基于高铁轨道不平顺的车轮不圆顺识别模型

为获取高速运行车辆的车轮不圆顺幅值,并进一步研究轨道谱,建立一种基于轨道不平顺的车轮不圆顺幅值快速测量模型. 首先分析了车轮不圆顺在轨道不平顺检测数据中的分布规律,提出车轮不圆顺的密集采样方法,进而建立基于稀疏轨道不平顺数据的车轮不圆顺动态识别模型. 通过数值仿真研究发现:车轮不圆顺对基于惯性基准法测得的离散轨道不平顺数据的幅值影响较小,对频域（轨道谱）影响较大;车轮不圆顺会干扰波长小于和等于轮长的轨道不平顺检测数据,且对前者影响更大;车轮不圆顺对波长大于轮长的轨道不平顺数据也有影响,最大影响波长仅与车轮周长和轨道不平顺的采样间距有关;识别模型能有效地从轨道不平顺检测数据中提取车轮不圆顺,误差可控制在0.02 mm以内.      

轨道不平顺激励下直线电机车辆/轨道动力响应

为了提高直线电机轮轨交通车辆运行的安全性与乘坐舒适性,分析了车轨结构特征,建立了直线电机车辆/板式轨道横、垂向动力学模型。通过三角级数法得到轨道随机不平顺的时间序列,以其作为系统激励,分析了直线电机车辆与轨道的随机振动特性。把轨道不平顺描述为余弦函数,研究了高低不平顺与方向不平顺的波长和幅值对系统动力响应的影响规律。计算结果表明:磁轨气隙变化的频率主要集中在1.2～2.0Hz范围内,波长小于10m的高低和方向不平顺对系统轮轨作用力、脱轨系数及轮重减载率等影响显著增大,应予以重点控制。     

线路不平顺波长对提速列车横向舒适性影响

为提高列车在提速区段的乘坐舒适性,借助于现场试验测试数据,运用车辆-轨道耦合动力学理论,通过轨道随机不平顺功率谱变换得到不同波长的不平顺,研究了线路不平顺波长对列车运行平稳性及乘坐舒适性的影响及规律。分析结果表明:提速机车以150km.h-1速度在直线轨道上运行时,如果线路不平顺波长为1～20m,则车体振动主频主要集中在2.20～4.00Hz,避开了人体正常敏感频率,平稳性指标属优级;如果线路不平顺波长为20～30m,则车体振动主频降低至1.50Hz左右,正好处于人体敏感频率范围,乘坐舒适性大大降低,平稳性指标值增加了20%多;更长的波长(大于30m)对机车运行平稳性影响较小,指标与1～20m波长的相应值处于相同等级。可见,对于既有提速线路,必须严格控制不平顺的20～30m波长,虽然该波段的不平顺幅值很小,但对列车在提速区段车体横向振动影响甚大。     

轨道不平顺概率模型

为了高效选取轨道不平顺随机样本, 以满足车辆-轨道系统随机动力与可靠度分析中的激振源遍历性要求, 依据轨道随机不平顺的弱平稳与谱相似特征, 提出了一种轨道不平顺概率模型; 采用离散概率积分和统计方法, 在时域中将大量轨道不平顺检测信号分成若干个时程序列, 对每个序列采用谱分析法计算其统计功率谱密度分布; 采用矩阵法对轨道不平顺功率谱密度函数进行集合表征, 视每条谱线在不同频率点的功率谱密度概率具有累加性, 采用单一频率下的功率谱密度概率分布推知整条谱线的出现概率; 采用通用随机模拟方法选取代表性轨道谱, 并反演随机不平顺序列; 实测了某高速铁路约269km的轨道高低和方向不平顺, 基于车辆-轨道耦合动力学理论, 从轨道不平顺模拟幅值与车辆-轨道系统动力响应的概率密度分布出发, 对比了轨道不平顺概率模型与轨道不平顺随机模型的计算结果, 以验证轨道不平顺概率模型的正确性和高效性。计算结果表明: 以2种模型生成的轨道随机不平顺为激振源, 获得的车辆-轨道系统动力响应分布熵差异小于2%, 2种模型均能准确表达不平顺激扰特性; 为保证模拟与实测不平顺的概率密度分布一致, 采用随机模型和概率模型分别需要生成131和33个随机样本, 概率模型具有更高的分析效率; 在给定计算工况下, 轮轨力和车体加速度的幅值分别为38~152kN和-0.042g~0.043g (g为重力加速度), 均未超过《高速铁路设计规范》 (TB 10621—2014) 中的限值(轮轨力为170kN, 车体加速度为0.25g), 表明此高速铁路轨道不平顺状态较优, 行车安全性和舒适性可以得到保证。      

