基于GM（1,1）与AR模型的轨道不平顺状态预测

反映轨道几何状态变化的轨道几何检测数据是一个随时间变化的时间序列,具有随机性特点.本文将经过普遍适应性改进的灰色GM（1,1）与随机线性AR模型相结合,研究轨道水平不平顺状态在点、单元区段范围随时间变化趋势,并对GM（1,1）预测的残差进行修正,从轨道水平的几何状态变化的随机数据序列中找寻变化规律.用得到的几何状态变化模型分别对轨道的短期、中长期状态进行预测分析,预测结果表明模型是有效的,满足预定精度的要求.     

基于ARIMA模型的轨道不平顺状态预测研究

轨道是列车运行的基础,轨道不平顺状态是影响行车安全的关键因素.为保障列车安全、平稳和不间断的运行,轨道必须具有高平顺性.根据轨道不平顺变化特点,文中利用ARIMA（自回整合归移动平均）模型对轨道不平顺状态进行预测,并且采集了京九线下行463.8 km处2008年2月第二次检测至2008年12月第一次检测的TQI历史检测数据对模型的有效性进行了检验,结果表明ARIMA模型能够对两次大修作业之间的轨道的不平顺状态进行较为准确地预测.     

变残留率的有砟轨道高低不平顺恢复模型

大机捣固与钢轨打磨可以显著改善轨道几何不平顺,在不同作业方式、不同线形状态下,轨道几何不平顺的改善效果是不同的.为了合理的安排养护维修作业计划,准确预测养修作业后轨道几何状态的改善状况,基于沪昆线捣固与打磨作业实践,分析了不同养修作业方式下的轨道不平顺恢复效果,以捣固作业为例,分别建立了直线、曲线和桥隧3种线形区段下的轨道不平顺恢复预测模型,最后根据现场实测数据对模型进行了验证,结果表明:模型在直线和曲线区段预测的相对误差均值在7%左右,在桥隧区段预测的相对误差均值在9%左右,预测效果良好.     

基于改进灰色-马尔可夫链的轨道不平顺发展预测方法

轨道不平顺的发展受轨道、荷载、自然等因素的影响,它们的综合作用使轨道不平顺的发展过程呈现出趋势性和随机性特征.将灰色GM（1,1）预测理论与马尔可夫链预测理论相结合,提出一种适应轨道系统的改进灰色-马尔可夫链组合预测模型.新模型较好地处理了轨道系统内部各种不确定因素的影响,并能够充分挖掘历史数据给予的信息.应用新模型对轨道质量指数TQI进行实例计算,表明其具有很好的预测精度.     

基于组合方法的轨道不平顺预测

准确把握轨道不平顺的变化规律,对于科学制定铁路养护及大修计划具有重要意义。对此,提出了一种基于灰色模型与神经网络的轨道不平顺组合预测算法,先用传统灰色预测模型对轨道不平顺数据进行初步预测,然后用BP神经网络对初步预测值进行修正。结果表明,该预测算法与实际轨道不平顺的平均误差可控制在5%以内,预测精度高于单一算法,可应用于铁路养护工作中广泛存在的轨道不平顺趋势分析问题。     

用灰色马尔可夫模型预测水上交通事故量

灰色GM(1,1)是一种水上交通事故量预测模型．这种模型不适合长期的、随机和波动性较大的数据序列预测．马尔可夫模型适合描述随机波动性较大的预测问题．本文将两模型结合,形成一个灰色马尔可夫预测模型．按特定的状态划分方法,先用灰色GM(1,1)预测模型进行预测,再用马尔可夫模型预测结果进行优化,使预测精度大大提高．文中给出两个例子,算例证明了谊模型的诸多优点．     

轨道不平顺非线性预测模型

分析了轨道高低不平顺非线性预测理论,根据广深线运量和轨、车检测数据,采用多元回归分析得到广深线轨道高低不平顺非线性预测模型,将该模型用于预测未来轨道不平顺的发展情况,并与实际检测值进行对比和误差分析.结果表明,两者图形趋势较为一致,说明用该模型预测轨道高低不平顺发展趋势是可行的.     

