基于雷达检测的寒区铁路有砟轨道路基冻害评估技术

为提高路基冻害检测与评估技术的有效性和前瞻性,本文分析了寒区铁路轨道不平顺情况与车载探地雷达含水率检测结果的匹配关系,发现二者具有良好的关联度,且含水率越高其关联程度越高。提出了适用于寒区铁路有砟轨道路基冻害的评估指标体系、评价指标权重以及评分标准。通过基于雷达检测的寒区铁路有砟轨道路基冻害评估技术,为铁路路基冻害整治由"事后修"向"事前修"转变提供技术支撑。     

铁路车载探地雷达路基检测中的几个关键技术问题

本文重点分析了铁路车载探地雷达路基检测技术中的检测速度、测试精度、测试深度及探地雷达数据处理方法等关键技术问题,并对西安铁路局和西安交通大学研制的铁路车载探地雷达路基检测系统和多通道高速扫描探地雷达系统做了介绍。     

铁路路基病害的智能识别

探地雷达适合于铁路路基病害的检测,但后期资料处理工作费时费力,不利于其在铁路路基检测中的推广使用。本文分析各种路基病害图像的特征,从图像中提取分段能量、方差和层面位置作为特征值。根据这些特征值的大小不但能区分各种病害类型,而且可以比较病害的发育程度。根据已知样本数据计算这些特征值,建立学习向量量化神经网络模型,通过不断调整神经元的权值和阈值对特征值进行学习,直到满足给定精度为止。应用调整好的神经网络模型对沪宁线检测数据进行测试,结果表明,该模型对路基翻浆冒泥病害的识别率达90%以上。     

铁路路基状态检测中探地雷达数据并行处理

为快速处理探地雷达检测铁路路基状态所产生的大量检测数据,缩短检测报告的生成周期,采用并行计算技术设计并构建适用于探地雷达数据解析的并行处理平台,利用计算机集群处理解析探地雷达数据;基于服务器计算能力的动态探地雷达数据任务负载均衡算法,对用户提交的探地雷达数据解析任务统一调度分发。采用实际的铁路路基状态检测雷达数据对构建的并行处理平台进行实验,分析雷达数据并行处理的准确性、时间消耗、并行化加速比和系统可扩展性等指标。结果表明:在8个节点的集群并行处理平台上进行探地雷达数据的处理效率比用单机版软件提高553%,处理时间比基于Hadoop的探地雷达数据并行处理方法缩短50%以上。     

改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

铁路GPR检测数据智能管理分析系统的研究与设计

为提高铁路基础设施检测探地雷达数据处理效率,提出了一种铁路探地雷达(GPR)检测数据智能管理分析系统方案。结合铁路基础设施检测工程需求与探地雷达数据特点,开展系统需求分析和设计。优化数据管理、工作流处理、交互解释和统计分析等步骤,克服目前软件的不足;利用Hadoop大数据技术进行多通道探地雷达数据的快速处理,实现海量探地雷达文件的并行计算;利用深度神经网络技术对探地雷达图像进行智能识别。对高铁隧道衬砌检测车采集的数据进行系统应用测试,测试效果显示,该系统可以提高探地雷达检测数据的管理和处理效率,推动铁路基础设施探地雷达检测向信息化、智能化和标准化发展。     

探地雷达在铁路路基注浆效果检测中的应用

铁路路基在施工、运营期间会产生裂隙、孔隙等病害,注浆是加固铁路路基和治理路基裂隙、空隙等病害的有效方法.采用探地雷达技术对京九铁路某注浆加固段进行检测和分析,检验该路段的注浆加固效果.使用探地雷达时,需根据检测对象的状况及所处的地质环境合理选择参数和布置测线,并尽量避免地下管线等干扰,以便显示的波形能够直观、清晰地反应出路基各部分注浆效果.     

采用探地雷达技术评估既有铁路路基状况的现状与发展

铁路大提速要求对既有线路路基进行快速有效的评估.文章分析国外铁路路基和道床评估技术的发展和应用,结合中国铁路实际情况和探地雷达技术的特点,对国内既有线路路基评估方法进行了分析,并提出可行的评估策略.     