基于本征模函数的高速磁浮线路不平顺检测

为了评估磁浮线路的不平顺程度,对实测加速度信号进行分析,发现导向系统纵向振动加速度信号对磁浮线路不平顺长波最敏感.通过对导向系统纵向振动加速度信号进行Hilbert-Huang变换,提取对应长波频率的本征模函数,求得频率族的包络瞬时幅值和瞬时频率,提取了不平顺长波.用该方法分析磁浮列车以430 km/h运行时的实测数据,得到的磁浮线路长波不平顺信号与采用大地测量法测得的结果一致.     

合武客专无砟轨道曲线段不平顺谱分析

以合武客运专线动检车实测轨道不平顺数据为统计样本,采用轨道不平顺变化率和线性插值方法以及经验模态分解法对轨道不平顺异常值和趋势项进行处理,并运用经典周期图法对统计样本进行空间谱估计,同时采用最小二乘法对轨道不平顺功率谱进行拟合。研究结果表明,不平顺功率谱谱线普遍低于美国6级谱,在长波波段能量较低,但存在周期性成分,同时温度力对无缝线路影响显著。缓和曲线与圆曲线的分析结果都表明内轨平顺状况优于外轨。     

基于不平顺谱的轨道不平顺状态评价与识别探讨

线路不同区段轨道质量参差不齐,但其幅频差异能很好地在各区段轨道不平顺功率谱密度（PSD）曲线上得到表征。基于此,结合沪宁客运专线轨检数据,从识别和评价两个方面对轨道平顺状态进行了研究。基于不同区段轨道谱存在幅频特性差异,提出以200m为一研究单元,通过分频段离散各单元轨道谱幅频信息,以三维图的形式进行不平顺的时频域识别分析。借鉴轨道谱分级管理的方法,同时综合波段整体不平顺和波段内各波长幅值波动程度两项指标,研究并给出了评价各里程单元平顺性的方法,将综合评价后各区段所属不平顺状态等级划分为优秀、良好、合格、失格。     

城市轨道交通轨道不平顺谱分析

以上海域市轨道交通的轨道不平顺检测数据为样本,对城市轨道交通轨道不平顺的特征进行分析.首先,利用轨道不平顺变化率法和经验模态分解法对检测数据进行预处理,有效消除轨距和轨向不平顺检测数据的异常值和非线性趋势线,其次,对检测数据进行功率谱密度分析,并与美国6级轨道谱、德国铁路高低干扰谱和中国提速干线7参数谱进行比较,结果表...     

动静态轨道不平顺评价差异及动态弦测法特性

中点弦测法能够有效控制影响行车安全性和舒适性的指定波段轨道不平顺,主要用于测量轨道静态不平顺,但其较低的测量效率制约着轨道“状态修”的发展.针对上述问题,将轨道动态不平顺按中点弦测输出,分析动静态弦测值差异与弦长和不平顺波长的关联关系,提出能够评价轨道动态平顺性的动态弦测法,研究动态不平顺与静态不平顺间的映射关系.研究结果表明：42 m和70 m动态高通滤波幅值分别与10 m弦和20 m弦测值变化规律相当;当不平顺波长大于70 m时,120 m动态高通滤波幅值与40 m弦测值变化规律基本对应;截止波长为42、70、120 m的轨道动态不平顺,分别与弦长为20、30～40、30～60 m的动态弦测波形相关性最优,对应的动态弦测法最大合理弦长分别为20、30、40 m,通过路基和简支梁区段实测数据验证了动态弦测法的适应性;在路基沉降区段,弦长为60 m时,静态弦测值明显朝负方向偏离动态弦测值的处所为沉降点,相邻两侧朝正方向偏离动态弦测值的处所为沉降区段起终点.     

