高速列車轉向架設計仿真驗證知識圖譜構建及應用研究

摘要：高速列車轉向架設計仿真驗證是保證列車運行品質和安全的重要手段。針對轉向架設計仿真驗證過程中知識缺乏統一表達、管理和重用的問題，提出一種高速列車轉向架設計仿真驗證知識圖譜構建及應用技術框架。首先，在轉向架設計仿真驗證知識分析的基礎上構建知識本體，基于BERT-BiLSTM-CRF模型完成知識抽取，并構建轉向架設計仿真驗證知識圖譜，結合Neo4j實現知識的表達、管理與存儲；其次，分別基于TransR算法與相似度計算和Cypher語句實現知識推理和知識檢索，進而實現知識重用；最后，開發轉向架設計仿真驗證知識管理系統，實現高速列車轉向架設計仿真驗證知識的有效管理，以轉向架運行安全性需求為仿真目標案例，實現仿真知識重用并搭建仿真模型，驗證所提方法的可行性。

關鍵詞：高速列車；轉向架；仿真驗證；知識圖譜；知識重用

中圖分類號：U270.2""""""""""""""""""""""" 文獻標志碼：A"""""""""""""""""""""""" doi：10.3969/j.issn.1006-0316.2025.02.004

文章編號：1006-0316 （2025） 02-0025-10

Research on Construction and Application of Knowledge Graph for Simulation amp;

Verification of High-Speed Train Bogie Design

LIAO Yang，LI Rong，ZHANG Haizhu，ZHANG Yongjie，GAO Zhi，HUO Yihan

（ Institute of Advanced Design and Manufacturing Technology， School of Mechanical Engineering， Southwest Jiaotong University， Chengdu 610031， China ）

Abstract：Simulation amp; verification of high-speed train bogie design are an important means to ensure the quality and safety of train operation. Aiming at the problem of lack of unified expression， management and reuse of knowledge in the simulation amp; verification process of bogie design， this paper proposed a technology framework of knowledge graph construction and application for simulation amp; verification of high-speed train bogie design. Firstly， the knowledge ontology was constructed based on the knowledge analysis of bogie design simulation amp; verification， and accomplished knowledge extraction based on the BERT-BiLSTM-CRF model， and the knowledge graph of simulation amp;verification for bogie design was constructed， and the expression， management and storage of knowledge were realized by combining Neo4j. Then， knowledge reasoning and knowledge retrieval were realized based on TransR algorithm， similarity calculation and Cypher statement respectively， so as to realize knowledge reuse. Finally， the knowledge management system of simulation amp; verification for bogie design was developed， which realized the effective management of high-speed train bogie design simulation verification knowledge. Taking the safety requirements of bogie operation as the simulation target case， the simulation knowledge reuse was realized and the simulation model was built， which verified the feasibility of the method proposed in this paper.

Key words：high-speed train；bogie；simulation verification；knowledge graph；knowledge reuse

轉向架是支承、牽引和制動車體并能相對車體回轉的走行裝置，決定著高速列車運行安全性和品質，對其性能進行設計仿真驗證尤為重要[1]，且已有大量研究[2-3]。轉向架設計仿真驗證是一個知識密集型活動，涉及大量仿真數據和仿真學科之間的交互耦合，同時針對不同的客戶需求也會采用不同的仿真技術和仿真參數來驗證不同的性能。轉向架設計仿真驗證知識經過長期積累，已形成一個龐雜的體系，但是存在知識數據異構、多層級多學科仿真流程混亂、仿真目標與客戶需求缺乏有效語義關聯等問題，知識缺乏統一管理，無法實現仿真知識的傳遞和共享[4]，導致產品性能驗證不充分、仿真效率低下。因此，對轉向架仿真驗證知識進行規范表達、建立仿真知識體系、實現知識有效重用是未來的發展方向[5]。