基于时空序列的铁路客运量数据挖掘预测

在分析铁路客运量数据的时空复杂性特征的基础上,以铁路假日运输管理系统中春运期间的客运量数据为依据,采用BP神经网络的数据挖掘方法进行铁路客运量数据挖掘预测研究。通过BP神经网络的建模方法把客运量的空间属性、数据属性和时间属性有机地结合起来,将数据的建模含于网络的数值当中。网络在学习过程中系统误差始终保持持续稳定的下降趋势,没有产生局部振荡和陷入极小现象,整个学习过程中系统稳定性较好。各样本之间的期望输出和实际输出之间吻合较好,从而证明所采取的数据处理方法的有效性和网络学习参数的合理性。根据BP神经网络得到的预测模型在仿真试验中的期望输出和实际输出之间吻合较好,预测的客运量和实际客运量数值非常接近。     

探地雷达在铁路路基岩溶检测中的应用

采用探地雷达对岩溶地区铁路路基进行探测，通过分析检测数据图像研究岩溶特征，查找路基岩溶情况，为路基岩溶地段病害整治提供依据。     

基于车载探地雷达的重载铁路道床脏污指数提取研究

车载探地雷达信号响应谱的振幅和包络特征可以间接关联有砟轨道道床脏污状态,路基、桥梁、隧道等3种线路环境下检测信号存在差异,由雷达信号提取道床脏污指数时需要求同存异。针对现有道床脏污率提取算法仅用于路基雷达数据的不足,需根据全线不同线路雷达信号特征改进道床脏污指数计算方法。通过设置合理的铁路路基模型,数值模拟路基、桥梁、隧道3种线路环境上不同脏污程度时的雷达信号响应,并在相应线路下进行现场雷达测试和挖验试验。结果表明：路基、桥梁、隧道3种线路环境下,以功率谱曲线振幅最大值或包络面积构成的道床脏污指数与道床脏污率均呈正相关,且计算桥梁线路下雷达信号功率谱响应时需截断时间窗口中的梁体反射信号,隧道线路下无需截断仰拱反射信号,可类似于路基线路进行计算,该结果为利用探地雷达对全线道床脏污水平评估和预测奠定了重要基础。     

铁路路基病害无损检测的探地雷达信号分析与处理

为消除钢轨和轨枕对铁路路基病害检测的探地雷达信号的影响,提高实测剖面的检测能力,基于对两种干扰源在实测剖面上的时频分布特征分析,通过改进探地雷达天线的方式实现了对钢轨反射信号的屏蔽,采用预测反褶积和带通滤波相结合的方式,消除了轨枕形成的多次反射波对有效信号的干扰。去噪处理后的实测剖面可清楚显示翻浆冒泥等路基病害在基床、道碴层中的空间分布。     

融合人工智能算法的铁路路基沉降预测方法

首先利用三阶多项式拟合、GM(1,1)和BP神经网络等算法构建了铁路路基沉降单预测模型；然后基于误差法和熵值法，以合肥地铁4号线盾构隧道下穿既有铁路的监测数据为基础，融合三阶多项式拟合、GM(1,1)和BP神经网络构建了组合预测模型，实现铁路路基沉降的分阶段预测；最后，利用平均绝对误差、均方误差和平均绝对百分比误差评价模型精度。结果表明：基于误差法和熵值法的组合预测模型能显著提高预测精度，预测相对误差均小于±5%，预测均方根误差均小于±0.1 mm，验证了提出的组合预测模型的有效性。     

有砟铁路路基层位变形智能识别方法

针对探地雷达单期数据无法获取路基层位变化情况的问题,提出了一种基于周期性检测的铁路路基层位变形智能识别方法。首先采用YOLO v5模型识别雷达图像中的桥梁设备,通过与设备表模糊匹配实现多时相数据的里程配准,再基于U-Net模型对多期数据中的路基层位线进行准确识别,最后根据年变形量提取路基显著变形的里程范围,为养护维修决策提供数据支撑。采用实测数据进行了测试试验。结果表明：多期数据配准精度满足应用需求,自动识别的层位线与人工追踪结果相近,有效提升了探地雷达周期性检测数据的处理效率和精度,为铁路路基层位变形检测提供了一种新方法。     

基于最小二乘支持向量机的高速铁路路基沉降预测

高速铁路路基的施工环境复杂,沉降监测数据往往是不等时距的.鉴于最小二乘支持向量机拥有强大的非线性拟合能力,使用最小二乘支持向量机建立沉降与时间的关系函数,以等时间步长插值得到路基的等时距沉降时间序列,建立基于最小二乘支持向量机的高速铁路路基沉降预测模型.分别运用给出的预测模型和BP神经网络与灰色理论联合方法对杭甬铁路客运专线上虞北站5个路基沉降监测断面进行路基沉降预测,并与现场实测数据对比.结果表明,短时距的最小二乘支持向量机预测模型比BP神经网络与灰色理论联合方法的预测精度高,预测结果更稳定,外推预测沉降更可靠.     

