Prediction of wheel and rail wear under different contact conditions using artificial neural networks

نتایج نشان می دهد که شبکه عصبی را می توان به طور موثر برای پیش بینی میزان چرخ و ریل استفاده کرد. روش جمع آوری داده های پوششی با استفاده از مواد تکمیلی و پروفیل سنج نیز برای اندازه گیری چرخ ها و ریل ها برای آموزش و اعتبار سنجی شبکه عصبی موثر است. تست های آزمایشگاهی با هدف اعتبار پیش بینی های پوشیدن برای پروفیل های چرخ و ریل واقعی و مواد مورد نیاز است، اما لزوما تنها مجموعه ای محدود از شرایط را پوشش می دهند. گام های بعدی برای این کار، آزمایش روش های داده های ریل و چرخ از آزمایشات میدانی است.