目前針對仿真知識表達與重用進行了大量研究，Xiong等[6]使用知識圖譜來描述云仿真模型資源，能通過客戶需求實現仿真知識檢索與重用。劉懷遠等[7]建立電網仿真知識圖譜，實現了電網仿真知識統一表示。劉營等[8]研究復雜系統仿真模型重用，指出仿真建模資源的共享技術是仿真領域未來的研究方向。Listl等[9]綜述了使用知識圖譜對復雜技術系統的建模和仿真過程知識的表達與重用，分析得出知識圖譜在仿真領域的重要需求。通過以上研究可以發現，知識圖譜因能明確表達概念，及其復雜交互關系[10]，被廣泛用于仿真領域。

因此，本文將知識圖譜應用于高速列車轉向架設計仿真驗證過程，銜接需求域、設計域與仿真分析域，實現轉向架設計仿真驗證知識的明確表達與知識重用；提出高速列車轉向架設計仿真驗證知識表達與應用框架，構建知識圖譜實現仿真驗證知識的統一表達與管理，并通過知識檢索和知識推理技術，實現知識重用；開發了轉向架設計仿真驗證知識管理系統，并以某高速列車轉向架為例進行應用驗證，有助于實現產品的快速設計評價。

1 知識表達與應用技術框架

針對高速列車轉向架設計仿真驗證知識表達、管理與重用存在的問題，對計算機仿真、知識圖譜、知識重用等技術進行研究，對轉向架設計仿真驗證知識進行分析，采用知識圖譜技術實現知識的表達與管理，并通過知識推理和知識檢索技術將知識重用到轉向架仿真驗證過程中，最后開發轉向架設計仿真驗證知識管理系統，為仿真驗證人員提供知識支撐。本文的研究技術框架如圖1所示。該技術框架包括數據層、關鍵技術層和系統應用層。數據層包含仿真相關的知識數據，關鍵技術層包括知識圖譜構建和應用。知識圖譜構建首先分析設計仿真驗證知識及知識間關聯關系，構建三個知識本體，并使用Protégé實現本體融合和結構化表達，通過知識抽取獲得知識三元組，導入Neo4j圖數據庫構建并可視化轉向架設計仿真驗證知識圖譜；在知識圖譜基礎上采用TransR模型實現知識向量化表達，通過相似度計算實現知識推理，并結合知識檢索獲得仿真知識，輔助仿真模型構建。構建轉向架設計仿真驗證知識管理系統，當有知識需求時，可在系統應用層通過系統實現仿真驗證知識重用，輔助仿真驗證人員構建仿真模型驗證產品性能。

2 關鍵技術研究

2.1 轉向架設計仿真驗證知識分析

高速列車轉向架配置設計過程包括需求分析、技術解選擇、物理模塊配置、設計變更，而后采用零件級單學科仿真、部件級多學科仿真、系統級仿真等來對產品進行驗證。轉向架仿真驗證涉及多個學科領域，包括多剛體動力學、空氣動力學、靜強度、疲勞壽命以及剛柔耦合、流固耦合等，涉及不同學科領域和不同仿真層級的相互協同。

轉向架設計活動繁多、結構層次復雜[11]，在對轉向架進行仿真驗證時，需要以客戶需求為出發點，為實現仿真目標和驗證客戶需求而制定仿真方案，分析不同客戶需求對應的仿真對象、仿真技術以及仿真學科耦合情況，涉及需求域、設計域和仿真分析域中的知識，知識模型如圖2所示。

轉向架設計仿真驗證知識的存在形式多樣，為實現知識的統一表達與管理，分析轉向架設計仿真驗證過程，并結合知識重用場景，將知識分為設計過程知識、設計對象知識、仿真學科知識以及仿真驗證知識四類。設計過程知識用于指導產品設計的有序開展；設計對象知識包括轉向架產品模塊、結構信息等；仿真學科知識為仿真過程中涉及的學科領域；仿真驗證知識包括仿真目標、仿真技術、仿真流程、仿真參數等知識，作為仿真驗證人員的主要需求知識，各知識間的關聯關系如圖3所示。

2.2 知識圖譜構建

知識圖譜具有明確表達多個領域中知識概念及其復雜關聯關系的特點，本文采用自頂向下的方式構建轉向架設計仿真驗證知識圖譜。

2.2.1 知識本體構建

本體是對領域概念及其關聯關系的統一表達，保證知識的無二義性和一致性[12]，本文結合七步法和骨架法構建轉向架設計知識本體、多學科仿真驗證知識本體、仿真流程知識本體，采用四元組的形式來表達知識本體，具體結構表示為：

