基于轨道动检数据的轨道板的变形识别及预测

现有对高速铁路板式无砟轨道变形病害的检测效率不足,检测成本过高,而通过轨道动检数据能够一定程度上反映轨道板变形程度.因此,搜集了CRTSⅠ、Ⅱ、Ⅲ型板线路3 a内的动检数据,引入小波能量作为轨道板变形评价指标,通过建立时空数据挖掘模型实现了不同轨道板的变形定位识别和劣化预测.研究结果表明:受当地气温影响,轨道板变形程度...     

基于深度学习的轨道不平顺与车体垂向加速度映射模型

高速列车在长期服役条件下，其车辆悬挂系统等参数与设计值差异较大。多体动力学仿真模型难以模拟真实运营环境，且计算效率较低。为更加准确、快速地评价各种轨道结构以及不平顺激励下车体的垂向振动响应，根据实测轨道不平顺与车体垂向加速度的时空数据传递特征，建立一种卷积长短期记忆组合模型，该模型将轨道不平顺与列车运行速度作为输入，实现对车体垂向加速度的预测。结果表明，卷积长短期记忆模型预测的平均绝对百分比误差值为5.64%,相比动力学仿真模型减少3.57%。在预测一段3 km长线路的垂向车体加速度时，动力学仿真模型需要花费约53 s,而卷积长短期记忆网络只需要花费约1.6 s,预测效率提升33倍。