基于动态灰色马尔柯夫链的铁路运量预测

结合灰色模型在短期预测中的优势和马尔柯夫链在长期预测和对随机波动性数据处理方面具有的优势,根据将一个新息数据充实到原始数据序列中进行预测时是否去除其左边的第一个老数据,分别定义并建立了定维和变维动态灰色马尔柯夫预测模型;通过对我国铁路客货运量进行预测,表明动态灰色马尔柯夫预测模型优于静态灰色马尔柯夫模型和灰色模型,并且定维动态型预测效果优于变维动态型。     

轨道不平顺预测随机模型的SVM-MC求解方法

实现铁路轨道科学管理的前提是对轨道几何不平顺的发展趋势进行有效预测,预测模型从确定性向随机性模型转变,其重点是如何进行模型的求解。论文对轨道高低不平顺的预测随机模型建立了一种支持向量机—蒙特卡洛(SVM-MC)两阶段求解方法,第一阶段利用ε-SVM算法确定属于小样本集的模型参数,第二阶段运用蒙特卡洛模拟对随机过程进行仿真,得到高低不平顺标准差的预测值。与以往的轨道不平顺预测方法相比,所建立的两阶段求解方法解决了预测中小样本、非线性的问题,且预测精度在计算机容量和速度足够时可以得到保证。在沪昆有砟线路的应用表明,所提出的随机预测方法及求解算法,预测效果良好,平均相对误差为4.63%,可满足现场的工程应用,为养护维修计划决策提供技术支持。     

轨道不平顺概率模型

为了高效选取轨道不平顺随机样本, 以满足车辆-轨道系统随机动力与可靠度分析中的激振源遍历性要求, 依据轨道随机不平顺的弱平稳与谱相似特征, 提出了一种轨道不平顺概率模型; 采用离散概率积分和统计方法, 在时域中将大量轨道不平顺检测信号分成若干个时程序列, 对每个序列采用谱分析法计算其统计功率谱密度分布; 采用矩阵法对轨道不平顺功率谱密度函数进行集合表征, 视每条谱线在不同频率点的功率谱密度概率具有累加性, 采用单一频率下的功率谱密度概率分布推知整条谱线的出现概率; 采用通用随机模拟方法选取代表性轨道谱, 并反演随机不平顺序列; 实测了某高速铁路约269km的轨道高低和方向不平顺, 基于车辆-轨道耦合动力学理论, 从轨道不平顺模拟幅值与车辆-轨道系统动力响应的概率密度分布出发, 对比了轨道不平顺概率模型与轨道不平顺随机模型的计算结果, 以验证轨道不平顺概率模型的正确性和高效性。计算结果表明: 以2种模型生成的轨道随机不平顺为激振源, 获得的车辆-轨道系统动力响应分布熵差异小于2%, 2种模型均能准确表达不平顺激扰特性; 为保证模拟与实测不平顺的概率密度分布一致, 采用随机模型和概率模型分别需要生成131和33个随机样本, 概率模型具有更高的分析效率; 在给定计算工况下, 轮轨力和车体加速度的幅值分别为38~152kN和-0.042g~0.043g (g为重力加速度), 均未超过《高速铁路设计规范》 (TB 10621—2014) 中的限值(轮轨力为170kN, 车体加速度为0.25g), 表明此高速铁路轨道不平顺状态较优, 行车安全性和舒适性可以得到保证。      

