（测试计量技术及仪器专业论文）列车综合舒适度检测系统的开发.pdf

西南交通大学硕士研究生学位论文第1 页 摘要 列车作为一种交通工具，其安全性和舒适性是人们最为关心的两个因 素。随着我国铁路干线的全面提速，这两个问题更受人关注。对于列车运行 安全性和舒适性的评价，在u i c 51 3 铁路车辆内旅客振动舒适性评价标准 中的评价参数是横向、纵向、垂向三个方向的振动加速度。但是随着近两年 来高速列车的发展，在一个高速运行的密闭车厢内，原有的只考虑振动加速 度的舒适性指标已经不再适用。为此，本文从振动加速度、噪声和车厢内空 气压力三个方面加以考虑，对综合振动、噪声、大气压力三者的综合舒适度 指标进行了探讨。 借助神经网络算法，本设计利用其中的b p 算法、r b f 算法和模糊神经 网络算法，用m a t l a b 中的n n t 0 0 1 分别对本系统中的数据进行了训练和仿 真，最后做出比较，最终得出了适合本系统的b p 神经网络算法及相关系数。 针对列车综合舒适度算法，本文对算法的软硬件实现进行了探讨。数据 预处理时，考虑f f t 变换及低通、带通滤波。硬件方面，采用d s p 芯片 t m s 3 2 0 v c 3 3 及5 1 单片机a t 8 9 s 5 2 双c p u 来实现。d s p 完成数据预处理 及舒适度的计算，单片机控制数据采集及与p c 机的通信。传感器采集出来 的模拟信号经过a d 采样存储在e e p r o m a t 2 4 c 2 5 6 里，然后经d s p 进行 数据处理、计算后，把计算的综合舒适度的结果显示在液晶屏幕上。 关键词：综合舒适度：神经网络算法；d s p ；单片机 西南交通大学硕士研究生学位论文第1 l 页 a b s t r a c t r r a i na sat r a f f i ci n s t r u m e n t i t ss a f e t ya n dc o m f o r ta r et w om o s tc o n c e r n e d p r o b l e m sf o rt h ep e o p l e w j t l lt h ef u l l - s c a l ea c c e l e r a t i o no fm a i nr a i l w a y si no u r c o u n t r y , t h e s et w oo n e sa r em o r er e m a r k a b l e 1 1 1 ee v a l u a t i n gp a r a m e t e r so f s e c u r i t ya n dc o m f o r ti nu i c 5 13 a r ev i b r a t i n ga c c e l e r a t i o n si nt h r e ed i m e n s i o n b u t w i t ht h ed e v e l o p m e n to fh i g h s p e e dv e h i c l ei nt h el a s ty e a r s ，t h eo l de v a l u a t i n g c r i t e r i o nc o n c e r i n gv i b r a t i o no n l yi sn ol o n g e ra p p l i c a b l ei nah i g h - s p e e da n d e n c l o s e dr a i l w a yp a s s e n g e rc a r c o n s i d e r i n gv i b r a t i o n ，a i rp r e s s u r ea n dn o i s e ，t h i s a r t i c l em a k e sag r e s st og e ta ni n t e g r a t e dc o m f o r tc r i t e r i o n b yt h eh e l po fb er b fa n df u z z yn e u r a ln e t w o r ka l g o r t h i m , t h i sd e s i g n i n g t r a i n sa n ds i m u l i n k sd a t a su s i n gn n t o o li nm a t l a b ，a n dm a k e sac o m p a r i s o n i no r d e rt og e tas u i t a b l ea l g o r i t h m - b pn e u r a ln e t w o r ka l g o r i t h ma n dt h ec o r r e l a t e c o e f f i c i e n t s a sf o rt h et r a i n si n t e r g r a t e dc o m f o r ta l g o r t h i m ，t h i sp