本发明涉及一种基于cfd的高铁风速仪精度提升方法，属于铁路安全。
背景技术：
1、大风是危及高铁行车安全的最主要气象灾害之一。大风引起的铁路灾害事故国内外时有发生，而高铁因质量轻、行驶速度快，对大风更加敏感，为了保障高铁的行车安全，国内外高铁都建立了大风行车安全预报(预警)系统，且都依赖于铁路沿线的风速风向测量信息，这对高铁沿线风的测量提出了更高的要求。
2、与传统机械式测风相比，超声波测风设备采用一体化集成设计，测风过程中整体无移动部件、无机械磨损、无零部件脱落风险、使用寿命长，超声测风反应速度快、测量精度高、分辨率高、能测量风速中的高频脉动成分，采用随机误差识别技术，大风下也可保证测量的低离散误差，使输出更平稳，维护成本较低，是铁路测风的优先选择。
3、由于高铁沿线的超声波风速仪通常安装在铁路供电接触网支架上，由于接触网支架高度高、体积大，在某些风向情况下，将遮挡风速仪的风速观测，从而引起测量误差。然而，高铁对大风极为敏感，若瞬时风速达到倾覆临界风速，仅1-2s就足以引起列车的倾覆。因此，通过科学、准确的方法降低支架遮挡造成的误差迫在眉睫。查阅关于提高铁路超声波风速仪测量精度的资料，并未出现类似的研究。
技术实现思路
1、本发明所要解决的技术问题是：提供一种基于cfd的高铁风速仪精度提升方法，降低铁路供电接触网支架遮挡对风速仪造成的测量误差，使高铁实时预报预警更加精确。
2、本发明为解决上述技术问题采用以下技术方案：
3、一种基于cfd的高铁风速仪精度提升方法，包括如下步骤：
4、步骤1，在预设的风速条件下，利用计算流体动力学仿真方法，模拟超声波风速仪在高铁供电接触网支架上工作的场景，并获取所述场景下的风速分布云图；
5、步骤2，按照预设的划分规则对风速分布云图进行划分，确定风速分布云图中的被遮挡区域和遮挡区域，从而确定超声波风速仪受接触网支架遮挡影响最为明显情况下的风向；
6、步骤3，根据时差法获取超声波风速仪的观测风速，即在步骤1的场景下，计算超声波风速仪受接触网支架遮挡影响最为明显情况时的脉冲通道平均风速；
7、步骤4，建立以预设风速-接触网支架结构为输入，预设风速与观测风速之间的误差为输出的高铁风速仪物理修订模型；
8、步骤5，利用贝叶斯优化方法对步骤4建立的高铁风速仪物理修订模型进行参数优化，寻找使预设风速与观测风速之间的误差最小的接触网支架结构最优参数，并获得最优参数下的修订风速；
9、步骤6，利用极致梯度提升模型xg-boost对修订风速进行进一步修正，得到最终的修正风速。
10、作为本发明的一种优选方案，所述步骤1中，风速条件包括风速大小和风速方向，风速大小设置为10-30m/s，风速方向设置为0-360°。
11、作为本发明的一种优选方案，所述步骤2中，划分规则设置为将风速分布云图按照风速能量的大小进行划分，或者将风速分布云图按照预设层数的等线值进行划分；
12、超声波风速仪受接触网支架遮挡最为明显情况下的风向，即接触网支架与超声波风速仪成一条直线时的风向。
13、作为本发明的一种优选方案，所述步骤4中，接触网支架结构包括接触网支架固定装置的高度以及接触网支架的长杆和横杆的长度，接触网支架固定装置的高度即接触网支架固定装置距地面的距离，接触网支架为l型，平行于地面的一端为横杆，另一端为长杆。
14、作为本发明的一种优选方案，所述步骤6中，将预设风速作为目标值，修订风速作为特征值，构建训练集和验证集，利用训练集和验证集对极致梯度提升模型xg-boost进行训练和验证，得到极致梯度提升模型xg-boost的最优参数，包括学习率、树最大深度和l1正则化权重项，使用训练好的极致梯度提升模型xg-boost对修订风速进行进一步修正。
15、一种计算机设备，包括存储器、处理器，以及存储在所述存储器中并能够在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的基于cfd的高铁风速仪精度提升方法的步骤。
16、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于cfd的高铁风速仪精度提升方法的步骤。
17、本发明采用以上技术方案与现有技术相比，具有以下技术效果：
18、本发明通过研究高铁沿线供电接触网支架对风速仪造成的测量误差，并采用修改接触网支架的结构与人工智能算法结合的方式降低此误差，提高了极端大风情况高铁实时预报预警精确性，确保在大风情况下铁路运行的可靠性和安全性。
1.一种基于cfd的高铁风速仪精度提升方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于cfd的高铁风速仪精度提升方法，其特征在于，所述步骤1中，风速条件包括风速大小和风速方向，风速大小设置为10-30m/s，风速方向设置为0-360°。
3.根据权利要求1所述的基于cfd的高铁风速仪精度提升方法，其特征在于，所述步骤2中，划分规则设置为将风速分布云图按照风速能量的大小进行划分，或者将风速分布云图按照预设层数的等线值进行划分；
4.根据权利要求1所述的基于cfd的高铁风速仪精度提升方法，其特征在于，所述步骤4中，接触网支架结构包括接触网支架固定装置的高度以及接触网支架的长杆和横杆的长度，接触网支架固定装置的高度即接触网支架固定装置距地面的距离，接触网支架为l型，平行于地面的一端为横杆，另一端为长杆。
5.根据权利要求1所述的基于cfd的高铁风速仪精度提升方法，其特征在于，所述步骤6中，将预设风速作为目标值，修订风速作为特征值，构建训练集和验证集，利用训练集和验证集对极致梯度提升模型xg-boost进行训练和验证，得到极致梯度提升模型xg-boost的最优参数，包括学习率、树最大深度和l1正则化权重项，使用训练好的极致梯度提升模型xg-boost对修订风速进行进一步修正。
6.一种计算机设备，包括存储器、处理器，以及存储在所述存储器中并能够在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的基于cfd的高铁风速仪精度提升方法的步骤。
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的基于cfd的高铁风速仪精度提升方法的步骤。
