基于bp 神经网络的高速动车组牵引能耗计算模型 - 中南大学学报.pdfVIP

第 48 卷第 4 期 中南大学学报( 自然科学版) Vol.48 No.4 2017 年 4 月 Journal of Central South University (Science and Technology) April 2017 DOI: 10.11817/j.issn.1672−7207.2017.04.034 基于BP 神经网络的高速动车组牵引能耗计算模型 1, 2 1 1 1 1 王黛 ，马卫武 ，李立清 ，杨叶 ，向初平 (1. 中南大学 能源科学与工程学院，湖南 长沙，410083； 2. 深圳市政研究院有限公司 轨道交通院，广东 深圳，518000) 摘要：为准确计算动车组牵引能耗，提出 BP 神经网络模型和改进牵规法预测动车组牵引能耗。选取机车类型、 坡度、目标速度、停站方案等 8 个因素作为动车组牵引能耗的 BP 神经网络输入变量，建立 3 层 BP 神经网络模 型。采用增加动车组运动方程和优化基本阻力公式方式对牵规法进行优化。利用正交实验法对动车组牵引能耗影 响因素进行分析，并对 111 组实测能耗进行模拟验证。研究结果表明：BP 神经网络模型的实测能耗与计算能耗 相对误差在 4.26% 以内，改进牵规法的实测能耗与计算能耗相对误差基本在 10%以内，证明 BP 神经网络模型比 改进牵规法模型能更好地预测动车组的牵引能耗，而且当目标速度增大时，BP 神经网络模型的计算精度明显比 改进牵规法的计算精度高；目标速度和坡度对牵引能耗有显著影响。 关键词：动车组；牵引能耗；BP 神经网络；改进牵规法；因素分析 中图分类号：U266.2 文献标志码：A 文章编号：1672−7207(2017)04−1104−07 Estimating traction energy consumption of high-speed trains based on BP neural network 1, 2 1 1 1 1 WANG Dai , MA Weiwu , LI Liqing , YANG Ye , XIANG Chuping (1. School of Energy Science and Engineering, Central South University, Changsha 410083, China; 2. Department of Rail Transit, Shenzhen Municipal Design Research Institute Co. Ltd., Shenzhen 518000, China) Abstract: In order to predict the traction energy consumption of the high-speed trains, the back-propagation (BP) artificial neural network model and the optimized train traction calcu