a p e rd i s c u s s e st h e r e a l i z a t i o nb o t hi ns o f t w a r ea n dh a r d w a r e c o n s i d e ru s i n gf f tt r a n s f o r ma n d l o w p a s s ，b a n d p a s sf i l t e r i nd a t ap r e p r o c e s s i n g i nh a r d w a r e ，u s ed s pc h i p t m s 3 2 0 v c 3 3a n d5 1s i n g l e - c h i pm a c h i n ea t 8 9 s 5 2t oa c h i e v et h et a s k d s p w o r ko u td a t ap r e p r o c e s s i n ga n dc o m f o r ta l g o r t h i m , a n ds i n g c h i pm a c h i n e c o t r o l sd a t aa c q u i s i t i o na n dp c c o m m u n i c a t i o n c o l l e c t e db ys e n s o r s ? s i g n a l s s t o r e di ne p r o m a t 2 4 c 2 5 6a f t e ra n a l o g d i g t a ls a r n p l e i n g ，t h e np r o c e s s e da n d c a l c u l a t e db yd s p a tl a s t ，t h er e s u l to fs y n t h e s i sc o m f o r ti sd i s p l a y e di nt h el c d s c r e e n k e y w o r d s ：i n t e g r a t e dc o m f o r ta l g o r i t h m ；n e u r a ln e t w o r k ；d s p ；s c m 西南交通大学学位论文创新性声明 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作 所得的成果。除文中已经注明引用的内容外，本论文小包含任何其他个人或 集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体， 均已在文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。 本学位论文的主要创新点如下： 1 、根据u i c 5 1 3 标准，传统的列车舒适度标准中只考虑了横向、纵向、 垂向三个方向振动加速度对人体舒适性的影响。但是随着高速列车的发展， 特别是近两年来磁悬浮、动车等高速列车是一个相对封闭的系统，原有的振 动舒适性标准已经不再适用，本文探讨了考虑振动加速度、噪声、车厢内空 气压力的综合舒适度。 2 、在通过问卷调查得到的数据的基础上，利用神经网络中的b p 算法、 r b f 算法、模糊神经网络，探讨了适合本系统的神经网络算法。 3 、本系统中，设计了实现列车综合舒适度算法的手持设备：5 1 单片机 a t 8 9 s 5 2 为主要控制单元，1 2 位a d 芯片t l c 2 5 4 3 进行采样转换，2 5 6 k b i t s 的e e p r o m a t 2 4 c 2 5 6 存储采样得到的数据，d s p 芯片t m s 3 2 0 v c 3 3 对数据进行处理及舒适度的计算，。 秉修兰 2 0 0 7 石2 2 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部 或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等 复印手段保存和汇编本学位论文。 本学位论文属于 1 保密口，在年解密后适用本授权书； 2 不保密西使用本授权书。 ( 请在以上方框内打“4 ”) 学位论文作者签名：秉修三 日期：z 口0 7 6 2 2 指导老师签名： 日期：z p ( 7 7 西南交通大学硕士研究生学位论文第1 页 第1 章绪论 1 1 课题研究的背景及意义 随着世界铁路交通的蓬勃发展，中国铁路交通也迅猛发展起来。2 1 世纪， 中国铁路将逐渐跨入以“高速客运、重载货运”为特征的新时代。随着铁路 现代化发展，传统的运输系统彳、= 断面临许多新难题：行车速度越高，安全问 题愈显突出：既要保证高速列车不倾覆、不脱轨，又要保证机车车辆运行平 稳、舒适：车辆在运行过程中产生各种振动，影响旅客乘坐的舒适性和装运货 物的完整。因此，列车运行的安全性和舒适性具有重要的现实意义。 由于我国铁路的大幅度提速和高速铁路的兴建，铁路将成为人们工作和 出游旅行的首选交通工具。