OOntology＝lt;C， A， R， Igt;""""""""""""" （1）

式中：OOntology為經本體融合后構建的高速列車轉向架設計仿真驗證知識本體；C為OOntology中的概念集合，對轉向架設計過程、設計對象以及多學科仿真等涉及到的概念術語進行分類并規范化表達；A為OOntology中的屬性集合，可以分為概念與概念之間的屬性和概念本身的屬性；R為OOntology中的關系集合，用于表示概念與概念之間的關系，也可表示概念之間的層級關系；I為OOntology中的概念和屬性的實例，本文中的實例主要在知識圖譜的數據層中進行構建，部分概念及關系如表1所示。本文采用OWL語言來對本體進行描述，在owl文件使用規范中，Domain用于指定某屬性的定義域，Range用于指定某屬性的值域，通過屬性建立本體中概念之間的關系，如概念關系“Is-a”表示了“結構”是“設計對象”的關系。

為使計算機能有效理解本體內容，使用Protégé對知識本體進行形式化表達，并實現本體融合過程。融合后的高速列車轉向架設計仿真驗證知識本體如圖4所示。

2.2.2 知識圖譜構建與可視化

由于轉向架設計仿真驗證知識數據多以仿真報告和數據文檔等文本形式存在，因此在構建知識圖譜數據層時需要獲取仿真驗證數據，通過數據處理和實體標注，采用知識抽取技術獲得轉向架設計仿真驗證知識三元組，最終將知識三元組導入Neo4j圖數據庫完成知識圖譜構建及可視化過程。

采用BERT-BiLSTM-CRF模型[13]對轉向架設計仿真驗證進行知識抽取。在該模型中，BERT的功能是將輸入的關于轉向架設計仿真驗證相關的句子進行預訓練，并輸出詞特征向量；BiLSTM-CRF則提取句子的特征，對BERT輸出的詞特征向量進行分類，從而得到轉向架設計仿真驗證相關實體。本文經過BERT- BiLSTM-CRF模型知識抽取獲取的轉向架設計仿真驗證知識三元組如表2所示。

Neo4j使用網絡圖的方式存儲結構化數據，擅長處理大規模具有復雜關聯、低結構化的數據，能保證數據處理的一致性。將知識抽取獲得的知識三元組導入Neo4j中，實現轉向架設計仿真驗證知識圖譜可視化。圖譜部分可視化如圖5所示。

2.3 設計仿真驗證知識重用

2.3.1 知識圖譜嵌入技術

知識圖譜嵌入是利用詞向量的平移不變性將知識圖譜中包括實體和關系的內容映射到低維連續向量空間中，提高知識表示能力[14]，便于后續知識推理。TransR算法[15]運用較為廣泛，在一對多、多對一和多對多等關系上有更好的應用效果，其認為實體和關系不在同一平面中，將頭實體和尾實體經過關系矩陣映射到關系向量空間中，具體的評分函數定義為：

（2）

式中：h為頭實體，經關系矩陣映射后得到；t為尾實體，映射后得到；為關系距離；r為關系。

具體的嵌入流程如圖6所示。在TransR算法嵌入過程中，初始化包括實體向量和關系向量的隨機初始化，是為了提供一個起點，使得模型在訓練過程中能夠從這些隨機值開始學習，在圖中采用虛線表示；圖中實線則表示模型通過大量訓練數據來不斷對實體向量和關系向量進行訓練優化的過程，從而得到最優模型。

將知識三元組劃分為訓練集、測試集和驗證集。為滿足嵌入模型訓練目標函數，需要有正樣本和負樣本數據。由于知識三元組中不包含錯誤三元組，本文采用負采樣算法在實體中進行隨機采樣，以生成與正樣本（h， r， t）對應的負樣本數據（h'， r， t）或（h， r， t'），將正確三元組和錯誤三元組作為訓練數據訓練TransR訓練模型。

設置模型訓練參數，學習率0.01，嵌入維度50維，每批訓練三元組數量32，模型訓練200次。先對向量進行初始化，并通過損失函數來不斷優化嵌入模型，最終輸出實體向量、關系向量及映射矩陣。知識三元組嵌入結果如表3所示。