轨道综合作业对高速铁路有砟轨道几何不平顺改善效果

根据高速铁路有砟轨道综合作业前后的轨道几何状态检测数据, 分析了以大机作业、人工精调和钢轨打磨为主的综合作业对高速铁路有砟轨道几何不平顺的改善情况。分析结果表明: 大机作业、人工精调和钢轨打磨的综合作业可联合改善轨道几何不平顺, 其中, 大机作业对高低、水平、三角坑不平顺的改善率分别为20.95%、12.90%和13.16%, 人工精调对高低、水平、三角坑和轨距不平顺的改善率分别为11.97%、5.56%、7.43%和6.12%, 钢轨打磨对高低和轨向不平顺的改善率分别为4.85%和3.88%, 轨道质量指数在大机作业、人工精调、钢轨打磨后的改善率分别为11.54%、6.91%和1.10%, 因此, 大机作业和人工精调对各个单项不平顺改善效果明显, 大机作业的贡献最大, 而人工精调可在一定程度上改善轨距不平顺, 钢轨打磨对高低不平顺和轨向不平顺进一步改善, 但对水平不平顺、轨距不平顺和三角坑不平顺等改善效果不明显; 经过综合作业, 单项不平顺与轨道质量指数均呈下降趋势, 其中轨道质量指数、高低不平顺、水平不平顺、右轨向不平顺近似呈幂函数趋势降低, 左轨向不平顺近似呈线性函数趋势降低, 三角坑不平顺近似呈对数函数趋势降低, 反映了大机作业对轨道几何状态改善程度高, 人工精调、钢轨打磨进一步改善部分单项不平顺的情况。      

高速铁路简支梁桥车桥系统随机响应

为探讨高速铁路简支梁桥车桥系统的随机响应,采用虚拟激励法,将轨道高低不平顺转化为一系列频率点处简谐荷载的叠加,使非平稳随机振动问题转化为确定性的时间历程问题.采用分离迭代法求解车桥系统运动方程,运用三倍标准差原理确定车桥系统响应的最大、最小值.最后,讨论了简支梁桥车桥系统的随机响应在不同列车运行速度下的变化规律.研究结果表明:车体竖向位移和加速度的随机性较大,桥梁跨中竖向响应及轮对受到的竖向轮轨力受确定性荷载的影响较大;列车运行速度对桥梁跨中竖向加速度最大值、车体竖向加速度最大、最小值的影响较大.     

轨道随机不平顺下磁浮车辆非线性动力学特性

基于柔性轨道研究了随机不平顺下磁浮车辆的动力学特性, 在将轨道受力分解为分段链式结构的基础上, 提出了一种磁浮车辆垂向悬浮稳定性分析方法, 定义了不同悬浮力作用于各自悬浮点时柔性轨道的振动固有频率和模态矩阵; 建立了轨道分段链式结构的离散形式和轨道结构的运动方程, 采用虚拟激励法将轨道不平顺产生的随机激励转化为系统输入激励, 并将轨道随机高低不平顺作为振动激励源进行车轨振动控制; 在不同反馈控制参数下采用电压反馈双环PID控制器数值仿真车辆的悬浮状态, 并分析了轨道随机不平顺激励下反馈控制参数对磁浮系统稳定性的影响。研究结果表明: 当磁浮车辆速度为50~80 km·h-1, 位移反馈参数、速度反馈参数和电流反馈参数分别为140 000、50、500时, 车辆可以从起始间隙16 mm快速定位到平衡位置间隙9 mm, 在2.2 s时即可稳定悬浮, 系统的超调量和稳态误差分别为1.50和0.13 mm, 且系统振动频率趋近于0;当位移反馈参数、速度反馈参数和电流反馈参数分别为15 000、50、400时, 磁浮车辆在轨道随机不平顺作用下的悬浮稳定性变差, 系统在9 s左右逐渐趋于稳定, 但仍旧在平衡位置上下浮动, 且系统振动频率和振动幅值分别为7 Hz和0.5 mm; 当磁浮车辆的速度超出50~80 km·h-1时, 第1组反馈控制参数不再适用, 磁浮系统在1.7 s左右发散, 车辆失稳, 表明在不同车辆速度和反馈控制参数的作用下, 轨道随机不平顺能显著影响磁浮车辆的悬浮稳定性。      

城市轨道交通轨道不平顺谱分析

以上海域市轨道交通的轨道不平顺检测数据为样本,对城市轨道交通轨道不平顺的特征进行分析.首先,利用轨道不平顺变化率法和经验模态分解法对检测数据进行预处理,有效消除轨距和轨向不平顺检测数据的异常值和非线性趋势线,其次,对检测数据进行功率谱密度分析,并与美国6级轨道谱、德国铁路高低干扰谱和中国提速干线7参数谱进行比较,结果表...     

