长大隧道施工中有轨运输轨道高低不平顺估计

针对长大隧道施工中有轨快速运输轨道高低不平顺检测方法缺乏便捷高效性问题，通过轴箱垂向加速度和轨道高低不平顺之间的关联关系，并结合长短记忆神经网络(LSTM)和门控循环单元神经网络(GRU),建立LSTM与GRU融合的轨道高低不平顺估计模型。结果表明：利用LSTM-GRU模型估计的高低不平顺幅值和对比值变化趋势基本相同；估计值和对比值的差值最大为1.38 mm,占最大幅值的8.84%;其中差值在15%(1.02 mm)以内的数量占样本总数的86.4%。LSTM-GRU模型相对LSTM模型，训练时间下降37.51%;相对于GRU模型，高低不平顺均方根误差下降30.77%。针对长大隧道施工过程中的有轨运输，LSTM-GRU模型不仅能保证估计精度，还能明显降低估计时间，对长大隧道施工有指导意义。