铁路路基沉降病害监测技术研究

研究目的:随着高速及重载铁路的发展,路基沉降已成为列车运营安全控制要素,大量路基病害均与此有关。本文通过铁路路基沉降病害特征、作用机理及沉降预测方法的研究,并对传统路基监测方法和三种新型路基沉降监测方法(车载探地雷达监测技术、合成孔径雷达干涉技术和分布式布里渊光纤传感技术)进行分析,为铁路路基沉降病害监测提供参考。研究结论:(1)铁路路基沉降主要来自路基本体和地基两个方面,是在多种因素共同作用下产生的;(2)沉降预测方法主要是基于已有的监测数据,并处于不断发展的过程中;(3)传统的监测方法已不满足高效、无损、实时的现代监测要求,新型监测方法基本满足要求,但仍存在一定的局限性;(4)在铁路路基沉降监测方面,有向分布式光纤传感监测技术发展的趋势。     

基于FOA-BP神经网络的高铁沉降预测

BP神经网络在沉降预测过程中存在预测精度有限、收敛速度慢等缺点。为提高BP神经网络在高铁沉降预测中的精度,基于改进的果蝇算法(FOA),利用其味道浓度函数来代替BP神经网络中的梯度函数,建立果蝇算法优化BP神经网络的预测模型—FOA-BP模型。通过果蝇种群迭代寻优获取最合适的权值和阈值,重新构建BP神经网络进行沉降预测。分别采用BP神经网络算法与FOA-BP神经网络算法对某高铁路基沉降监测点的沉降趋势进行预测,将两种算法的迭代次数、均方误差与平均相对百分比误差3个指标进行对比分析,结果表明:FOA-BP神经网络算法的三种指标均远小于BP神经网络算法,其模型精度更高,预测速度更快。     

基于遗传算法优化BP神经网络的道口事故预测

针对铁路事故发生的偶然性和事故发生原因的复杂性,提出应用BP神经网络对铁路事故进行较长期预测的建议,并以美国高速公路-铁路道口事故为实例,应用BP神经网络方法和遗传算法优化的BP神经网络方法对美国高速公路—铁路道口未来3年的事故进行预测,并将预测结果进行对比,结果表明,遗传算法优化的BP神经网络可以用于铁路事故的中长期预测。     

铁路路基病害无损检测车载探地雷达系统研制及应用

针对铁路路基病害进行快速、无损、连续检测的需求,根据探地雷达探测原理,研制铁路路基病害无损检测车载探地雷达系统。该系统由轨道车、收发一体天线、采集仪、电池和测量轮组成。轨道车速为40km.h-1时,可沿铁路走向实现间隔0.17 m的连续采样测量。车速越慢,横向测量间隔越小,探测分辨率越高。选用500 MHz天线进行探测时,深度方向探测分辨率可达0.1 m。利用研制的雷达系统沿铁路走向在轨枕正上方和路肩区的现场检测结果表明:来自钢轨的连续反射信号和轨枕的多次反射信号,压制路基基床的有效反射信号,使探测剖面信噪比大大降低,但经预测反褶积和带通滤波去噪处理后,剖面信噪比明显提高。对胶济铁路病害区的实测结果表明,该系统对路基病害分布和空间形态具有良好的探测能力。     

铁路客运量数据挖掘预测方法及应用研究

在分析铁路客票数据特征的基础上,提出采用分段模糊BP神经网络对铁路客运量进行数据挖掘预测。通过对铁路客票数据的分段处理,提高了网络学习的收敛速度和预测精度,并在MATLAB环境下建立了分段模糊BP神经网络模型,在仿真试验中各分段的期望输出和实际输出之间吻合较好,从而证明了分段模糊的数据处理方法是有效的;同时,预测的客运量和实际客运量数值非常接近,说明分段模糊BP神经网络得到的数据挖掘预测模型对铁路客运量有很好的预测效果,该预测模型可信,为预测铁路客运量提出了一种新思路。