有砟轨道高低不平顺概率分布的时空特征

为研究有砟轨道不同线形区段上高低不平顺标准差所服从的最优概率分布函数及其时空特征, 采用三参数概率分布函数拟合有砟轨道高低不平顺标准差峰值及尾部特性, 选取了5种三参数理论分布函数, 并确定了最优概率分布函数的选择原则; 以既有沪昆线为例, 拟合了有砟轨道上6种不同线形区段上高低不平顺标准差服从的最优概率分布函数; 分析了高低不平顺标准差的时间特征, 采用非线性函数拟合了分布函数参数随时间的变化情况; 分析了高低不平顺标准差的空间特征, 比较了轨道质量状态在空间维度上的不同。分析结果表明: 在高低不平顺标准差大值区域, 三参数Lognormal分布理论值与实际值的相对误差小于5%, 而正态分布理论值与实际值的相对误差则大于50%, 因此, 采用三参数概率分布函数能有效解决两参数概率分布函数理论值在此区域与实际值发生偏离的问题; 在描述线形区段的统计分布特性时, 不同线形区段应选择不同的分布函数, 同一线形区段宜选取同一种分布函数; 既有沪昆线桥隧区段上, Burr分布有5次是最优概率分布, 且P值之差的均值和标准差分别为0.09和0.12;各区段高低不平顺标准差所服从分布的3个参数用非线性函数拟合的优度均大于0.6, 因此, 采用非线性函数可有效拟合3个参数随时间的变化规律; 维修与养护作业前后桥隧区段高低不平顺标准差的超限百分比都小于3%, 圆曲线、缓和曲线和直线区段上高低不平顺标准差的超限百分比为3.5%~12.8%, 而限速区段和道岔区段上均大于25%。确定的最优概率分布函数选择原则可应用于轨道不平顺概率分布特征研究。      

提速线路轨道不平顺波长的动力仿真

基于耦合动力学理论,利用有限元方法建立了车辆-轨道耦合系统振动分析模型,输入不同截止波长的不平顺数据进行动力仿真计算,以确定轨道不平顺管理波长范围.高低不平顺主要影响车体的沉浮和点头运动,引起车体垂向加速度增大;轨向不平顺主要影响车体的侧滚和摇头,引起车体横向振动加速度增大.长波不平顺的影响主要体现在车体振动上,因此本文选定车体加速度作为确定不利波长的判定指标,对提速线路200km/h和250km/h速度下轨道不平顺波长管理的范围进行了探讨,并提出了提速线路轨道不平顺波长管理的建议.     

单侧轨道不平顺数值模拟

采用傅立叶逆变换将轨道不平顺功率谱密度转换为时域不平顺序列,分析了美国轨道中心线各种不平顺的相关性。利用轨道中心线不平顺与左右轨道不平顺的关系,将中心线轨道不平顺等效转换为左右轨道的垂向和横向不平顺,通过车辆动力学仿真计算了轮轨作用力响应,并比较了美国五级谱单侧不平顺与中国干线谱不平顺。比较结果表明:各种中心线不平顺之间相关系数均小于0.3,为微弱相关,可视为统计独立的;中心线轨道不平顺响应与等效后的左右轨道不平顺响应的相关系数均大于0.8,为高度相关,验证了等效转换的正确性;美国五级谱单侧不平顺功率谱密度在低频部分高于中国干线谱,在高频部分则低于中国干线谱。     

基于小波变换的轨道不平顺信号分析

为消除轨检车速度不稳定对采集的轨道不平顺信号频谱分析的影响，利用Haar小波变换建立了原始信号瞬时频率与Haar小波系数的关系，以计算瞬时频率．根据求取的瞬时频率对采样信号进行内插和重采样，再对重采样信号进行傅立叶变换，即可得到消除了畸变的频谱．     

基于小波变换的轨道不平顺信号分析

为消除轨检车速度不稳定对采集的轨道不平顺信号频谱分析的影响,利用Haar小波变换建立了原始信 号瞬时频率与Haar小波系数的关系,以计算瞬时频率.根据求取的瞬时频率对采样信号进行内插和重采样,再 对重采样信号进行傅立叶变换,即可得到消除了畸变的频谱.      

