变分曲线模型及其在轨道数据库生成中的应用研究

本文研究有限约束条件下的变分曲线模型及其在铁路列控轨道数据库中的应用,提出从GPS轨道数据中自动生成适合列车控制的数字轨道地图的方法、模型和算法。通过大量实测数据对算法和方法进行验证、比较和改进,针对大量轨道数据建立其数据约简的组合数学模型,分析实际列车运行时有限约束条件,研究曲线演化理论,采用基于变分曲线模型曲线形变的思想对数据进行约简和误差剔除,在满足一定的误差前提下快速自动获取少量关键数据来描述铁道轨迹,完善列控轨道数据库的自动生成与优化方法,实现基于GPS的列车运行控制系统的实时、精确定位。     

基于主曲线和自适应半径的多GPS轨迹数据融合算法

研究从大量低精度的GPS轨迹数据融合生成高精度GPS数据的快速有效算法,并产生若干关键数据点以简化描述GPS轨迹,具有提高数据精度、降低测量成本和减少数据存储空间的重要意义。本文依据K段主曲线、二分法、优化等理论方法,提出3种多GPS轨迹数据融合算法:最大距离融合算法MDA、数据分块算法DPA、自适应半径数据融合算法ARA。算法的仿真实验结果表明,ARA算法在数据精度、曲线光滑程度等方面明显优于其他两种算法。将3种算法应用于青藏铁路实测多轨迹GPS数据的融合,验证结果表明,ARA算法性能最优,平均横向误差在0.2m左右,约简率为2.01%,有效节约了数据的存储空间,能够较好地完成高精度轨迹的生成。     

列车定位轨道电子地图数据约简算法研究

高效、高精度的轨道电子地图是实现列车定位及列车运行控制的重要基础。为了提高轨道电子地图数据的存储及使用效率,在地图生成过程中需要在保证精度的前提下对测量数据进行约简。本文在实测数据的基础上分析轨道地图测量数据特性,采用小波变换及距离判别的方法对异常测量数据进行剔除,提出一种基于垂距判定和三次B样条曲线拟合的数据约简算法用于地图生成。该算法利用垂距判定方法从异常值剔除的原始数据中选取一定数目的测量点构成轨道特征点集,并对其进行三次B样条拟合,通过对拟合曲线进行误差判别修正和补充特征点,完成数据最终约简及轨道地图生成。青藏线实测数据验证结果表明,在合理选择垂距限差的情况下,该算法能够有效约简原始地图测量数据,并保证所生成地图的精度水平。     

多GPS铁道轨迹信息融合算法研究

用于列车控制的GPS(Global Positioning System)电子地图需要高精度的轨道数据。由于采集高精度轨道数据所需要的GPS接收机成本过高,研究融合多个低精度的GPS轨迹自动生成高精度轨迹具有重要的应用价值。已有的多轨迹融合算法存在计算过于复杂、计算时间过长和适用范围窄等问题。在主曲线理论的基础上并具有两个高精度固定端点的特征,本文对多GPS铁道轨迹信息融合算法做了进一步研究,采用在最大误差区域增加顶点和局部优化顶点位置的方法,提出一种改进的融合算法。通过实测铁路轨道GPS数据和复杂形状的模拟数据验证,结果表明,改进的融合算法可以有效地融合多个低精度的GPS轨迹自动生成高精度轨迹,并加快计算速度,减少存储空间,增加了适用范围。     

高速铁路轨道中长波不平顺检测模型研究

为保证速度200km/h及以上列车安全平稳运行,高速铁路增加轨道30m弦和300m弦中长波平顺指标。传统手工检测已无法满足该要求,需依靠高精度测量设备采集轨道坐标高程以控制轨道中长波不平顺。某进口高速铁路轨道检测设备将矢距差法模型计算的轨向高低不平顺作为不变量,结合调整量较差控制中长波轨向高低。受检测起点位置影响,矢距差法模型计算结果表现出显著随机性,忽略基准弦端点变化会产生模型误差。实测数据显示:采用这种模型,轨道调整后不平顺指标超限率达18.9%;若验收高速铁路线路,测量成果精度的提高可能无法有效控制轨道不平顺。因此,提出高密度四点偏差约束轨道方向高低模型,以提高矢距差法模型的检测精度。实测数据检验结果表明,模型不仅能够使任意位置中长波轨向高低满足检验要求,而且能获得最优扣件调整量。     

