[发明专利]一种基于机器学习的列车动力学仿真方法及仿真平台

权利要求书

1.一种基于机器学习的列车动力学仿真方法，其特征在于，包括：

设定预设标签，所述预设标签具体包括牵引系统链路延时时间、制动系统链路延时时间以及牵引力；确定属性数据信息，所述属性数据信息具体包括ATO速度、列车级位、列车距最近车站的距离、ATP速度、ATP限速、ATP报警、级位改变时间、ATO响应时间、ATO牵引加速度和ATO制动加速度；

根据预设标签提取属性数据信息，所述属性数据信息与所述预设标签相关；

根据所述属性数据信息标定所述预设标签；

利用所述属性数据信息和所述预设标签作为训练集，基于支持向量回归算法进行监督学习，获取由所述属性数据信息得到所述预设标签的回归曲线；

利用所述回归曲线，根据所述属性数据信息预测所述预设标签的值，实现虚拟列车的动力学仿真模拟，所述预设标签是指通过仿真要预测的参数，所述属性数据信息是对所述预设标签的值具有影响的数据。

2.根据权利要求1所述的方法，其特征在于，在所述根据所述属性数据信息标定所述预设标签之前，所述方法还包括：

对所述属性数据信息进行预处理与分析，具体包括：移除异常属性数据信息、对所述属性数据信息进行归一化处理以及获取所述属性数据信息的关联关系。

3.根据权利要求2所述的方法，其特征在于，所述对所述属性数据信息进行预处理与分析具体包括：

采用箱线图判断所述异常属性数据信息，并且移除所述异常属性数据信息；然后利用min-max标准化算法或Z-score标准化算法对所述属性数据信息进行归一化处理；最后利用热度图对所述属性数据信息进行强相关分析。

4.一种基于机器学习的列车动力学仿真平台，其特征在于，包括：

预设标签设定模块，具体用于设定所述预设标签，所述预设标签具体包括牵引系统链路延时时间、制动系统链路延时时间以及牵引力；

属性数据信息确定模块，具体用于确定所述属性数据信息，所述属性数据信息具体包括ATO速度、列车级位、列车距最近车站的距离、ATP速度、ATP限速、ATP报警、级位改变时间、ATO响应时间、ATO牵引加速度和ATO制动加速度；

属性数据信息获取模块，具体还用于根据预设标签提取属性数据信息，所述属性数据信息与所述预设标签相关；

预设标签标定模块，具体用于根据所述属性数据信息标定所述预设标签；

机器学习模块，具体用于利用所述属性数据信息和所述预设标签作为训练集，基于支持向量回归算法进行监督学习，获取由所述属性数据信息得到所述预设标签的回归曲线；

仿真预测模块，具体用于利用所述回归曲线，根据所述属性数据信息预测所述预设标签的值，实现虚拟列车的动力学仿真模拟，所述预设标签是指通过仿真要预测的参数，所述属性数据信息是对所述预设标签的值具有影响的数据。

5.根据权利要求4所述的仿真平台，其特征在于，所述仿真平台还包括：

预处理与分析模块，具体用于对所述属性数据信息进行预处理与分析，包括：移除异常属性数据信息、对所述属性数据信息进行归一化处理以及获取所述属性数据信息的关联关系。

6.根据权利要求5所述的仿真平台，其特征在于，所述预处理与分析模块具体用于：

采用箱线图判断所述异常属性数据信息，并且移除所述异常属性数据信息；然后利用min-max标准化算法或Z-score标准化算法对所述属性数据信息进行归一化处理；最后利用热度图对所述属性数据信息进行强相关分析。

7.一种电子设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至3任一所述的方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3任一所述的方法。