基于人工神经网络的铁路机车检修周期确定方法研究

摘要 针对铁路机车检修工作，本文在传统的机务检修的基础上，将机车运行过程中的公里量，负荷量和时间量作为因子，通过人工神经网络训练进行学习，形成了一种确定机车检修周期的新方法，建立了机车当量公里的模型，以期解决铁路机车科学检修中的检修周期确定问题。

关键词 机车；当量公里；人工神经网络；检修周期

中图分类号U269 文献标识码A 文章编号 1674-6708（2010）33-0112-02

0 引言

人工神经网络是由许多神经元互连在一起所组成的复杂网络系统，它是在现代神经学研究成果基础上提出的，能模拟人的若干基本功能。本文拟通过人工神经网络对机车检修进行科学化的分析，建立一套新的信息化确定铁路机车检修周期的方法。

1 铁路机车当量公里的研究

针对单一地由走行公里或运行时间来确定机车检修周期所存在的不足，结合我国机车运用检修实际，采用了机车当量公里的概念。机车当量公里是指机车走行公里与机车当量公里系数的乘积，表达式如公式（1）所示 ：

其中S为机车走行公里，km；K为对应机车走行公里S的当量公里系数，是综合考虑机车负荷状况及工作时间对机车损耗的影响，而对机车走行公里进行修正的系数。Sd为对应机车走行公里S的机车当量公里，单位为：km。

机车牵引运行过程中当量公里系数是牵引负荷率的增函数和机车速度的减函数，如公式（2）所示：

实际上，惰行工况是机车牵引负荷为零时的牵引工况，惰行工况机车当量公里系数可用下公式（3）：

在机车速度相同时，电阻制动工况机车当量公里系数高于惰行工况当量公里系数。电阻制动工况当量公里系数可以在惰行工况当量公里系数的基础上附加一个系数表示，如公式（4）：

式中C0为大于零的常数。

此外，还需选取常数作为当量公里系数对换算公里进行修正。

2 机车当量公里神经网络模型的确定

2.1 样本的选取

机车当量影响因素的选取：有动力停留工况机车累计当量公里Sd1，惰行工况累计当量公里Sd2，电阻制动工况机车累计当量公里Sd3，牵引工况机车累计当量公里Sd4。

机车检修周期影响因素的选取：机车累计工作时间T，机车累计走行公里S，机车累计当量公里Sd，维持柴油机基本运转所产生损耗u1，维持机车运行所产生的损耗u2，电阻制动作用所产生的损耗u3，牵引作用所产生的损耗u4。

2.2 输入层，输出层结点数

本文输入变量为{ Sd1， Sd2 ，Sd3， Sd4，T，S}，其物理意义分别为：Sd1动力停留工况机车累计当量公里，Sd2惰行工况累计当量公里，Sd3电阻制动工况机车累计当量公里，Sd4牵引工况机车累计当量公里，T机车累计工作时间，S机车累计走行公里；输出变量为要解决的问题，即预测目标{u1，u2，u3，u4}，其物理意义分别为：u1维持柴油机基本运转所产生损耗，u2维持机车运行所产生损耗，u3电阻制动作用所产生损耗，u4牵引作用所产生损耗，所以将输入层及输出层的结点数分别选取为6个和4个。

2.3 隐含层的结点数

根据理论证明：“一个具有M个结点输入层，2M+1个结点的隐含层和N个输出结点的三层BP网络，可以精确的表达任一连续函数F：IMRN，Y=F（X），（0

经过上述分析，确定网络模型的结构为6―13―4型，传递函数采用传统的Sigmoid函数为：f（x）=1/（1+exp（-x））。

3 样本的预处理与网络训练

3.1 样本的预处理

为了加快网络训练和收敛，在网络训练之前对样本进行预处理，常用的方法为归一化方法，应用公式如公式（5）所示：

根据本文资料的具体情况，采用4个“6―13―1”网络结构是合理的，一方面可以加速收敛，提高精度，另一方面可以合理而充分利用目前已有的资料。

3.2 网络的训练

使用训练样本，经过训练以后可以得到训练曲线，再使用检测样本进行检测，得到的检测图。最后使用检验样本数据对结果进行检验，检验错误结果如图1所示。

研究以上结果可以得出，该训练结果的平均误差值低于0.1，低于事先预定的平均误差值，所以该模型是一个比较理想的机车当量检验模型。

将实际的机车当量数据提取输入到该神经网络检验模型中，可以得到机车损耗的诊断结果如表1所示：

由表1可以看出该检验模型所预测出的维持柴油机基本运转所产生损耗，维持机车运行所产生损耗，电阻制动作用所产生损耗和牵引作用所产生损耗，通过这些损耗参数可以得出该机车的磨损状况，并决定是否对此进行检修。

4 结论

本文用机车当量来确定机车检修周期，对管理中的感性认识和检验进行了量化，在机车当量的模型中，利用神经网络学习方法，使经验的分析更合理、直观，效果明显，证明人工神经网络在机车检修周期的确定中的应用是可行的。

参考文献

[1]李忠厚.机车当量公里数学模型的研究[J].铁路机车车辆，2002(5)：1-3.

[2]付军，胡晓依，等.BP神经网络方法在机车轴承故障诊断中的应用[J].铁道机车车辆，2002(2)：3-4.

[3]吕新伟，潘迪夫.基于神经网络的橡筋弹射系统建模[J].机电一体化，2002(2)：25-27.