樊泽园、宋晓娟、林立、李雪

（1.山东交通学院，山东 济南250307；2.轨道交通安全技术与装备实验室，山东 济南250307)

0 引言

当前中国列控车载系统普遍运用速度传感器进行测速定位，其计算精度直接受到轮径值变化的影响，若不及时更新系统存储的轮径值则会增大测速定位误差，影响行车安全。

铁路行业内关于列车轮径校准的研究，有基于多传感器融合实现轮径校准[1,2]。文献[3]则提出基于灰色算法进行轮径值的预测。BP神经网络是目前应用最广泛的基本神经网络，有较强的非线性映射能力及预测精度，可根据历史数据自动提取有用知识。而神经网络集成的提出则能解决BP存在收敛速度较慢、泛化能力较差、极易获得局部极小点问题。

1 速度传感器工作原理分析

速度传感器通过脉冲计数获得测量周期内的车轮转数并乘以轮周长来计算列车行驶速度，其具体公式如下：

式（1）中：n为本次测量周期的脉冲计数值；T为本次测速周期；d为车轮直径；N为车轮旋转一圈传感器发出的脉冲测量值。

在式（1）中，轮径值d是影响其计算精度的关键参量。d随着列车行驶距离的增加变小，所以必须及时更新系统存储的车轮轮径值，降低测速测距误差。

本文针对铁路局存储的列车走行公里报表，引入智能算法提取有用数据进行分析建模，寻找列车轮径值y和列车行驶距离x之间的对应关系，即

在学习阶段，通过训练生成映射关系f，在预测阶段根据新输入的列车行驶里程来求得当前的列车轮径值，实现智能预测。……