但列车运行质量、车厢内环境和服务质量等影响 列车舒适度的因素却没有受到足够重视，缺乏监督检查设备、检测标准和对 舒适度的摔制管理手段，难以保证旅客乘车的舒适性，不适应铁路旅客运输 安全、高速舒适协调发展的要求。为改变这种状况，确保铁路“安全、经济、 快捷、舒适”的特点和优势，进行客车舒适度的评价与检测是必要的。 1 2 传统舒适性评价指标 在u i c 5 1 3 铁路车辆内旅客振动舒适性评价标准中，对列车舒适性有 三种评估方法：一是根据在车内地板上测得的加速度进行统计分析的简化法： 一是根据在车内地板( 站姿) 和座椅( 坐姿) 上测得的加速度进行统计分析的完 整的方法。这3 种测量方法的计算公式如下表所示。 表1 1 舒适性三种测最方法 测量方法传感器变最计算公式 坐姿的完 地板上口z p 座椅面上口翻，口弘 n = 4 a 参，5 + 2 ( a 黥，) 2 + ( 口易，5 ) 2 + 4 a x d z l w ；钙 整方法 座椅背面口如 站姿的完 地板上日艘，a ， = 3 1 6 ( 口黧；。) 2 + 4 ( 臼苏。) 2 + ( 口参如) 2 + 5 口 整方法 a z e 地板上口船，a r p ， = 6 ( 口磐。，) 2 + 1 7 , a r 肌e ，) 2 + ( 口雾。，) z 简化法 t t i z p 西南交通大学硕士研究生学位论文第2 页 式中：n 一舒适度指标；r 加速度的均方根值；每个加速度的上标表示频率 加权，下标表示加速度有效值的置信点，例如：a x 肌e ，表示纵向加速度使用 频率加权日取9 5 的置信有效值。符号详细说明见下表。 表1 2 传统舒适度中各符号含义 wa d垂向的a座椅面5 05 0 c座椅背上的p车地板面9 59 5 b横向的d座椅背面 舒适度指标的计算算法如下：以5 m i n 时间为一分析段，每5 s 为一计算 单元，求得加权有效值，然后取6 0 个有效值的5 0 或9 5 的置信点进行统 计分析，最后合成3 方向加速度计算得到舒适度，所记频谱的范围为 0 4 8 0 h z 。 以简化法为例，舒适性指标的计算方法如下： 对记录信号进行数字加权。 以5 秒为一分析段，计算各方向的加速度加权均方根值。 按表1 3 简化法公式计算舒适度指标。 最终舒适性指标的评价等级如下表所示。 表1 3 各方向舒适度等级划分表 舒适度评价 n 1非常舒适 1 剑 2很舒适 2 剑 4还算舒适 4 ：丑、j 5 非常不舒适 针对高速列车，其舒适度除了考虑振动的舒适度外，还考虑了车厢内的 空气压力及噪声的舒适度，需要对原有舒适性的指标进行改进，分别考虑空 气压力、噪声对人体舒适性的影响，然后三个方面再加权处理，得出一个综 合振动、空气压力以及噪声的舒适度指标。 西南交通大学硕士研究生学位论文第3 页 1 3 综合舒适度指标的计算和实现方法 舒适度的概念有很广的内涵，大致可分为无痛苦及苦恼状，满足舒适度 要求及身心愉快等几种。例如评价列车舒适度时，无振动、噪声，气压合适 等可以认为达到舒适度；有b g m ( 配备音乐) 、空气清新剂、录像等其它附 加服务时，可以认为身心愉快。虽然增加愉快的程度很重要，但最基本的还 是除去 良刺激影响舒话度的问颗。在人机工程学的研究中，评价指标的方 法大致有以下2 种。 ( 1 ) 心理评价法：这是一种采用打分和回答调查提问的形式，让被试 者回答自己感觉的评价方式。因该方法便于统计分析，故采用较多。但是， 由于该方法是事先准备问题，请被试者回答，存在调查者考虑不全而的可能 性，因此对评定结果会有所影响。 ( 2 ) 生理评价法：该法利用测定乘客心率、呼吸、节拍、脑电波、肌 肉电波等生理指标评价舒适度，虽日本在国铁时代就开展了大量研究，但并 未制定确切的指标。这是由于车内环境与人们的日常生活环境变化不大，不 易使入的自律神经产生变化，而日人与人之间的差别也很大。最近，随着计 算机性能的提高和测试及分析手段的开发，正在验证用心率变化( h r v ) 等方 法来评价舒适度，以求用自率神经的负荷状态来评价舒适度。 1 4 论文的研究内容 本设计的结构如下： 第1 章根据u i c 5 1 3 铁路车辆内旅客振动舒适性评价准则，介绍了传 统列车舒适度的评价方法及舒适度指标实现的评价方法。 第2 章搜集现有资料，分别介绍了高速列车中振动、噪声、大气压力三 者之间的耦合关系及振动、噪声、大气压力的数值范围对人体舒适性的影响。 确定了本设计用到的振动加速度、噪声声压、噪声频率、大气压力变化率、 大气压力变化幅值五个参数。 第3 章探讨了适合本系统的神经网络算法，并在调查问卷得到的数据的 基础上，用神经嘲络算法中的b p 算法、r b f 算法、模糊b p 算法分别建模 仿真，比较得出适合本系统的b p 算法及其系数。 第4 章本设计的硬件是采用d s p 芯片t m s 3 2 0 v c 3 3 及5 1 单片机 a t 8 9 s 5 2 双c p u 来实现的。d s p 完成舒适度的计算，单片机控制数据采集， 西南交通大学硕士研究生学位论文第4 页 以及与p c 机的通信。这一章中主要介绍了t m s 3 2 0 v c 3 3 及其外围芯片，以 及实现f f t 变换的软件设计。 