量方法(SQPSO-DELM). 首先将衍生特性引入到极限学习机中，提出一种衍生极限学习机模型(DELM). 然后引入序列二次规划(SQP)方法和量子粒子群优化(QPSO)算法，对DELM的参数进行优化. 通过SQPSO-DELM预测模型，对车辆动力学模型模拟不同试验参数下的车轮踏面最大磨耗量以及对现场列车踏面磨耗程度的实际测量值进行训练和预测. 结果表明：SQPSO-DELM预测模型的性能参数指标均优于LSSVM、ELM、PSO-ELM和QPSO-ELM，能较好地反映不同参数对车轮踏面磨耗值的影响规律.
提供机构：
中国科学院兰州化学物理研究所科学数据中心
创建时间：
2023-09-07