重载铁路复合不平顺的仿真计算及安全限值研究

铁路轨道几何形位不平顺是车辆振动及轮轨动力作用增大的重要激振源,而其中水平和轨向反向复合不平顺对轨道动力响应和行车安全有着极不利影响。针对重载铁路C80型铝合金敞车,用Simpack多体动力学仿真软件,建立车辆-轨道耦合模型,取水平、轨向最不利波长条件下,对复合不平顺各种幅值组合的工况进行仿真,分析各动力响应指标与列车速度、不平顺幅值的关系,并提出其安全限值,供工务管理参考。     

秦沈客运专线轨道谱与德国轨道谱的比较

从轨道谱的功率谱密度、时间样本幅值及对动力学性能影响的角度,对比了秦沈线轨道谱和德国轨道谱.秦沈线无碴轨道谱密度介于德国高干扰谱和低干扰谱之间,其中高低谱与德国高干扰谱接近,在30~45 m波长范围内方向谱优于德国低干扰谱.秦沈线有碴谱和德国高干扰谱互有优劣,方向和高低谱的分界波长分别是20 m和30 m.从时间样本来看,秦沈线无碴谱方向不平顺与德国低干扰谱非常接近,明显小于高干扰谱;有碴谱方向不平顺度略小于德国高干扰谱,但明显大于低干扰谱;无碴谱和有碴谱的高低不平顺均介于德国低干扰和高干扰之间.引起轮重减载的可能性大小依次是秦沈线有碴谱、德国高干扰谱、秦沈线无碴谱和德国低干扰谱.导致车体振动大小依次是德国高干扰谱、秦沈线有碴谱、秦沈线无碴谱和德国低干扰谱.     

轨道综合作业对高速铁路有砟轨道几何不平顺改善效果

根据高速铁路有砟轨道综合作业前后的轨道几何状态检测数据, 分析了以大机作业、人工精调和钢轨打磨为主的综合作业对高速铁路有砟轨道几何不平顺的改善情况。分析结果表明: 大机作业、人工精调和钢轨打磨的综合作业可联合改善轨道几何不平顺, 其中, 大机作业对高低、水平、三角坑不平顺的改善率分别为20.95%、12.90%和13.16%, 人工精调对高低、水平、三角坑和轨距不平顺的改善率分别为11.97%、5.56%、7.43%和6.12%, 钢轨打磨对高低和轨向不平顺的改善率分别为4.85%和3.88%, 轨道质量指数在大机作业、人工精调、钢轨打磨后的改善率分别为11.54%、6.91%和1.10%, 因此, 大机作业和人工精调对各个单项不平顺改善效果明显, 大机作业的贡献最大, 而人工精调可在一定程度上改善轨距不平顺, 钢轨打磨对高低不平顺和轨向不平顺进一步改善, 但对水平不平顺、轨距不平顺和三角坑不平顺等改善效果不明显; 经过综合作业, 单项不平顺与轨道质量指数均呈下降趋势, 其中轨道质量指数、高低不平顺、水平不平顺、右轨向不平顺近似呈幂函数趋势降低, 左轨向不平顺近似呈线性函数趋势降低, 三角坑不平顺近似呈对数函数趋势降低, 反映了大机作业对轨道几何状态改善程度高, 人工精调、钢轨打磨进一步改善部分单项不平顺的情况。      

基于多车型CNN-GRU性能预测模型的轨道状态评价

不同车型高速综合检测列车的动力学传递特性不同，使得其对同一线路的车体加速度评价结果存在一定差异.为解决上述问题，本文基于多列动检车的检测数据，将卷积神经网络（convolutional neural network,CNN）与门控循环单元（gated recurrent unit,GRU)相结合，建立了多车型车辆动力学响应预测模型，通过输入多项实测轨道不平顺和车速预测各车型的车体垂向和横向加速度，并将多车型车体加速度预测值的最大包络作为轨道状态评价依据.结果表明：将高低、轨向不平顺等8项轨道不平顺和车速共同作为输入参数的模型预测性能最优，车体垂向和横向加速度预测的评估指标分别提升了5%～13%和25%～36%;CNN-GRU模型所预测的车体加速度在时域和频域均与实测结果吻合较好，相关系数最大达到0.902；且相比于BP (back propagation)神经网络，各项车体垂向和横向加速度预测的评估指标分别提升了36%～109%和11%～167%；针对某轨道几何状态不良区段应用效果，预测6种车型中有4种车型达到车体垂向加速度Ⅰ级或Ⅱ级超限，有1种车型达到车体横向加速度Ⅰ级超限，提高了轨...