第5 章介绍了5 1 单片机a t 8 9 s 5 2 、基于1 2 c 技术的e e p r o m - 心- i - + - 片 a t 2 4 c 2 5 6 和时钟口历芯片p c f 8 5 6 3 、a d 采样芯片t l c 2 5 4 3 、液晶显示屏 o c m j 4 x8 c 及其驱动程序的编写。 西南交通大学硕士研究生学位论文第5 页 第2 章列车振动、噪声及气压 2 1列车振动 振动加速度级定义：蹦三= 2 0 1 0 9 ( a a o ) 式中，口一振动加速度的有效值；a o 参考加速度，1 0 6 r r d s 2 振动对人影响的评价主要考虑振动强度、频率和暴露时间三个因素，当 然还与振动的方向有关。人站着或坐着受到上下方向的振动称垂向( z 向) 振 动，左右方向( x 向) 的振动称横向振动和前后方向( y 向) 称纵向振动。其中， 人体对于纵向振动4 - 8 h z 最为敏感：对于横向振动，1 - 2 h z 最为敏感。对于 单频率振动，则测量其频率和加速度，得到允许的暴露时间。如果是多频率 振动，则将各频率的加速度值进行计权相加，得到一个总的评价值。 表2 - 1 振动评价限值表 接触时问h 1 01 62 0 振动方向a l za 1 x va 1 za l x va 1 z a l x y 舒适性降低限，d b9 9 59 6 o9 6 99 4 09 4 99 2 o 疲劳熟练度降低限d b1 0 9 51 0 6 01 0 6 51 0 3 51 0 4 91 0 2 0 暴露界限i d b 1 1 2 5 1 0 9 01 0 9 9 1 0 6 51 0 7 91 0 5 0 振动会对结构、设备及周围建筑物造成损害，同时对人体身心产生4 i 利 影响。振动试验表明：振动加速度达6 5 d b 时，对睡觉有轻微的影响；振动 加速度达6 9 d b 时，所有轻睡的人将被惊醒；振动加速度达7 4 d b 时，除酣睡 的人，一般情况下，其他人将惊醒。 列车的振动加速度分为横向x 、纵向y 、垂向z 三个方向。人体对于三 个方向的振动加速度敏感程度及频率范围是不一样的。其中人体对于垂向振 动4 8 h z 最为敏感，对于横向振动、纵向1 2 h z 最为敏感。而且同样大小的 振动加速度，人体对于横向、纵向的振动加速度吏敏感一些，所以对于横向、 纵向和垂向的加速度需要经过滤波处理，才能得到一个合理的综合加速度值。 根据u i c 5 1 3 标准，列车综合乘坐舒适度应是在一段时间内3 个方向加 速度a 的加权均方根值口器，口和口z p w h 的综合值。加权均方根值由水平方向和 西南交通大学硕士研究生学位论文第6 页 垂直方向的振动加速度通过加权曲线w d 和w b 进行加权滤波得到，其水平 方向( 包括横向x 和纵向y ) 加权曲线w d 的加权滤波器w d 的传输函数h d ( s ) ： 州2 矗瓣s + 2 z f 3 2 x 六k f 4 亿1 ， ( s ) 2 历丁i 疋 ( 2 _ 1 ) s + 监s 七4 氕1 ： j3 以 一 蹦沪陌(s+磊2nf3)s2+一2巧5q3 s + 4 x 2 f s 2 警亿2 ， 表2 2 滤波器传输函数式中的各项系数值 加权曲线频率范围加权曲线的各项系数值 f 1f 2 q 1 厶b矗q l 0 2 q 3 k 、b ( 垂向) 0 41 0 0 0o 7 11 61 62 54o 6 30 80 8o 4 w e ( 纵向)0 41 0 0 00 7 1880 6 31 o w d ( 横向)0 41 0 0 00 7 122o 6 31 0 2 2 列车噪声 对声或噪声的客观量度一般采用声压级、声强级或声功率级，但人的主 观感觉还受频率影响。为了使声音的量度与人耳听觉感受一致，在测量仪器， 如声级计上都装置了对频率的计权网络，即滤波器。已对所接收的声音按频 带设一定的衰减，来模拟人耳的听觉特性。当然，这种计权网络功能也很容 易通过软件在计算机上实现。这样得到的声级称计权声级。 通常人耳能感受的振动频率在2 0 之0 0 0 0 h z 之间，而且对于其中每一种 频率，都有一个刚好能引起听觉的最小振动强度，称为听阈。当振动强度在 听阈以上继续增加时，听觉的感受也相应增强，但当振动强度增加到某一限 度时，它引起的将不单是听觉，同时还会引起鼓膜的疼痛感觉，这个限度称 为最大可听阈。由于对每一个振动频率都有自己的听阈和最大或听阈，因而 就能绘制出表示人耳对振动频率和强度的感受范围的坐标图，如图2 1 所示。 其中下方曲线表示不同频率振动的昕阈，上方曲线表示它们的最大昕阈，两 得所包含的面积则称为听域。凡是人所能感受的声音，它的频率和强度的坐 西南交通大学硕士研究生学位论文第7 页 标都应在听域的范围之内。 声辗调暑) 图2 1人的正常听域图 2 2 1 列车车内噪声特性 因为随着列车速度的提高，车内噪声也相应提高。根据过去现车试验和 国外的资料介绍，列车在8 0 k m h 速度以上运行时，速度每增加1 0 k m h ，车 内噪声相应提高0 5 l d b ，即速度从8 0 k m h 增加到1 6 0 k m h ，车内噪声要增 加4 8 d b 左右。