无砟轨道裂缝产生原因与整治措施

结合目前我国正在施工的无砟轨道综合试验段中出现裂缝的情况,首先对无砟轨道裂缝的类型和裂缝产生原因进行了分析,指出温度和混凝土的收缩是产生裂缝的主要原因。最后提出通过优选原材料、优化混凝土配合比、采用二次振捣工艺以及强化养护环节来防止裂缝的产生和发展。     

无砟轨道轨道板温度测量与温度应力分析

研究目的:针对秦沈线和遂渝线无砟轨道板存在的问题,对轨道板温度进行全天的测量,总结轨道板温度的变化规律,研究温度对轨道板的影响,根据温度测量结果,进行温度翘曲应力的仿真分析,为板式无砟轨道的结构设计提供参考.研究结论:通过对轨道板进行的温度测量,得出轨道板上表面和底面最高温度较当地最高气温分别高出16 ℃和3 ℃左右,轨道板上下表面的最大温差为10～13 ℃,轨道板侧面的温度梯度接近0.5 ℃/cm的线性变化.通过建立轨道板温度翘曲应力的计算分析模型,得出框架轨道板较普通轨道板发生更小的翘曲位移和翘曲应力;普通轨道板的最大翘曲位移为0.82 mm,框架轨道板为0.61 mm;普通轨道板的最大翘曲纵向应力为1.81 MPa,框架轨道板为1.51 MPa;普通轨道板的最大翘曲横向应力为0.75 MPa,框架轨道板为0.58 MPa.     

无碴轨道基础变形影响计算方法的研究

在无碴轨道结构设计中应考虑基础变形对轨道结构的受力影响,提出桥梁挠曲变形和路基不均匀沉降对轨道结构受力的计算方法和计算公式。桥梁的挠曲变形应作为设计荷载附加到轨道结构的设计中,路基的不均匀沉降应作为异常荷载,在轨道结构设计中作为检算荷载进行考虑。     

无碴轨道裂缝产生原因与整治措施探讨

结合目前我国正在施工的无碴轨道综合试验段中出现的一些裂缝现象,首先对无碴轨道裂缝的类型和裂缝产生原因进行分析,指出温度和混凝土的收缩是产生裂缝的主要原因。最后提出通过优选原材料、优化混凝土配合比、采用二次振捣工艺以及强化养护环节等来防止裂缝的产生和发展。     

高速铁路轨道工程信息化和智能化技术研究

研究目的:高速铁路智能化技术是行业发展方向,本文结合大数据、云计算、物联网、建筑信息模型等技术,针对轨道工程设计、制造、施工和运维的信息化、智能化技术开展研究,为实现高速铁路轨道工程全生命周期智能化提出实施路线.研究结论:(1)结合高速铁路轨道工程特点,提出了轨道数字化和动态协同设计、信息化和智能化建造、智能运维的实现...     

高速铁路双块式无砟轨道结构设计及施工技术

首先介绍了双块式无砟轨道的结构组成和特点，然后对各部分结构作了介绍说明。其次还对混凝土配合比设计和结构连接设计作了介绍，指出减少水泥用量、增加粉煤灰用量、降低砂的用量和增大碎石用量的混凝土配合比设计是防止裂纹产生和发展的有效措施。最后对双块式无砟轨道总体的施工工艺过程、施工步骤和施工中应注意的问题进行了详细的介绍。     

大跨度桥上钢轨伸缩调节器区轨道病害分析与监测研究

通过对我国大跨度桥上梁端钢轨伸缩调节器及梁缝处抬轨装置的调研和现场实测,得出该区域轨道结构可出现的病害有轨道几何形位保持不良、混凝土轨枕与钢枕歪斜、混凝土轨枕拉裂、剪刀叉发生弯曲或扭曲、钢枕或混凝土轨枕与梁端挡砟墙间顶死等。通过理论分析,得出病害发生的主要原因是由于轨排框架左右枕端道床阻力不等导致轨排变成平行四边形,从而导致轨枕及悬挂式钢枕发生歪斜,剪刀叉发生弯曲或扭曲,严重时还导致轨枕开裂。针对病害的预防和整治,提出应对钢轨伸缩调节器区轨道结构开展监测,并详细介绍监测的内容及方法。     

双块式无砟轨道与配筋混凝土路面结构设计研究

研究目的:双块式无砟轨道是在连续配筋混凝土路面工程的基础上发展而来的,深入分析配筋混凝土路面的结构设计,对比双块式无砟轨道的结构设计,从而为高速铁路双块式无砟轨道的结构设计提供参考。研究结论:连续配筋的混凝土路面结构纵横向没有伸缩接缝,但由于温度荷载会使在自由端部的75m范围内发生总量大约3～5cm的位移,故在端部通常采用锚固装置或多处设胀缝的设施,将端部位移逐步分散、消失。连续配筋的混凝土路面的裂缝宽度以不严重渗水为好,一般应小于0.6mm,低温下应不大于1.0mm;配筋率约为0.5%～0.8%,钢筋一般采用单层布置。路面板铺设在沥青处理的基层或整平层上对控制横向裂缝较好。德国双块式无砟轨道配筋率为0.8%～0.9%,裂缝设计控制宽度为0.5mm,裂缝间距为2m左右,钢筋采用单层配筋,设置在道床板的中下层。我国CRTSⅠ型双块式无砟轨道为使道床板能够承受更大的弯矩变形,道床板厚度设计为260mm,并采用双层配筋的方式。     

基于CNN-LSTM融合神经网络的CRTSⅡ型轨道板温度预测方法

准确预测CRTSⅡ型轨道板温度可对轨道板内高温的出现及时进行预警，减小高温时期涨板对列车运营带来的威胁。同时考虑外界环境温度对轨道板温度影响的时滞效应与轨道板自身在时间上的温度变化规律，提出基于卷积神经网络(CNN)与长短期记忆网络(LSTM)融合模型的板温预测方法。先通过CNN在时间轴上对气温与轨温进行卷积提取出过去一段时间内外界气象条件对当前时刻板温的影响，再将CNN在各个时间点上的输出作为LSTM的输入特征利用轨道板自身的传热规律对板温进行预测。结果表明：过去12 h内的外界气象条件对当前时刻的板温有较大影响，利用训练好的CNN-LSTM在测试集上对未来40 min的板温进行预测，其预测误差绝对值的数学期望为0.925℃。