基于灰色理论定量预测轨道质量指数的研究

轨道质量指数是目前我国铁路应用的一种主要的均值评价方法,能够真实、准确地反映出轨道不平顺的质量状态.用大机维修期内观测到的轨道质量指数TQI值构造灰色预测模型,研究数据潜在规律,对TQI随时间的变化规律进行研究,预测某一时刻的TQI值,从而获得轨道质量随时间变化的规律,为各级工务管理部门对轨道不平顺状态进行宏观管理和质量控制提供依据,并将其用于指导编制维修计划和指导养护维修作业,使维修计划安排重点突出、针对性强、投资效益高、线路质量状态均衡.     

基于改进非等时距灰色模型与PSO优化的轨道不平顺预测

基于轨道动检数据开展的轨道不平顺预测研究,可用于指导以预防为主的养护维修作业。将改进非等时距灰色模型与粒子群优化(Particle Swarm Optimization,PSO)相结合来实现轨道质量指数(Track Quality Index,TQI)的高精度预测。在考虑TQI原始动检数据特征的基础上增加原始数据平滑优化、累加初始值优化和背景值优化等环节提出改进非等时距灰色模型。利用PSO算法的启发式搜索优势,以平滑优化参数、初始值优化参数、背景值优化参数为搜索目标,以预测平均相对误差为适应度函数,实现预测模型参数的自适应优化。在此基础上,基于优化参数计算得到拟合区间和外推区间上的TQI预测结果。选取沪昆线上行区段实测TQI数据对本文方法进行验证,并与既有TQI组合预测模型的预测结果进行了对比。研究结果表明,模型可有效捕捉TQI序列中的随机波动与实时演变趋势,在外推区间上的平均相对误差分别为2.04%和2.54%,预测性能优良;当TQI序列振荡特性显著时,本模型仍能保证预测结果的可靠性;与组合预测模型相比,该模型规避了残差修正、多算法融合等繁琐步骤,可通过有限优化环节提升预测精度,为轨...     

基于3D卷积神经网络的高铁轨道质量指数预测方法

轨道质量指数（TQI，Track Quality Index）是反映高铁整体线路质量状态的重要指标，分析TQI数据的变化规律能够对高铁线路养护维修提供重要指导和参考依据。为提高TQI数据预测的准确性，提出了一种多项特征数据的3D卷积神经网络模型，分析了TQI数据特征，抽取时间、空间、检测项数据并形成三维特征数据集，基于3D卷积神经网络算法，构建8层TQI预测模型，并从初始化参数、学习速率、激活函数、损失函数、Dropout方法等角度对模型进行优化，并利用某高铁线检测数据进行试验验证。结果表明，3D卷积神经网络模型可较好的预测高铁线路状态变化趋势，且对比于BP神经网络和2D卷积神经网络方法，平均绝对误差分别降低了41.48%、26.32%，均方差分别降低了65.42%、39.93%，证明了该方法的准确性与有效性，对于预测TQI与制定高铁线路养护维修计划具有实用价值。     

改进的轨道质量指数线性预测模型研究

针对轨道不平顺的发展,提出轨道质量指数(TQI)变化的线性预测模型.该模型使用平均法计算出一个适用于某一线路区段轨道不平顺的斜率 K 值,利用该 K 值建立线性预测模型,对轨道不平顺发展TQI值进行预测.影响轨道不平顺发展的因素复杂,不平顺的发展趋势表现出一种非线性变化的特点,俗称"浴盆型"曲线.提出改进的轨道质量指数TQI预测模型,即多阶段轨道不平顺线性预测模型(MPLM).     

客货共线无砟轨道平顺状态预测模型

客货共线无砟轨道的轨道质量指数(TQI)具有随时间长期缓慢变化并伴随平稳波动的特点,而现有的预测模型难以预测这种变化。基于小波和时间序列分析预测方法,提出ARMA-BP神经网络和ARMA-SVR预测模型。通过小波分析将TQI时间序列分解为高频和低频2个部分,采用ARMA模型对高频部分建模,分别采用BP神经网络和支持向量回归SVR模型对低频部分建模,最后对高频和低频进行综合预测。此方法可根据具体情况对具有不同特性的TQI时间序列进行针对性建模,提高预测精度。运用此方法对包西线和太中线10个无砟轨道区段TQI时间序列进行预测,结果表明:ARMA-BP神经网络与ARMA-SVR的建模精度平均值分别为98.1%和98.5%,后验差分别为0.31和0.21,均达到1级;前者对已知数据的拟合精度高,而后者对未知数据预测能力较强、泛化能力更突出。     

基于灰色区间预测模型的轨道不平顺状态预测

轨道不平顺状态是影响行车安全的关键因素。轨道质量指数(TQI)是反映轨道几何状态变化的重要数据,是一个随时间变化的时间序列,具有随机性。为了更好地研究轨道状态的变化趋势,利用灰色区间预测模型,对单元区段范围内随时间变化的TQI进行建模,并与传统的非等间距GM(1,1)预测模型相比较。为了说明预测模型的有效性,采用京九线K467.8~K468单元区段实际数据进行验证,结果表明灰色区间模型的预测精度更高,对铁路轨道养护维修工作起到指导作用。     