列车在1 4 0 k m h 速度以上运行时，噪声相应增大 1 d b ( a ) - 2 d b ( a ) 。所以旅客列车时速从1 4 0k m h 提高到2 1 0 k m h 时，噪声级 增大l 倍1 5 倍【4 】。 车内噪声的频谱分析结果表明，车内噪声具有下面特点【3 1 ：车内噪声空 间分布不均，各点频率成分有较大差异，但车内噪声能量主要分布在中低频 ( 2 5 1 6 k h z ) 范围，5 0 h z 1 6 0 h z 低频噪声成分很突出，各测点声压高低的差 别主要是中低频噪声成分不同引起的。f 人耳所能听到的声音频率2 0 2 0 m z 。 强度范围在0 1 2 0 d b 。如果达到了最高限度1 4 0 分贝就会感到耳鼓膜疼痛。 一般来说，人类对l k 8 k h z 的声音比较敏感。1 2 2 2 车厢内的噪声源 ( 1 1 牵引噪声。主要来源于柴油机、冷却风扇、空压机、水泵、油泵、 静液压泵、阀、变速箱、传动轴等。主要包括进气f 排气1 噪声、燃烧噪声、 风扇噪声、摩擦产生的机械噪声、空气动力噪声等。 ( 2 ) 运行时车体噪声。车体噪声包括两部分：一是车体因振动而辐射的结 构噪声以及牵引噪声、轮轨噪声经车体作用产生的一次辐射噪声，此类噪声 呈中低频特性：另一类是列车表面与空气的作用，气体粘滞性在列车表而引起 西南交通大学硕士研究生学位论文第8 页 附而层压力的变化，激发表而振动，同时产生气流涡旋和摩擦冲击，形成高 频气动噪声。当运行速度超过1 0 0k m h 时，气流噪声变化明显，并随车速 增加而急剧上升，空气动力噪声的大小与运行速度的5 次方6 次方成正比， 故列车速度提高后，车辆外形及列车突出的门、窗、扶手等都会影响车体噪 声的频谱与声级。 ( 3 ) 电气、空调等车内设备噪声。包括电气系统产生的电磁噪声、空调系 统产生的气动噪声和风机噪声。 ( 4 ) 其他还有制动噪声、鸣笛噪声等。 2 2 3噪声的传播途径 空气传播噪声是从噪声源出发，以空气为媒介，从车窗、车体的缝隙传 播到车内的噪声。固体传播噪声一种是从轮轨间等噪声源出发，以振动形式 传播到底架，最终在车体内部振动产生的一次固体传播噪声形式；另一种形 式是从噪声源以放射状出发，利用空气传播到地板、车体、侧墙等处，最终 在车体内部产生的一次固体传播噪声。研究表明，一般情况下8 0 0 h z 以上的 中高频噪声主要通过空气传入车内，而5 0 0 h z 以下的中低频噪声则主要是由 固体传播产生。 2 2 4 噪声的评价参数 人耳对声音强弱的心理声学参数，有：响度、尖锐度和粗燥度。客观评 价参数有：声压级、声音频率、声强、声功率等。 响度是感觉判断的声音强弱，即声音响亮的程度，它的大小主要依 赖于声强、声源远近、声音发散多少，也与声音的频率有关。无论由何 种方式求响度，都要经过繁琐的计算。所以本系统中采用了客观评价参 数，这样能用传感器直接测出来。 根据噪声分贝标准得，当声压为1 0 到2 0 分贝时，几乎感觉不到声音； 当声压为2 0 到4 0 分贝时，相当于轻声说话；当声压为4 0 到6 0 分贝时，相 当于室内说话；当声压为6 0 到7 0 分贝时，有损神经；当声压大于7 0 d b 时， 长期在这种环境下学习和生活，会使人的神经又细胞逐渐受到破坏甚至耳聋。 2 2 5 车内噪声与振动的关系 振动和噪声是需要统一研究的。机械振动对车体的破材，一般是低频段 ( o 5 0 h z ) 。越是整体的结构振动破坏性越大，影响车辆的振动平稳性和舒适 性以及疲劳寿命越严重。而噪声源于结构的振动，由于结构的振动引起空气 西南交通大学硕士研究生学位论文第9 页 的振动，以波动的形式在空气中传播，成为噪声( 声音) 。 从物理学的角度讲，噪声是声音，因此具有声波的一切物理特性。众所 周知，声音源于物体的振动，声音的强弱取决于物体振动的强弱，而描述振 动强弱的物理量则是振动加速度洇此，可以说振动加速度的大小和声音的强 弱是有很强的相关性的。 图2 - 2 列车内部噪声发生机理 2 2 6 车内噪声控制现状 日木新干线沿线铁路噪声均控制在8 0 d b ( 舢以内，法国高速铁路沿线噪 声控制在7 5 d b ( a ) 以内，高速列车车内噪声通常在6 5 7 5 d b ( a ) ，西德i c e 城 间高速列车的车内噪声在当列车速度为2 0 0k m h 和3 0 0 k m h 的情况b ，旅客 车厢中部的噪声级为6 3d b ( a ) 和7 3d b ( a ) ，车厢内转向架上方的噪声则分别 是6 7 d b ( a ) ；g l7 2 d b ( a ) 1 5 1 。 目前我国列车噪声比较严重，1 6 0 k m h 运行的准高速列车辐射噪声约在 9 3 9 8 d b ( a ) ( 3 0m ) ，车内噪声约在7 0 8 0 d b ( a ) ，随着车速的提高，我国高 速列车只有采取有效的防护措施才能控制噪声在可以接受的水平。而通过开 展上述各方而的研究工作，应争取达到国外7 0 年代的最好水平。