2.3.2 基于相似度的知識推理

知識圖譜推理包括頭實體推理、關系推理和尾實體推理，知識推理主要用于知識需求粒度較細的場景，仿真驗證人員有非常明確的知識需求，已知頭實體、關系、尾實體中的任意兩個，推理另一個未知的知識。當進行實體推理時，根據式（2），保證正確三元組評分函數的值盡可能低，求得需要進行推理實體的向量，將所有實體作為候選的推理結果，通過計算候選實體與所需推理實體的相似度，輸出相似度高的實體作為知識推理結果。采用余弦相似度方式來計算候選實體與所推理實體間的距離，余弦值越接近1，表明兩個向量相似度越高。余弦相似度的計算公式定義為：

（3）

式中：為余弦相似度值；X和Y為實體或關系的向量；n為知識圖譜中實體向量的維度。

通過相似度計算，得到候選實體與推理實體的相似度，輸出相似度大的實體作為推理的結果，形成新的知識三元組。通過以上步驟即可實現基于知識圖譜嵌入的知識推理過程。

2.3.3 知識檢索

知識檢索技術主要運用于知識需求粒度較粗的場景，例如針對仿真目標對仿真學科、仿真對象等進行大范圍仿真知識的檢索。常用的知識檢索是Neo4j圖數據庫中的Cypher檢索語句，可根據知識使用場景在知識圖譜中由特定的路徑檢索出有價值的仿真知識。例如，可以通過仿真目標在知識圖譜中檢索出仿真學科、仿真對象、仿真技術、仿真流程以及所需用到的仿真建模參數等仿真知識。

3 系統開發與應用

3.1 系統需求與功能模塊

高速列車轉向架設計仿真驗證知識管理系統是為了實現轉向架設計仿真驗證知識管理與重用過程，幫助仿真驗證人員快速對產品設計方案建模仿真，分析產品性能是否滿足客戶需求。該系統通過知識表達與管理模塊，能實現領域本體構建融合過程，通過知識抽取獲得仿真驗證知識三元組，實現知識圖譜構建。知識重用模塊能實現知識推理和知識檢索功能，當仿真驗證人員有知識需求時，可通過該系統獲取對應的仿真知識，構建仿真模型完成仿真分析過程。系統管理模塊實現對知識的管理和增刪改查等功能，保證知識的先進性和完整性。

通過以上研究，結合現有高速列車產品設計平臺，構建轉向架設計仿真驗證知識管理系統，提高產品仿真驗證的效率和準確性，實現在設計階段即可對產品性能進行驗證，以最大限度滿足客戶需求。系統界面如圖7所示。

3.2 實例應用

本文構建的高速列車轉向架設計仿真驗證知識管理系統，能實現高速列車轉向架設計仿真驗證知識圖譜構建、知識推理和知識檢索過程，為仿真人員提供知識支撐，提高仿真知識重用效率。

以最高運行速度為250 km/h時列車運行的安全性是否符合要求為例進行仿真知識重用。由于仿真人員對細粒度的、關系比較明確的仿真知識難以有準確的把握，因此，通過客戶需求對仿真目標進行推理。對此可以分析，列車運行最高速度250 km/h為仿真約束條件，客戶的需求為運行安全性，具體可以表示為lt;運行安全性，Has-Output，？gt;，通過余弦相似度計算進行返回的仿真目標及相似度如表4所示。

以列車脫軌系數為仿真目標進行知識檢索，可以獲得與脫軌系數相關的仿真對象、仿真學科、仿真技術以及仿真參數等知識，在知識系統中通過Cypher語句檢索獲取的知識結果如圖8所示。

按照檢索出的仿真知識構建仿真模型。由檢索知識可知，需構建轉向架多剛體動力學仿真模型，并同時檢索出對應的建模參數、工況數據、軌道不平順文件等參數。采用Simpack仿真軟件構建轉向架多剛體動力學模型，如圖9所示?？紤]重車工況，采用秦沈線實測軌道譜，直線仿真工況，車速40～260 km/h，間隔20 km/h；曲線軌道計算工況如表5所示。