关于轨道谱面积与TQI指标关系的研究

根据沪昆和金温两条不同线路的轨道不平顺检测数据,利用Matlab编程分别进行功率谱和TQI分析。然后利用梯形积分公式对各项轨道不平顺谱值进行积分,得出TQI单项指数与各轨道不平顺谱面积值具有很好的相关性,特别是在高低和轨向不平顺上,相关系数达到了0．91以上,从而验证了用轨道不平顺功率谱方法来控制和管理轨道平顺性的可靠性。最后建议将轨道不平顺功率谱作为控制提速线路轨道质量的主要指标之一。     

基于经验模态分解的轨道不平顺时频特征分析

高速铁路轨道不平顺测量值是由许多不同频率、不同幅值的单分量信号叠加而成的复杂随机过程.为分析轨道不平顺在空间域和频率域的分布特性,利用希尔伯特-黄变换方法提取轨道不平顺在时-频域的能量分布,为从幅值和波长两个方面综合评价轨道几何状态提供一种新的分析方法.首先,利用多元经验模态分解基于数据驱动的滤波特性,将轨道不平顺数据同时分解为不同尺度下的幅值-频率调制的多元本征模态函数;然后,通过希尔伯特变换计算各尺度下本征模态函数的瞬时频率,分析各层本征模态函数的频率和能量分布特征.通过对轨道检查车的实测轨道不平顺数据解算与分析表明:轨道不平顺的频率分布呈现出近似二进滤波特性,并且每个尺度下的频率带宽较窄;多元经验模态分解尺度图能确定轨道不平顺在各尺度下的能量分布及对应的波长特征;样本轨道不平顺数据中,轨距和水平不平顺的能量主要分布在中长波波段,轨向和高低的能量主要集中在空间波长4~36 m范围;扭曲的能量分布在波长为4.9 m和7.6 m的两个尺度内.      

基于多车型CNN-GRU性能预测模型的轨道状态评价

不同车型高速综合检测列车的动力学传递特性不同，使得其对同一线路的车体加速度评价结果存在一定差异.为解决上述问题，本文基于多列动检车的检测数据，将卷积神经网络（convolutional neural network,CNN）与门控循环单元（gated recurrent unit,GRU)相结合，建立了多车型车辆动力学响应预测模型，通过输入多项实测轨道不平顺和车速预测各车型的车体垂向和横向加速度，并将多车型车体加速度预测值的最大包络作为轨道状态评价依据.结果表明：将高低、轨向不平顺等8项轨道不平顺和车速共同作为输入参数的模型预测性能最优，车体垂向和横向加速度预测的评估指标分别提升了5%～13%和25%～36%;CNN-GRU模型所预测的车体加速度在时域和频域均与实测结果吻合较好，相关系数最大达到0.902；且相比于BP (back propagation)神经网络，各项车体垂向和横向加速度预测的评估指标分别提升了36%～109%和11%～167%；针对某轨道几何状态不良区段应用效果，预测6种车型中有4种车型达到车体垂向加速度Ⅰ级或Ⅱ级超限，有1种车型达到车体横向加速度Ⅰ级超限，提高了轨...     

车辆——轨道耦合系统随机振动分析

将轨道高低不平顺视为平稳各态历经随机过程,利用车辆－轨道耦合动力有限元计算模型,对车辆－轨道系统垂向随机动做了计算,在时域和频域内对系统响应作了分析。