以2 5 0 k m h 的目标速度而言，应使其噪声小于1 0 0 d b ，争取达到8 6 d b 。因此，我国在发 展高速列车的同时，必须重视其噪声控制的研究工作。 2 3 空气压力 列车高速通过隧道时，旅客感觉耳痛，这种现象称为耳鸣，耳鸣是由车 内压力变动引起的。乘坐电梯或飞机等具有高度变化的交通工具时，山于气 压变动，一般也会发生耳鸣。压力变动与速度的一次方成正比，所以乘坐高 速列车容易发生耳鸣吼 西南交通大学硕士研究生学位论文第10 页 5 01 0 01 5 02 0 02 5 0 压力坤a 图2 - 3 耳鸣舒适性指标( 日本) 即p 一一1p x1 0 - + 0 5 时，就满足舒适性条件。 5 一 压力非常缓慢变动时，耳咽管可认为会被动打开，据研究，人可以承受 的大气压力为0 3 0 3p o ( p o 为标准大气压p o = l o o k p a ) 到1 5 p o 之间。所以在 大气压力对人体舒适度的考虑中，需要同时考虑压力变化范围和压力变化速 度。但许多研究表明，瞬时变动时的压力变化率对人体舒适度没有影响，列 车通过隧道或交会时乘客常常会有耳鸣的现象是短时间内，压力反复变化， 耳咽管来不及打开的结果。 国际铁路联盟的c 1 4 9 专家委员会专门成立了一个工作组。他们作了一 系列试验，对英国铁路1 9 7 3 年制定的有关高速列车内，旅客承受空气压力瞬 时变化的舒适度规定进行了检查，在相对不太频繁的压力变化情况下，在3 s 内压力变化最大值不能超过3 k p a 。因此选定3 s 的时限，是因为这个时间大 致符合能使耳膜内外压力差消失而作吞咽动作所需要的时间【2 】。 表2 - 3日本、德国采用的人体舒适度评价标准 评价标准 国家 压力变化幅值( 3 s 内) ( k p a )压力变化率( k p a s ) 日本、德国3o 2 车厢内空气压力系数定义为：c p ，：兰当 g 。 5 4 3 2 1 o 0 0 0 0 西南交通大学硕士研究生学位论文第11 页 式中，p 一待测点压力；只一无穷远处来流静压；一无穷远处来流 动压， q , o = 去尸圪，p 为当地大气密度，圪为列车运行速度。 无穷远处来流静压即为当地大气压力，即p 。= p a 因此p 一己即为传感器 所测之压力。 预测：车厢内部压力与车体表面压力、车辆气密性及空调装置进、排风 机功率有关。随着列车运行速度增加，车厢内部压力下降( 负压增加) ，且压 力系数的绝对值也随车速的增加而增加。 2 4 高速列车气密性 日木、德国的气密性标准：规定车内压力由4 0 0 0p a 变化到1 0 0 0 p a 的时间不少于5 0 s ，即泄压时间t 5 0 。 当列车高速进入隧道时，前部空气被压缩，余下气体被推向后方，如同 漏泄的活塞在汽缸中运动。前方形成的压力波扩张后，连续反射至尾部，并 在车体外部产生强大压力波。由于车体结构不完全密封，致使压力传至车内。 当车辆驶离隧道时，车外气压减至大气压。由于列车速度高，通过隧道压力 变化短暂而又迅速，这种迅速变化的压力，会使旅客感受到声浪冲击耳膜和 身体，产生压痛感觉，使人难以接受。减轻这种效应的有效办法是车辆应具 有高气密性。 车辆气密性不仅影响车体内部压力变化，而且对车外噪声向车内传递影 响也很大，其中包括高频的车外空气动力学噪声和轮轨噪声。所以，选取合 适的高速列车气密性参数对保证乘客舒适度是十分重要的。 2 5 本章小结 1 、本系统中，振动中考虑加速度；声音中考虑声压级、噪声频率；气 压中考虑压力变化幅值和压力变化率。 2 、高速列车中，车体内部振动、噪声和气压存在耦合关系。 西南交通大学硕士研究生学位论文第1 2 页 第3 章神经网络算法 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ，a n n ) 定义：一种模范 动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这 种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关 系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能 力，可以通过预先提供的一批相互对应的输入一输出数据，分析掌握两 者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结 果，这种学习分析的过程被称为“训练”。有非线性、非局限性、非常定 性、非凸性四个摹本特征【3 9 】。 把舒适度评语集分为五类： 非常舒适、还算舒适、舒适、不舒适、非常 不舒适，由此可见，列车综合舒适度计算也就是一个在空间里实现模式识别 的过程。 样本输入类剐输出 图3 i模式识别过程原理图 模式识别中，分类器的分类规则固然重要，但是，如果所基于的模式特 征没有包含足够的待识别客体的信息或未能提取反映客体特征的结构信息， 那么，识别的结果将面目全非。所以说，在设计分类器之前，能够快速、有 效地提取反映客体的结构信息的特征是模式识别的关键【13 1 。 