基于改进Mask R-CNN的轨道扣件状态检测方法

为提高轨道扣件状态检测的准确率,基于K均值聚类算法改进掩膜区域卷积神经网络(Mask R-CNN)实例分割算法中的区域建议网络。进行基于改进Mask R-CNN的轨道扣件状态检测方法研究,并将该方法分别应用于普速铁路有砟轨道2个扣件数据集和高速铁路无砟轨道1个扣件数据集上进行轨道扣件状态检测。结果表明:该方法能对普速铁路有砟轨道和高速铁路无砟轨道图像中的扣件状态进行准确检测,扣件的定位准确率和分类准确率平均分别达到97.05%和98.36%,均优于YOLO V3,Faster R-CNN和Mask R-CNN算法;相较于前2种算法,本方法对普速铁路有砟轨道扣件状态检测的优势更为明显。     

基于轨道静检的动检里程偏差修正算法研究

轨道几何状态动态检测时由于光电编码器的动态误差,车轮空转打滑,检测人员置入检测系统的误差等因素的影响,检测数据不可避免地产生里程偏差,导致波形错位,直接使用存在里程偏差的数据时将会影响轨道质量状态的评估精度及线路状态恶化趋势分析的可靠性,无法确保线路现场养护维修效果。提出一种以静检数据为基准的动检数据里程偏差修正方法,并提出主点迭代里程偏差修正PPIC算法,通过模拟数据和高速铁路实测数据,使用PPIC算法和现有最稳定的区段相似波形匹配SSWM算法进行比较,实验结果显示PPIC算法修正后动静检波形吻合度,轨向高低不平顺值较差均值、不确定度及相关系数均有显著提升,且修正效果优于SSWM算法,PPIC算法里程偏差修正精度优于一个静检检测间隔(0.125m),可有效地对动检数据里程偏差进行纠正。     

高速铁路动检车轴箱加速度与轮轨力数据里程对齐研究

高速铁路动检数据对轨道养护维修具有重要意义,其中轴箱加速度和轮轨力是两种能够反映轨道短波不平顺信息且相互关联的高频采样数据。然而,这两种数据之间存在里程误差,以至于在评价轨道平顺性时无法建立参考基准。现有的动检数据里程修正方法大多需要结合线路台账信息,主要针对轨道几何不平顺数据的里程对齐,鲜有适用于无线路超高信息且高频采样下的轴箱加速度和轮轨力里程对齐方法。提出一种二阶段窗长收敛的里程误差修正模型,结合线性插值方法调整全局波形。根据某高速铁路实测轴箱加速度、轮轨力数据修正结果表明：该线路区间的里程误差在第一阶段修正后从1 km左右减小至42 m以内,经第二阶段精确修正后误差在99.7%的置信度下可控制在1.55 m以内。数据能量趋势结果表明,修正后轴箱加速度、轮轨力数据趋势线性相关性在全区段显著提升。     

基于代价敏感卷积神经网络的扣件缺陷检测算法

为解决扣件数据集不平衡问题,引入代价敏感策略对卷积神经网络算法进行改进,并以此检测断裂、丢失的缺陷扣件。该算法借鉴AdaBoost算法的思路,在训练过程中对整体误差函数中每个样本分配不同的权重,并依据先前模型的错误率不断地加以调整,使算法关注各个类别中的难学习样本,并对调整后的权重按类别进行归一化处理,以增大小类样本的关注度。分别在高速铁路无砟轨道和普速铁路有砟轨道2个扣件数据集上进行对照试验验证算法的有效性。引入G-mean作为评价指标平衡不同类别的召回率。结果表明:将改进后算法应用于高速铁路无砟和普速铁路有砟轨道的扣件数据集,改进后算法的G-mean值比原算法分别提高10%和25%以上;比传统的扣件识别方法分别提高13%和39%以上。     

增加轨道扣件可调量和相邻点偏差约束的高铁轨道精调优化算法

高速铁路轨道精调依据300m、30m以及10m弦的长中波轨向和高低、轨距、轨距变化率、水平和扭曲等参数控制轨道不平顺。然而无砟轨道钢轨的扣件可调量有限,若完全按照轨道几何参数设计值要求获得的轨道横、竖向偏差进行轨道精调,会面临调整量超出扣件可调范围的困境。为此,提出在轨道精调算法中增加轨道扣件(剩余)可调量的约束条件,采用L1范数最优解算法进行轨道调整量优化,避免了调整方案受扣件限制难以实现的缺陷。在新的优化算法中,通过增加相邻点偏差较差以提高轨道空间线形的相对精度。通过实测数据检验,结果表明:扣件(剩余)可调量约束是优化调整方案中保证钢轨最优几何形位的必要条件;相邻点偏差较差约束可以有效弥补扣件可调量约束引起的轨道短波不平顺,进一步提高调整后轨道的平顺性。建议对扣件(剩余)可调量约束的限差值规范化处理,建立"扣件类型—调整量—剩余可调量"轨调体系。采用剩余可调量对扣件可调范围约束,并参与轨道平顺性控制。