为开展行星变速器的传动效率检测研究,同时节省时间和成本,采用试验测试和仿真预测相结合的方法,首先,基于专有测试平台监测行星变速器在1挡转动时的转速和转矩变化,并计算传动功率和传动效率;然后,取各工况下共66组传动效率测试值作为样本数据,其中59组作为训练样本,剩下7组为验证样本,采用RBF神经网络建立行星变速器传动效率预测模型,并成功进行训练和验证。研究表明GJ002型行星变速器的传动效率满足设计使用要求;基于RBF神经网络模型预测的传动效率最大差值不超过0.22,该模型预测精度较高。

为了实现对低真空管道中运行列车的最大阻力预测研究,本文采用数值仿真和神经网络结合的方法。选取不同阻塞比、运行速度和管道压力,利用流体仿真软件计算100种运行工况下列车的最大阻力;以96组仿真数据作为网络模型训练样本,选取RBF和BP两种三层神经网络,经多次调试确定最佳隐层神经元数目,利用训练函数训练两种预测模型;利用随机选取的4组验证样本验证两种网络模型。研究表明:RBF和BP神经网络模型能较好的预测列车在真空管道中运行的最大阻力,其中RBF神经网络预测值的最大误差不高于5%,相比BP神经网络,RBF预测精度更优。