刮= 图3 - 2 模式特征提取过程 模式预处理步骤： l 、消除稳态分量 2 、模式样本的归一化处理 西南交通大学硕士研究生学位论文第1 3 页 3 、模式样本的平滑和分块 在各种神经网络模型中，在模式识别中应用最多的也最成功的是误差回 传b p 网络，b p 网络是神经网络中应用最广泛的一种模型，它具有函数逼近、 分类、联想记忆三大功能。而且b p 网络的结构简单，较易用硬件实现，一旦 用b p 网络硬件芯片来处理信息，其结构的并行性决定了其工作的高速性。 泛化能力：指经训练后的网络对未在训练集中出现的样本做出正确的反 应的能力。也就是说，网络的学习不是单纯的记忆已学习的输入，而是通过 训练样本学习到隐层存样本的有关环境本身的内在规律性，从而对未来的输 入也能给出正确的反应【7 l 。 3 1b p 神经网络 下面以一个二层b p 神经网络模型为例，介绍b p 算法学习规则的原理。 图3 - 3 为一个二层b p 神经网络模型。第一层网络的输出是第二层网络的输入， 第二层网络的输出是第二层蚓络的输入。每一层可以有不同数目的神经元， 同一层上的各神经元之间无耦合连接关系，信息从输入层开始在各层之间单 向传播，依次经过各隐层神经元，最后达到输出层神经元【1 0 1 。 图3 - 3b p 神经网络结构示意图 下面具体介绍一下b p 算法的推导过程，设在第n 次迭代中的第l 层的 第j 个神经元的实际输出为，期望输出为，则该神经元的误差信号为： e ；( 玎) = d ：( 月) 一少! ( 刀) ( 3 1 ) 西南交通大学硕士研究生学位论文第1 4 页 定义第l 层的j 个神经元的的平方误差为去【d ：( 职) 一y i ，( 肘) 2 ，则第l 层神 么 经元输出的总的甲方误差的值为： 1 e ( 聆) = 去f 一y ! ( n ) 】2 ( 3 2 ) = 1 式中n 为第1 层所有输出神经元数，e ( n ) 为学习的目标函数。 学习的目标是使e ( n ) 达到最小( 或规定的误差范围) ，e ( n ) 是网络所有 权值和阈值以及输入信号的函数。 p 设v ；( 聍) = 叫一1 ( 聆) ，y j 一，( 玎) 是第n 次迭带中的第1 1 层的第i 个神 经元的输出，v ：( 行) 是第n 次迭代中的第l 层的第j 个神经元的输入，p 为第 1 - 1 层的神经元数，w ( 刀) 为连接1 层的第j 个神经元和第1 - 1 层第i 个神经元 的权值，( ，7 ) 为第n 次迭代中第1 层神经元第j 个神经元的激励函数，则 y ( v ：( 行) ) 由偏微分法可求得e ( 珂) 对w 。的梯度： 必=器糍鬻髻l-焉,-,-i p 3 ， 一：= 一- - j - - 一- - 一一 ，一l 如：( ，z ) 砂：仰) 巩：( 刀) 饥“门) p 叫 因为器叫，鬻叫，糍制，器叫弋玎， 所以， 掣：一pyj一，(刀)(v(3-4)ow | l jjj 权值w 修正量为： 叫嚣叫伽心玎) ( 3 - 5 ) 西南交通大学硕士研究生学位论文第1 5 页 式中 一器糍鬻叫1 ， p 6 ， 负号表示修正量按梯度下降方向，万：0 ) 表示局部梯度。 b p 算法的关键是求出局部梯度，下面分两种情况分别讨论。 当第1 层是输出层时，由公式( 3 1 ) 和公式( 3 - 6 ) 得 万! ( 刀) = ( d j ( 刀) 一f j ( n ) ) f ：( 1 ，；( 力) ) ( 3 - 7 ) 当第l 层是隐层时，由公式( 3 6 ) n - - i 得 咖= 一器州) ( 3 - 8 ) 设v f l ( 玎) = w 旬y ；( 力) ，y j ( ) 是第n 次迭代中的第l 层的第j 个神经元 的输出，v 0 ) 是第n 次迭代中的第1 + 1 层的第k 个神经元的输入，m 为第 1 + 1 层神经元数，w 酊( 玎) 为第1 1 次迭代中连接1 + 1 层的第k 个神经元和第1 层 的第j 个神经元的权值；爿+ 1 ( 刀) 为第1 + 1 层神经元的第k 个神经元的激励函数， 则y f l ( 力) = 爿+ 1 ( 1 ，f 1 ( ，2 ) ) ：第n 次迭代中的第1 + 1 层的第k 个神经元的实际输 出为式，期望输出为，则该神经元的误差信号为： p 1 ( ，z ) = d ：+ 1 ( 玎) y 1 ( ”) ( 3 9 ) 则第l + 1 层神经元输出的总的平方误差的值为： ( 刀) = 去簖1 ( ，2 ) 一( 玎) 】2 ( 3 1 0 ) 将上式对y ：( 行) 求导可得 西南交通大学硕士研究生学位论文第16 页 因为 冀望：善婴掣k 塑t n ) ( 3 - 1 1 ) 加1 ( ) 西( n ) 砂：( 门) 差譬：差娑梨一) 艄坝v ) ) ( 3 - 1 2 ) 一= 一一= 一p 。 l 玎t7 ，t 玎h v 。 挖l lk - i z ， 西( ，z ) 砂( ”) 加f 1 ( ，z ) v v v v v 。