基于灰色GM(1,1)和灰色-马尔可夫模型的轨道几何不平顺预测及应用研究

国外轨道不平顺的研究思路和方法大多是建立在对轨道动态检测数据的不同分析手段和方法上,然而由于各国检查数据的不同使得国外模型无法直接应用于国内轨道状态预测。基于昆明铁路局的实际数据,提出了灰色预测模型和灰色-马尔可夫预测模型。通过将2种模型的预测结果与一元线性回归预测结果对比分析,证明灰色预测模型不仅适用于较长区段的TQI(轨道质量指数)预测,对于更长区段的TQI预测也有比较好的效果,同时证明灰色-马尔可夫预测模型不仅能够预测随机性较强的TQI数据,也能应用于较长时间范围内的预测。     

基于非等时距加权灰色模型与神经网络的轨道不平顺预测

对轨道不平顺的发展趋势进行有效预测,可以提高铁路线路养护的维修效率,保障行车安全。根据轨道不平顺的发展特性,提出一种基于非等时距加权灰色理论和神经网络法的组合预测方法。该方法通过构建非等时距加权灰色预测模型,将原始TQI序列的平均值作为累加序列初值,将连续累积函数的积分面积作为背景值,对累加序列进行加权处理,较好地反映了时间序列对轨道不平顺预测结果的贡献。在此基础上,引入BP神经网络模型对TQI预测的残差序列进行修正,较好地克服了单一模型预测精度偏低的不足。分别对沪昆线上行两段线路的轨道不平顺进行预测,结果表明该预测方法相对误差平均值分别为2.76%和2.08%,预测结果的后验差比值分别为0.121和0.151,精度等级达到1级。     

基于综合评价指数的捣固维修作业时机决策方法

大机捣固是有砟线路养护维修作业的主要工作之一。基于在决定捣固维修作业时机方面很少考虑捣固作业成本,提出综合评价指数的捣固维修作业时机决策方法。以捣固作业后的轨道质量指数TQI表征列车运行品质,以捣固周期间接衡量捣固作业成本,综合考虑列车运行品质与捣固作业成本2个方面因素评价捣固维修作业时机是否最优,将该决策方法应用到杭深线捣固作业实践中。研究结果表明:杭深线轨道质量指数TQI阈值取5.5 mm时,为最佳的捣固时间。     

基于改进非等间距灰色模型和PSVM的轨道质量指数预测

有效预测轨道不平顺的发展趋势对铁路的养护和管理具有重要意义。根据轨道不平顺发展的趋势性和随机性,本文提出一种将非等间距灰色模型与粒子群优化支持向量机结合的预测方法。利用改进的非等间距灰色GM(1,1)模型预测轨道质量指数(TQI)序列在未来一段时间内的变化,再利用粒子群优化的支持向量机(PSVM)模型对灰色预测值进行纠正,得到较准确的TQI序列,构建出轨道不平顺变化趋势预测模型。分别对沪昆线上行两段线路的轨道不平顺进行预测,结果表明该组合模型的预测精度较高,相对误差分别低至1.03%和2.74%。     

基于机器学习的地铁轨道几何劣化规律个性化建模研究

较高的轨道平顺性是保障地铁列车安全舒适运行的基础,准确掌握地铁轨道的劣化规律对保障轨道质量具有重要意义。根据地铁线路特点,选择影响地铁轨道质量劣化的7类异质性因素,给出赋值模型,并基于机器学习方法建立轨道质量指数(track quality index,TQI)短时预测前馈神经网络模型。为了验证模型,采集了北京地铁1号线的线路设备数据及2016年8月15日至2019年2月18日间的17次TQI检测数据,形成训练数据集和测试数据集,并采取深度学习技术,利用训练数据集对该模型进行训练。基于测试数据集的模型预测值的可决系数为0.938,平均绝对百分比误差为4.80%,结果表明该模型是有效的且具有较高的预测精度。     

基于改进GM(1,1)与WOA-LSSVM组合预测模型的轨道不平顺预测

在保障列车行车安全的前提下对轨道不平顺的发展趋势进行预测,可以提高线路维护效率。根据轨检车的历史轨检TQI数值进行分析,提出一种基于非等时距近似非齐次的GM(1,1)模型与鲸鱼算法优化的最小二乘支持向量机的组合预测模型。对非等时距GM(1,1)模型的灰作用量进行优化,并设置加权矩阵,对不同检测时间的数据赋予不同权值,建立非等时距近似非齐次的GM(1,1)模型,得到初步预测值。在此基础上,利用鲸鱼算法优化的最小二乘支持向量机(WOA-LSSVM)对残差进行修正,得到最终预测值。分别对某线上行两段线路的轨道不平顺TQI值进行预测,结果表明:该预测方法相对误差平均值分别为2. 316%和1. 67%,后验差分别为0. 093和0. 068,精度等级达到1级,实现了轨道不平顺较高精度的预测。     

