建立整数型轨道状态最优综合维修计划模型

为实现高效的轨道不平顺养护维修,建立最优养护维修计划模型和采用大型养路机械进行作业是十分重要的。本文以养护维修时间为决策变量,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,建立了整数型轨道状态最优综合维修计划模型。该模型能有效利用现场的养护资源,从安全和舒适的角度出发来制定养护计划,该模型的建立从理论上解决了轨道不平顺状态计算机辅助决策系统的关键问题。     

基于遗传算法的线路大型养路机械捣固作业单元区段选择模型

针对现有养护维修计划编制效率低下且相应模型编制复杂的问题,以维修单元内大型养路机械捣固作业计划编制最优化为原则,建立基于遗传算法的线路大型养路机械捣固作业单元区段选择模型。该模型以单元区段划分和多目标0-1整数规划方法为基础,以最大化养护维修作业量为目标,通过遗传算法搜索决策实现了养护维修作业的最优化。为验证该模型的计算效果,基于朔黄铁路的轨道高低不平顺检测数据进行计算,并与传统的枚举法进行对比。结果表明,在目标函数值近似的情况下,该选择模型计算效率约为传统枚举算法的200倍,能够有效减少养护维修计划的编制时间,提高养护维修计划自动编制的可行性。     

轨道检测大数据在线路设备工务养护维修中的运用

轨道作为影响线路行车安全的主要结构之一,其质量状态检测与科学管理是工务部门养护维修的重要内容。随着我国基础设施检测体系不断完善,已积累了海量的多源轨道检测数据,是线路设备状态评估并进行运维决策的重要基础。在总结我国主要轨道检测数据管理与评估方法基础上,介绍多源数据融合分析在轨道弹性不良筛查、连续多波周期性不平顺识别、道床脏污状态评估等方面的作用,形成了基于轨道几何动检数据的病害预警分析,以及轨道质量预测与维修决策技术,为动态检测大数据在线路设备养护维修中的科学运用提供依据。     

基于空间状态辨识理论的高速铁路车体垂向加速度预测模型

轨道不平顺是引起车辆振动的主要激励源。深入分析轨道高低不平顺与车体垂向加速度关联关系动态,掌握轨道结构传递特性,对科学评价车辆、轨道的服役状态及精准指导线路养护维修具有重要意义。基于系统辨识理论,以我国高速综合检测列车车载检测系统在一高速铁路上的实测轨道不平顺及车体垂向加速度样本数据为基础,通过平均周期图谱法计算检测数据功率谱密度及其相干函数,用状态空间方法构建长波轨道高低不平顺与车体垂向加速度之间的传递模型,并用关联模型传递函数及实测数据对所建模型进行验证。结果表明:模型预测的车体垂向加速度与相应实测数据有较强的线性相关性;利用合理阶数的状态空间模型,能够有效辨识长波轨道高低不平顺与车体垂向加速度之间的传递关系。     

基于遗传算法的轨道综合养护决策系统的研究

针对既有铁路有砟轨道几何不平顺养护工作量和养护时间之间的矛盾,采用有砟轨道几何不平顺理论,结合大型养路机械的性能及实际作业特点,根据轨道检查车的几何不平顺检测数据,分析大型养路机械在进行轨道几何不平顺年度综合养护时的配置方法,建立相应的决策系统。主要研究内容和     

基于BP神经网络的铁路轨道几何不平顺预测方法

设备密集型重载铁路对轨道平顺状态预测技术十分重视,受限于数据挖掘分析技术,轨道检测车在养护维修计划决策支持方面还未完全发挥应有的作用。本文根据轨道不平顺的变化特点,采用神经网络方法对重载铁路轨道不平顺7项参数进行预测,从而为养护维修策略的决策提供支持。将某重载铁路K420+000~K426+000区段长达18个月的轨道不平顺检测数据用于模型训练并进行预测分析,结果显示:双隐层、单隐层BP网络模型和多元回归分析模型的均方预测误差平均值分别为0.065 2、0.068 9、0.105 1,平均相对误差分别为8.03%、8.65%、11.57%。双隐层BP网络模型模型精度更高,该模型为重载铁路轨道不平顺发展预测的研究提供了新的思路。     