v v “ 端6t2i+12 姜w 扣， 一怒( 3 - 1 4 ) 所以器一扣咖_ ：+ l ( 峭b ) ) _ 一知科 ( 3 一1 5 ) 由公式( 3 8 ) 和公式( 3 1 5 ) ，可得 m 万j ( 刀) = 厂( 1 ，：( ，7 ) ) w 匆( 玎，- 口女1 + 1 ( ，2 ) ( 3 1 6 ) 1 = 0 求出各层的局部梯度j ( 行) 后，可按公式( 3 5 ) 修正网络所有权值和阂值。 在实际应用中，学习时输入训练样本，每输入一次全部训练样本称为一个训 练周期，学习要个周期一个周期地进行，直到目标函数达到最小值或某一 给定值。 b p 网络的泛化能力依赖于网络的设计。例如用足够的具有代表性的样 本训练出的网络泛化能力就强。此外，要提高网络的泛化能力，可采用在训 练样本的输入信号中掺加噪声的办法。 西南交通大学硕士研究生学位论文第17 页 图3 4 b p 网络算法流程图 3 2 列车综合舒适度系统的b p 算法训练与仿真 b p 算法由于自身的原因不可避免地具有收敛速度慢和极易陷入局部极 小值等缺陷，因此，通常需要对b p 算法进行改进。对b p 算法进行改进的方 法比较多，本文主要采用的是用t r a i l l l m ( 动量梯度下降反向传播算法) 算法来 改进b p 算法。网络结构采用5 - 6 5 结构。 吗压一 厂。 叫丝酞厅| | 。， k日捌 一 可叫 lh i 2 r 5 65 图3 - 5b p 算法结构 西南交通大学硕士研究生学位论文第1 8 页 以下十组数据是笔者根据第二章的分析推测出来的学习样本。 表3 1 列车综合舒适度学习样本 振动加速度1 0 41 0 2 - 7 51 0 2 5 51 0 2 31 0 51 0 。1 2 5 1 0 。1 31 0 2 1 0 - 2 51 0 3 5 ( m j s 2 ) 声压级( d b ) 1 53 05 06 57 08 08 56 85 52 0 频率( h z ) 4 06 08 01 2 01 6 08 0 01 4 01 3 59 02 0 压力变化幅值 0 61 533 64 5 _ 4 8 3 3 4 3 51 ( k p a ) 变化率& p a s ) 1 0 50 2o 1o 。0 5o 20 30 0 8o 0 8o 8 非常舒适 0 9 5 0 0 5000oo0o0 8 5 还算舒适 o 0 5 0 9 0 0 50 00000 0 80 1 舒适00 0 50 9o 0 50oo 0 0 50 80 0 5 不舒适 000 0 50 9 0 1o 0 5 0 0 40 60 1 2 0 非常不舒适o0o0 0 50 ，9 o 9 5 0 9 60 3 5oo 由上表可以看出，随着振动加速度增大，噪声声压也会相应增加，也就 是说高速列车中，车体内部振动、噪声存在耦合关系。而且车辆气密性不仅 影响车体内部压力变化，对车外噪声向车内传递影响也很大，其中包括高频 的车外空气动力学噪声和轮轨噪声。 t r a i n i n gi n f o t r a i n i n gp a r a m e t e r s | o p t i o n a lt n f o ； e p o c h s；10 0 0m u d e c _ _ 。- - _ - _ - - - - - _ 一 g o a l；0 m u _ i n c _ _ _ _ _ _ - - - _ - _ _ _ - - 一 m a x _ f a i l1 5m u _ m a x ，。_ o o o o 。o o m e m _ r e d u c1 1 s h o w i _ - - - _ _ _ _ _ _ - _ - _ _ - _ _ _ m i n g r a d1 1e 0 10 t i m e * - 。_ _ 。- - - _ _ - 一 m u 1 0 ，0 0 1 图3 - 6 参数设置 表3 2b p 算法训练结果 f乒一m 西南交通大学硕士研究生学位论文第19 页 - - _ _ _ _ i - i - _ _ _ _ - - _ _ - _ - _ _ _ _ - l - - _ i _ - _ _ l - l - _ _ _ _ i - - _ l _ _ l _ - _ _ _ _ _ i i i _ 1 1i _ 0 9 4 9 70 0 5 0 1 0 0 0 0 0 40 2 30 0 0 1 8o o 0 0 1 4 - 0 0 0 0 10 8 5 0 1 0 0 4 9 90 90 0 50 0 0 0 50 0 0 2 20 0 0 1 20 0 0 0 2 o 0 0 1 2 0 0 7 9 90 1 0 0 0 0 0 70 0 4 9 90 8 9 9 90 0 5 0 10 0 0 0 90 0 0 0 70 0 0 1 40 0 4 9 50 7 9 9 90 0 5 0 0 0 6 50 0 0 0 60 0 4 5 8o 90 0 9 9 80 0 4 9 80 0 4 0 20 6 0 0 1o 1 1 9 50 0 0 0 2 o o o l 40 0 0 0 】 o 0 0 1 l0 0 50 9 0 0 1 0 9 5 4 70 9 5 5 00 3 4 9 8 o 0