根據GB/T 5599－2019[16]，列車脫軌系數指標限值不能超過0.8。仿真計算結果如圖10所示?？梢钥闯觯本€工況下，當運行速度為260 km/h時，列車脫軌系數仍有一定的安全裕量；半徑為1000 m和500 m的曲線工況下，當運行速度在允許范圍內，脫軌系數仍滿足規范要求。因此，列車可在250 km/h運行速度下安全運行，該產品性能滿足客戶提出的需求。

4 總結

針對當前高速列車轉向架設計仿真驗證知識缺乏統一表達、管理和重用的問題，本文構建了轉向架設計仿真驗證知識圖譜，使用TransR算法結合相似度計算實現知識推理，并結合知識檢索實現了仿真驗證知識重用，在此基礎上開發了轉向架設計仿真驗證知識管理系統，最后以列車運行安全性為例，驗證了本文所提方法的可行性。在后續研究中，將完善知識推理方法，可實現完整仿真方案推理，并結合虛擬現實技術對仿真結果可視化，對產品設計方案進行快速評價。

參考文獻：

[1]陳曉波，熊光楞，柴旭東. 仿真在復雜產品設計中的應用及面臨的挑戰[J]. 系統仿真學報，2002（8）：1034-1039.

[2]李傳迎，李鵬，吳興文，等. 基于剛柔耦合動力學的高速列車轉向架構架振動疲勞研究[J]. 機械，2023，50（1）：20-28.

[3]賈鵬，池茂儒，李浩天，等. 扭轉剛度和扭轉阻尼對虛擬軌道車輛性能的影響分析[J]. 機械，2019，46（10）：22-30.

[4]施國強，劉澤偉，林廷宇，等. 面向復雜產品建模與仿真系統的開放式云架構設計[J]. 系統仿真學報，2022，34（3）：442-451.

[5]邱曉剛，段紅，謝旭，等. 仿真學科知識體系的若干問題研究[J]. 系統仿真學報，2021，33（4）：753-762.

[6]XIONG S，ZHU F，YAO Y，et al. A description method of cloud simulation model resources based on knowledge graph：2019 IEEE 4th International Conference on Cloud Computing and Big Data Analysis （ICCCBDA）[C]. IEEE，2019.

[7]劉懷遠，文晶，陳興雷，等. 知識驅動的大電網仿真分析知識建模方法及其在潮流智能調整問題中的應用[J]. 中國電機工程學報，2023，43（5）：1843-1855.

[8]劉營，張霖，賴李媛君. 復雜系統仿真的模型重用研究[J]. 中國科學：信息科學，2018，48（7）：743-766.

[9]LISTL F G，FISCHER J，BEYER D，et al. Knowledge Representation in Modeling and Simulation： A survey for the production and logistic domain：2020 25th IEEE International conference on emerging technologies and factory automation （ETFA）[C]. IEEE，2020.

[10]AMIT S. Introducing the knowledge graph[R]. America：Official Blog of Google，2012.

[11]李佳靜，黎榮，武浩遠，等. 面向多領域的轉向架知識本體表達及重用研究[J]. 機械設計與制造，2019（4）：55-58.

[12]王昊琪，李浩，文笑雨，等. 本體驅動的復雜產品系統設計信息重用框架[J]. 計算機集成制造系統，2021，27（6）：1662-1672.

[13]郭恒，黎榮，張海柱，等. 多域融合的高速列車維修性設計知識圖譜構建[J]. 中國機械工程，2022，33（24）：3015-3023.

[14]舒世泰，李松，郝曉紅，等. 知識圖譜嵌入技術研究進展[J]. 計算機科學與探索，2021，15（11）：2048-2062.

[15]LIN Y，LIU Z，SUN M，et al. Learning entity and relation embeddings for knowledge graph completion：Proceedings of the AAAI conference on artificial intelligence[C]. AAAI，2015.

[16]中華人民共和國國家市場監督管理總局，中國國家標準化管理委員會. 機車車輛動力學性能評定及試驗鑒定規范：GB/T 5599－2019[S]. 北京：中國標準出版社，2019.