基于GBDT的轨道不平顺状态评价模型研究

基于轨道几何动态检测数据和车载式线路检查仪(晃车仪)数据,通过随机森林模型分析轨道几何特征与水平、垂直晃车相关性,并结合车辆动态响应利用迭代决策树(Gradient Boosting Decision Tree,GBDT)算法建立轨道不平顺状态评价模型,利用该模型对一客运专线实测轨道几何数据和晃车仪数据进行数据训练和预测。结果表明,模型能够识别超出现有幅值评判标准对车辆运行有显著影响的轨道病害区段,有益于完善轨道几何不平顺评价体系及工务设备养护维修。     

提速线路轨道不平顺谱拟合方法

研究了中国提速线路轨道不平顺谱估计方法,提出了中国提速线路轨道不平顺谱。为提高功率谱的精度,首先利用线性插值剔除异常值、EMD模态分解法消除趋势项并进行滤波处理。基于最大熵法和Welch法统计得到提速线路轨道不平顺谱,并对比分析了不同月份的轨道不平顺谱的特性,采用非线性最小二乘法拟合提出中国提速线路轨道不平顺谱表达式及拟合参数。研究表明,利用Welch法和最大熵法计算提速线路轨道不平顺谱,最大熵法计算得到轨道谱的分辨率和精度优于Welch法;对比基于非线性最小二乘法的3种拟合函数,nlinfit函数能较好地拟合提速线路轨道不平顺谱。提出提速线路轨道谱拟合参数,为提速线路的养护维修、优化设计等提供参考依据。     

利用轨道质量指数（TQI）预测轨道不平顺发展的探讨

上海铁路局地处华东地区，管内大部分线路“速、密、重”并举，要贯彻“预防为主、防治结合、养修并重”的原则，真正推行“状态修”，需要充分利用各类动态检测数据，对轨道不平顺的发展进行预测，为维修提供依据长研究探讨采用铁道部综合检测车TQI数据，利用线性预测模型对管内沪昆线淅赣段轨道不平顺的发展进行预测，为安排线路维修提供依据。     

动态检测数据驱动的高速铁路有砟轨道几何不平顺超限大值预警方法

为了对高速铁路有砟轨道几何不平顺幅值超限进行准确预警，结合局部异常因子算法，提出了一种动态检测数据驱动的轨道几何不平顺维修作业识别方法。首先，基于支持向量机（Support Vector Machine,SVM）算法对轨道几何不平顺超限劣化过程进行分析，将影响列车运行的持续劣化超限作为研究对象；随后，使用局部异常因子（Local Outlier Factor,LOF）算法对轨道几何不平顺维修作业进行识别，依据识别结果划分超限劣化过程；最后，对两次维修作业之间的检测数据进行分析，验证轨道几何不平顺幅值的劣化为线性过程，并对几何不平顺幅值进行预测。利用该方法对某线路进行劣化分析，并与近6年的动态检测数据对比。结果表明：该方法识别维修作业准确度达91%；基于鲁棒回归的劣化模型能够准确预测轨道几何不平顺超限大值。该方法不需历史维修作业数据，可自动划分劣化过程，通过几何不平顺幅值预测模型对超限发展进行预测，及时预警几何不平顺超限大值。     

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。     

用于铁路轨道不平顺预测的综合因子法

根据轨道结构存在的不平顺特征及其形成原因,提出基于数字统计理论、信号处理理论和轨道不平顺检测数据的综合因子法,对各类轨道不平顺的发展趋势进行预测,为铁路线路的维修提供参考依据。方法的核心思想是基于对同一地段轨道不平顺变化规律相近的认知,即轨道在线路脆弱的地方会更脆弱,在不平顺幅值较大的地方其不平顺发展也相应较大。综合考虑影响轨道不平顺发展的众多因素,如轨道系统各部件的材料影响、铁路施工以及各种运营条件、环境因素等,将这些影响因素共同作用后的整体效果反映在构建的预测模型中,给出相应的综合因子和随机量的参数矩阵,并建立轨道不平顺管理的分级概念。计算结果表明,综合因子法能够较好地预测轨道不平顺的变化。     

