(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210770832.6 (22)申请日 2022.06.30 (71)申请人 西南交通大 学 地址 610031 四川省成 都市二环路北一段 111号 (72)发明人 王武斌　邓志兴　谢康　董敏琪　 李艳东　 (74)专利代理 机构 成都擎智秉业专利代理事务 所(普通合伙) 51227 专利代理师 李顺德 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06N 3/12(2006.01) (54)发明名称 一种高铁填料振动压实的参数优化方法及 系统 (57)摘要 本发明涉及一种高铁填料振动压实的参数 优化方法， 包括以下步骤:(1)采用双曲线模型对 压实过程干密度进行拟合， 计算与构建原始数 据； (2)在获取训练数据的基础上， 采用BP神经网 络建立干密度增量预测模型； (3)采取压实度指 标评价压实质量， 建立压实度约束条件； (4)基于 GA算法对振动参数优化过程进行求解， 建立基于 GA的动态优化模型； (5)将参数优化处理后所述 的动态优化结果确定为振动压实的最佳方案。 还 包括采用上述方法的一种高铁填料振动压实的 参数优化系统。 本发明方法解决了传统的振动压 实过程中压实振动参数不能实时调整、 激振能量 不能很好控制、 振动压实设备易出现 “跳振”现 象、 造成颗粒破碎增多， 形成路基不均匀沉降病 害等问题。 权利要求书2页 说明书10页 附图9页 CN 115203839 A 2022.10.18 CN 115203839 A 1.一种高铁填料振动压实的参数优化方法， 其特 征在于： 包括以下步骤: (1)采用双曲线模型对压实过程干密度进行拟合， 计算与构建原 始数据； (2)在获取训练数据的基础上， 采用BP神经网络建立干密度增量预测模型； (3)采取压实度指标评价压实质量， 建立压实度约束条件； (4)基于GA算法对 振动参数优化过程进行求 解， 建立基于GA的动态优化模型； (5)将参数优化处 理后所述的动态优化结果确定为振动压实的最佳 方案。 2.如权利要求1所述的一种高铁填料振动压实的参数优化方法， 其特征在于： 所述步骤 (1)中的双曲线模型的公式为： 式中， ρd为当前状态密度； ρmax为当前工况下压 实稳定状态干密度值； ρ0为初始状态干密 度值； n为振动次数； a、 b为模型参数。 3.如权利要求1所述的一种高铁填料振动压实的参数优化方法， 其特 征在于： 所述的步骤(2)中干密度增量预测模型的建立 步骤包括： a.构建高铁填料振动压实参数数据集， 对数据进行预处理， 并划分训练集、 验证集和测 试集； b.搭建BP神经网络模型架构， 输入训练集和验证集执行模型训练， 判断验证集误差是 否小于设定误差， 若大于， 则修改模型架构并重新训练， 若 小于， 则进入下一 步； c.利用测试集验证BP神经网络模型的预测能力， 判断测试集误差是否小于设定误差， 若大于， 则返回步骤b重新训练模型， 若 小于， 则保存最终干密度增量预测模型。 4.如权利要求3所述的一种高铁填料振动压实的参数优化方法， 其特征在于： 所述干密 度增量预测模型构建模型输入和输出之间的非线性 函数关系， 函数表示如下： Δρdi＝f(Aoi,fi, ρdi‑1) 式中， f为映射关系， A0i、 fi分别为当前时刻的振幅和频率， pdi为前一时刻的干密度， Δpdi为当前时刻的干密度增量。 5.如权利要求3所述的一种高铁填料振动压实的参数优化方法， 其特 征在于： 对数据进行 预处理采用数据的归一 化方法， 其公式如下： xscaled＝xstd*(max‑min)+min 式中， x为要归一化的数据， xmin(axis＝0)为每列中的最小值组成的行向量， xmax(axis＝0)为每 列中的最大值组成的行向量， max为要映射到的区间最大值， 默认是1， min为要映射到的区 间最小值， 默认是0， xstd为标准化结果， xscaled为归一化结果。 6.如权利要求3所述的一种高铁填料振动压实的参数优化方法， 其特征在于： 所述BP神 经网络为优化的BP神经网络， 所述优化的BP神经网络为传统的BP神经网络通过引入学习率 改进器Adam Optimizer优化 算法优化所 得； 所述AdamOptimizer改进算法为常规优化算法利用梯度的一阶矩估计和二阶矩估计动 态调整每 个参数学习率的改进算法， Adam Optimizer改进算法的改进公式为：权　利　要　求　书 1/2 页 2 CN 115203839 A 2式中， lr0为初始学习率， lrt为t时刻的学习率， 为一阶矩估计的指数衰减率， 为 二阶矩估计的指数衰减率。 7.如权利要求1所述的一种高铁填料振动压实的参数优化方法， 其特征在于： 所述的步 骤(3)中： 压实度约束条件的公式如下： 式中， 为振动n次后的干密度值， 为干密度的最大值。 8.如权利要求1所述的一种高铁填料振动压实的参数优化方法， 其特征在于： 所述的步 骤(4)中基于GA的动态优化模型由以下步骤获得： 设置GA算法的初始参数并随机初始化种群， 完成初始化配置； 迭代计算干密度增量， 判断个体压实度和迭代次数是否满足要求， 若不满足， 则继续进 行干密度增量计算， 若满足条件， 则保存压实度 序列， 再计算种群 个体的适应度值并排序； 执行遗传算法选择、 交叉、 变异等迭代优化过程， 并输出最终结果。 9.如权利要求8所述的一种高铁填料振动压实的参数优化方法， 其特征在于： 计算种群 个体的适应度值采用压实总能量 函数进行计算， 其公式如下： 式中fitness为适应度 函数， n为整个压实过程所需的振动次数， fi为第i ‑1状态的干密 度值， A0i为第i状态所选择的振动参数， Ei为第i状态的振动压实能量， W为静载， Mp为偏心 距。 10.一种高铁填料振动压实的参数优化系统， 其特征在于， 包括数据输入端、 后台运算 处理端和数据展示端， 所述后台运算处理端为采用权利要求1 ‑9中任意一条权利要求所述 的一种高铁填料振动压实的参数优化方法进行运 算处理的运算处理端。权　利　要　求　书 2/2 页 3 CN 115203839 A 3