既有线轨道质量指数的分布与不平顺权重系数统计分析

利用轨检车在沪宁线苏州—南京段线路上检测的不平顺数据,计算既有沪宁线的轨道质量指数(TQI),运用统计方法对轨道质量指数的频数分布和里程分布进行分析。结果表明,线路90%以上的TQI数值处于13以下。通过对单项不平顺占轨道质量指数权重进行统计分析,得到单项不平顺的管理值。分析表明,对沪宁线而言,左、右高低不平顺和水平不平顺在TQI中占的比重较大,对轨道质量的影响较大。根据统计得到的TQI管理值和各项不平顺所占权重,各项不平顺小于管理值之内的里程均大于78%。说明将沪宁既有提速线路的TQI管理值定为13基本能保证线路的质量状态。     

沪宁城际高速铁路轨道质量指数分布规律研究

轨道质量指数(Track Quality Index,TQI)是评价轨道质量状态的重要指标。为了更加科学有效地利用TQI来指导现场的养护维修,需要了解其分布情况。统计分析发现,沪宁城际高速铁路动态不平顺TQI超限主要出现在检测速度不大于180 km/h的数据中,而且集中分布在苏州、无锡、常州、镇江的道岔段。对于检测速度大于180km/h的数据,进行了分布函数的拟合及检验,结果表明:在置信度为95%的情况下,TQI服从对数正态分布;根据近十年的TQI的统计,发现除道岔区段外,TQI年平均值为3.65 mm,标准差为0.44 mm,TQI值大于5 mm的百分比年均值为0.5。     

刚性接触网质量指数研究

目前中国地铁动态检测行业发展迅速,接触网动态检测作为检测弓网关系状态的重要项目,多采用对接触网检测参数进行阈值管理的方式,用以发现局部接触网参数异常、弓网关系优劣的状况并复查整改消除隐患。为填补地铁行业内刚性接触网综合评价的空白,克服传统方法对接触网整体质量量化的不足,采用标准差的计算方法对接触网静态参数进行计算,运用Topsis的评价方法对弓网运行动态参数进行计算,从而充分发挥每个接触网动静态检测数据的作用,从静态、动态两方面对刚性接触网质量状况进行综合评价。根据郑州地铁日常运营检测数据,参考轨道质量指数TQI评价体系,建立刚性接触网质量指数CQI评价体系,对刚性接触网质量状况进行区段性的评价,对基础设备设施管理、合理分配检修维护资源、实现状态修具有指导意义。     

地铁小半径曲线对轨道状态及车体振动影响研究

地铁小半径曲线与车体振动、舒适度及轨道状态关系密切,文章通过对广州地铁各曲线进行长期试验研究,分析小半径曲线与轨道状态、车体振动、行车舒适度的关系以及演变规律。研究结果表明,车辆通过小半径曲线时,行车速度越大,车体横向加速度越大,乘客舒适度越差;曲线半径越小,乘客舒适度越差;通过小半径曲线与其他曲线、直线的轨道质量指数(TQI)对比发现,曲线的半径越小,TQI越大,轨道状态、轮轨接触关系越差。最后提出通过小曲线的速度建议。     

铁路轨道不平顺预测模型研究与应用

在保障列车行车安全的前提下提高维修效率和减少经济开支具有重要意义。为此,利用综合轨道检测车检测的历史轨道不平顺动态检测数据TQI值进行科学合理的分析,建立一种基于数据选择向量的非等时距灰色模型和神经网络理论相结合的预测方法,对实际线路轨道不平顺值进行预测,相对误差分别为2.63%、2.516%和2.025%。将预测模型应用在年度轨道状态最优综合维修计划的编排中,以养护维修时间和维修地点为决策变量,以年度轨道不平顺平均值最小为目标函数,在考虑了一系列约束函数的情况下,建立了利用遗传算法求解最优解的辅助决策模型。实验结果表明,该方法提高了预测精度,具有较好的实用性,能够快速地编排出线路的年度养护计划。     

京张高铁大跨度钢桁梁桥无砟轨道长轨精调技术

高速铁路大跨度钢桁梁桥通常铺设有砟轨道,以避免温度应力下钢梁形变对轨道平顺性的影响。京张高铁官厅水库特大桥为8孔跨度为110 m的钢桁梁桥,其上铺设无砟轨道,对轨道精调提出了新的要求。采用钢梁固定端CPⅢ点自由设站、现场实测梁中CPⅢ点三维坐标的方法来进行控制网复测,采用轨道惯性测量系统进行轨道快速测量,并对其作业模式、测量流程、精度控制、数据处理、平顺性及模拟调整量分析等进行研究。此外,还详细介绍了轨道精调的作业过程,对轨道相对测量、抗拔扣件处理、轨道几何状态的静态质量评价、动检TQI质量指数应用等进行了分析。轨道精调结果表明:该段钢桁梁桥无砟轨道相对测量TQI小于2,设计速度下动检车检测无"二级分",达到了较好的效果。