基于灰色系统辨识的轨道质量生命周期预测方法研究

将本文作者提出的灰色非线性模型(该内容发表于《铁道学报》2010年第2期)视为由一系列趋势项发展系数和随机项系数控制的时程函数,并将其系数作为系统分析中的辨识参数,表征系统随时间发展特征属性。在已知大机捣固作业效率或初始质量条件下,认为不同维修周期内轨道质量系统发展存在"相关性",将已知维修周期内TQI时间序列挖掘出的辨识参数作为预测维修周期内TQI发展的特征参数,建立轨道质量生命周期预测模型。实例证明:所提出预测模型可较为合理地预测各维修周期内轨道质量发展,为研究轨道质量生命周期提供思路。     

基于运营性能的高速铁路大跨度桥梁健康管理探讨

面向我国高速铁路大跨度桥梁结构特点和管养现状,研究提出基于运营性能的高速铁路大跨桥梁健康管理总体思路。通过高速轨检车轨道几何周期巡检结果和有砟道床捣固指数,建立基于灰度理论的捣固指数预测模型,为桥区有砟轨道线路养修提供依据。基于健康监测数据,分别引入ARMA模型、神经网络法及三分之一倍频程谱方法对桥梁结构整体状态实时预警。提出梁端伸缩装置和大吨位支座桥梁关键部位专项监测技术,构建了基于钢轨横向偏移量和伸缩装置疲劳应力变幅的梁端伸缩装置评定方法,以及基于累积位移的支座耐久性预测与评估方法。研发了基于BIM的大跨度桥梁故障预测与健康管理系统,提出了桥梁状态分层分级评估方法,融合多源数据进行历史趋势分析、故障诊断与预测,为实现高速铁路大跨度桥梁健康管理奠定了基础。     

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。     

无缝线路横向鼓曲失稳分析

运用有限单元法和无缝线路横向鼓曲稳定性理论,建立无缝线路横向稳定性计算模型,分析钢轨初始弯曲矢度、波长、导曲线半径及道床横向阻力对无缝线路稳定性的影响,提出提高无缝线路横向稳定性的具体措施。     

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。     

重载铁路轨道高低不平顺预测研究

轨道不平顺严重威胁铁路行车安全和设备的使用寿命。研究轨道高低不平顺的变化特点和劣化规律对重载铁路轨道维修管理有重要指导作用。基于灰色区间预测建模理论,研究重载铁路轨道高低不平顺变化特点和劣化规律,预测轨道高低不平顺未来的发展情况。为验证预测模型的有效性,采用神朔铁路上行10个高低超限病害高发单元区段的共17个月的历史轨道高低不平顺检测数据进行验证。结果表明:该模型拟合和预测效果良好,对神朔铁路轨道的养护维修管理有着重要意义。     

基于CPⅣ轨道基准网轨道三维检测系统的研究

针对CPⅢ轨道控制网的轨道三维检测系统对计算轨道被检测点坐标与轨道中线坐标较为复杂,检测精度不够高的问题,建立一种基于高精度CPⅣ轨道基准网的轨道三维检测系统的数学模型,该检测系统采用双全站仪的轨道检测小车直接捕捉CPⅣ基准网棱镜,消除CPⅢ轨道三维检测系统对全站仪进行设站所带来的繁琐与误差,并通过欧拉角与刚体运动规律的原理简化检测系统的数学模型,可以快速计算出轨道被检测点坐标与轨道中线坐标,CPⅣ轨道三维检测系统显著提升了轨道的检测精度与效率。     

基于多次波形匹配的高速铁路动检数据里程误差评估与修正

获取具有准确里程信息的动检车检测数据,是实现高速铁路线路的高效养护维修与分析其状态演变规律的基本前提。针对当前处理动检数据里程误差的不足,如区段内数据波形重复性差或依据单次检测数据处理误差等会造成错误修正,通过引入约束条件、动态尺度系数以识别、处理特殊区段并综合考虑多次检测数据,提出一种更可靠的里程误差评估模型,采用拉格朗日乘子法求解该模型并基于线性变换与插值方法修正里程误差,最后应用该方法编制了动检数据分析软件。结合某高速铁路动检数据研究发现:不合理的模型尺度参数会降低修正精度,建议取40~120m;在99.7%置信度下,任意两次动检数据间里程误差可控制在0.54m内;本文方法能有效处理实际工程中动检数据的里程误差问题,结合数据点标准差方法可实现快速定位线路几何状态波动明显的位置并准确评估线路养护维修作业效果。