《表3 数据说明:基于动力学仿真数据的高速列车蛇行状态识别》
在从信号分析的角度分析了仿真数据与实测数据的相关性后,为了进一步验证仿真数据能够应用于机器学习模型的训练,使用一些较为常用的机器学习模型(EEMD-SVD-LTSA[14]等)和已经用于高速列车运行状态识别的深度学习模型(CNN-LSTM[15]、EEMD-CNN-LSTM等)来对仿真数据进行验证。其具体方法是将仿真数据作为训练集来训练模型,将实测数据作为测试集来验证模型对高速列车蛇行失稳的识别和分类能力。数据的具体描述如表3所示。
图表编号 | XD00210282900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.31 |
作者 | 赵飞、宁静、方明宽、陈春俊 |
绘制单位 | 西南交通大学机械工程学院、西南交通大学机械工程学院、轨道交通运维技术与装备四川省重点实验室、西南交通大学机械工程学院、西南交通大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |