本发明涉及轨道参数设计，特别是涉及一种嵌入式轨道动力学响应智能预测方法。
背景技术：
1、现有的地铁减振轨道多为弹性短轨枕轨道、弹性长轨枕轨道、梯形轨枕轨道、浮置板式轨道，虽然以上轨道结构对地铁引起的大地振动有一定的缓解作用，但对于车辆以及轮轨噪声方面的作用还是不够显著，同时普通的扣件式轨道形式采用离散点支撑，轧道结构刚度难以保证其均匀性，易导致钢轨产生不平顺，增加了轨道结构的振动响应。与此相比较嵌入式轨道采用连续支承的方式，钢轨周围采用弹性材料进行包裹，在减振降噪方面具有显著优势，同时也能使列车拥有更大的轴重和更快的速度，对于地铁运量的提升提供了条件。
2、但是现有的嵌入式轨道设计、制造、施工、养护维修技术是基于有轨电车系统而来的，针对嵌入式轨道结构动力学分析研究也主要以有轨电车为研究对象。地铁相比有轨电车具有更高的速度、更大的轴重，且线路条件更为复杂。因此，现有有轨电车—嵌入式轨道动力学模型不可以直接用来分析地铁列车-嵌入式轨道系统动力学问题，需要建立新的动力学模型。与此同时，地铁嵌入式轨道结构也较为复杂，其结构参数与其动力学性能密切相关，如参数取值不合理，将显著降低嵌入式轨道性能。因此，嵌入式轨道的参数选择非常重要。
3、国内用于测定轨道动力学性能的方法主要依靠现场实测以及动力学仿真，但是以上两种方法都存在较大弊端，其中现场实测，因为目前国内所建成的地铁嵌入式轨道较少，无法满足实验需求。因此通常需要浇筑不同参数的轨道模型来测定其动力学性能，存在着实验成本高且时效低下等问题。而动力学仿真虽然解决了成本高的问题，但是其仿真模拟所需要的时间又比较长，且不同参数的嵌入式轨道需要建立不同的模型，无法对轨道动力学性能进行实时获取。
4、如能在设计阶段即预测到轨道参数所对应的动力学性能，就能据此得到合适的轨道参数，从而获得更加优良的动力学性能，同时能够提高旅客的乘车舒适性以及降低地铁振动对于环境的影响。然而，目前国内在轨道参数对于轨道动力学影响的预测方法上所做的大部分研究都是针对有砟轨道、板式无砟轨道以及双块式无砟轨道，以上轨道主要应用于普速铁路、高速铁路以及早期建设的地铁，对于地铁嵌入式轨道参数对于动力学影响的预测还比较少。因此，如若能提出一种快速预测地铁嵌入式轨道动力学性能的方法，不需要现场实测较为苛刻的实验条件以及较高的实验成本，同时解决依靠动力仿真获取系统动力响应存在的建模过程复杂、计算时长受限问题，显得十分重要。对此，本发明公开一种嵌入式轨道动力学响应智能预测方法。
技术实现思路
1、本发明的目的是提供一种嵌入式轨道动力学响应智能预测方法，通过构建以嵌入式轨道几何尺寸等结构参数，以及嵌入式轨道及其轨道槽内填充材料垂向和横向的刚度、阻尼等材料参数为输入，以嵌入式轨道的动力学响应为输出的神经网络模型，通过海量样本数据训练，建立模型输入到输出的映射关系，实现不同嵌入式轨道参数(设计变量)下系统动力学响应(目标函数)的实时获取，解决依靠动力仿真获取系统动力响应存在的计算时长受限问题。
2、为实现上述目的，本发明提供了如下方案：
3、一种嵌入式轨道动力学响应智能预测方法，包括：
4、获取目标嵌入式轨道参数；
5、将所述目标嵌入式轨道参数输入pso-bp预测模型，输出所述目标嵌入式轨道的动力学性能预测值，其中，所述pso-bp预测模型由训练集训练获得，所述训练集包括嵌入式轨道参数和轨道动力学性能仿真值，所述pso-bp预测模型利用pso粒子群优化bp神经网络构建。
6、可选的，获取所述轨道动力学性能仿真值包括：
7、构建地铁嵌入式轨道有限元模型和地铁车辆模型；
8、基于所述地铁车辆模型获取轮轨力，将所述轮轨力施加到所述地铁嵌入式轨道有限元模型，获取轨道动力学性能仿真值。
9、可选的，构建地铁嵌入式轨道有限元模型包括：
10、采用平动和截面转动偏微分方程,获取所述地铁嵌入式轨道有限元模型中钢轨的横向运动、垂直运动和扭转运动；
11、根据有限元原理，获取所述地铁嵌入式轨道有限元模型中轨道板的运动方程。
12、可选的，所述轨道板的运动方程为：
13、
14、式中，[m]i、[c]i、[k]i表示嵌入式轨道板的质量、阻尼、刚度矩阵；{x}i、表示嵌入式轨道板节点的位移、速度、加速度列阵；i表示嵌入式轨道的标号；{fγs}i、{fg}i表示钢轨/地基与嵌入式轨道板相互作用力的等效节点的载荷列阵。
15、可选的，基于所述地铁车辆模型获取轮轨力包括：将轨道不平顺作为轮轨系统的激扰源，通过轨道的垂向、水平、方向和轨距不平顺，基于所述地铁车辆模型获取在轨道不平顺条件下的轮轨力。
16、可选的，所述pso-bp预测模型包括若干bp神经网络，每个所述bp神经网络输出对应一个所述轨道动力学响应参数。
17、可选的，将所述目标嵌入式轨道参数输入pso-bp预测模型，输出所述目标嵌入式轨道动力学性能预测值包括：
18、s1、输入所述目标嵌入式轨道参数；
19、s2、确定所述bp神经网络拓扑结构，初始化所述bp神经网络的权值和阈值；
20、s3、引入粒子群算法，对bp神经网络的权值与阈值进行优化，获取初始化粒子的速度和位置；
21、s4、利用适应度函数，计算得到各粒子适应度；
22、s5、迭代更新初始个体和全局极值，同时得到新的粒子速度和位置；
23、s6、判断是否满足迭代结束条件，如果不满足则返回至s3进行迭代直至满足结束条件，如果满足则进入s7；
24、s7、将得到的全局最优解赋予到bp神经网络的权值和阈值，得到经pso粒子群优化的bp神经网络，通过优化后的bp神经网络输出所述目标嵌入式轨道动力学性能预测值。
25、本发明的有益效果为：
26、本发明针对地铁嵌入式轨道设计问题，建立了pso-bp神经网络对地铁嵌入式轨道系统动力学响应进行预测，引入了粒子群算法对bp神经网络进行优化，可基于嵌入式轨道结构参数以及材料参数，高效、准确获取嵌入式轨道系统动力学响应，省去了繁琐的建模和仿真步骤，从而显著提高设计效率。
1.一种嵌入式轨道动力学响应智能预测方法，其特征在于，包括：
2.根据权利要求1所述的嵌入式轨道动力学响应智能预测方法，其特征在于，获取所述轨道动力学性能仿真值包括：
3.根据权利要求2所述的嵌入式轨道动力学响应智能预测方法，其特征在于，构建地铁嵌入式轨道有限元模型包括：
4.根据权利要求3所述的嵌入式轨道动力学响应智能预测方法，其特征在于，所述轨道板的运动方程为：
5.根据权利要求2所述的嵌入式轨道动力学响应智能预测方法，其特征在于，基于所述地铁车辆模型获取轮轨力包括：将轨道不平顺作为轮轨系统的激扰源，通过轨道的垂向、水平、方向和轨距不平顺，基于所述地铁车辆模型获取在轨道不平顺条件下的轮轨力。
6.根据权利要求1所述的嵌入式轨道动力学响应智能预测方法，其特征在于，所述pso-bp预测模型包括若干bp神经网络，每个所述bp神经网络输出对应一个所述轨道动力学响应参数。
7.根据权利要求1所述的嵌入式轨道动力学响应智能预测方法，其特征在于，将所述目标嵌入式轨道参数输入pso-bp预测模型，输出所述目标嵌入式轨道动力学性能预测值包括：
