作者：赵 飞1， 宁 静1,2， 方明宽1， 陈春俊
作者单位：1. 西南交通大学机械工程学院，四川 成都 610031; 2. 轨道交通运维技术与装备四川省重点实验室，四川 成都 610031
关键词：高速列车; 蛇行失稳; 小幅蛇行; 互信息分析; HHT
摘要：
近年来，人工智能技术广泛应用于高速列车运行状态的识别。用作列车运行状态识别的机器学习和深度学 习模型需要大量的数据，然而在实测数据中获取的蛇行失稳数据样本少且不均衡，再者，由于实测数据获取成本高， 实际采集数据困难，难以满足各种运行条件（稳定、小幅蛇行失稳和大幅蛇行失稳状态）。为解决以上问题，通过 SIMPACK 软件建立高速列车动力学仿真模型，模拟出车辆的各种运行状态数据。对仿真数据和实测数据进行互信 息分析和希尔伯特-黄变换（HHT）分析，发现仿真数据在时域特征和频域特征上与实测数据高度相似。把仿真数据 作为训练集，用来训练高速列车运行状态识别的人工智能算法模型，再用实测数据作为测试集进行验证。实验结果 表明：仿真数据用于机器学习和深度学习模型中都能得到很好的结果，说明仿真数据可以作为训练集用于复杂的深 度学习模型中。
