基于轨道相对测量数据识别曲线关键参数的研究

既有线曲线整正过程中需要根据线路实测数据拟合出一条与其最贴合的理想曲线,该曲线关键参数的识别即为本文研究对象。经过对轨道相对测量和绝对测量数据精度以及使用便利性的比较,本文选择使用相对测量数据进行曲线参数识别。识别原则设定为最大化拟合线上的测点数目。为此,本文采用以霍夫变换加稳健估计为基础的算法分别对正矢图和角图数据进行识别与拟合。在一系列仿真试验及结果分析后,提出一种新的识别算法。该算法将基于正矢图和角图的识别结果综合,比现行基于正矢图的稳健加迭代识别算法效果更好。     

基于轨检车动态正矢的曲线状态评价方法及应用

轨道曲线状态不良会加剧列车行驶时的摇摆,加速列车对轨道的破坏.曲线正矢是评价曲线状态的量化指标.目前对曲线正矢的测量普遍采用人工拉弦或轨检小车测量,工作量较大且为静态测量.为提高现场工作效率,设计采用轨检系统输出的动态正矢数据,提取圆曲线正矢连续差、最大值最小值之差和标准差等特征对曲线状态进行评判.结果 证明使用轨检车...     

基于曲线特性的既有铁路整正研究

为了解决列车长期运营、维护调整所产生的轨道实际位置偏离原有设计线等问题,根据实测数据对既有线路进行分析,拟合生成与实际位置偏差小、符合轨道曲线几何特性的模拟设计数据,以实现既有线路整正。研究思路：基于实测数据和铁路曲线基本特性,先采用最小二乘法拟合计算直线参数、曲线段的圆曲线半径,再根据曲率计算获取缓和曲线参数,并最终生成符合轨道几何特性的模拟设计线形。为适应工程要求,设计了轨道平顺性分段调整的方案,并在某普速铁路平顺性调整工程中进行应用,最终调整后,TQI合格率达到100%,符合线路养护维修作业验收要求。     

轨道几何动静态检测分析

通过介绍轨道几何静态检测的绝对测量型、相对测量型轨道检查小车以及动态检测惯性基准法的基本原理,分析单波不平顺的弦测输出、仿真弦测法的畸变影响,得出应采用大于轨道不平顺波长的弦长进行测量以减小弦测法幅值畸变的结论。将轨道几何的动态空间曲线转化为轨道几何动态弦测值,同时按轨道几何静态空间里程对轨道静态空间坐标进行最优化筛选,输出轨道几何静态弦测值,并将轨道几何动静态弦测值统一为10 m弦长、20 m弦长的弦测输出。对比轨道几何动静态弦测输出,结果表明动静态检测数据一致性较好,二者偏差95%,分位数小于1 mm,相对于轨道几何静态检测,动态检测无需人工设站,粗大误差小。     

地铁10m弦长测量曲线正矢容许偏差的标准确定分析

从北京地铁线路曲线的特点出发,采用10 m弦测量曲线正矢,并对缓和曲线正矢与计算正矢差、圆曲线正矢连续差、圆曲线正矢最大最小差值等容许偏差进行分析,制定相应的10m弦量测曲线正矢容许偏差标准。     

曲线正矢偏差管理值设置原理及应用

对曲线正矢偏差管理值设置的原理进行推导,建立静态保养标准与动态平稳性之间的关系,为曲线正矢偏差管理值的设置提供理论依据,提出提速线路曲线分类和正矢偏差管理标准,对保证曲线动态平稳具有重要指导意义。     

Ⅰ型板式轨道上的扣件在曲线地段的调高调距分析

研究目的:Ⅰ型板式无砟轨道在曲线地段铺设时,由于轨道板是3～6m长的直线形混凝土板,板上扣件受扣件正矢、曲线超高等因素的影响,轨道板上的扣件会丧失一部分调高调距能力。为此,本文就扣件在曲线地段损失的调高调距能力进行详细、具体的计算分析。研究结论:在小半径曲线地段轨道板上的扣件调高调距能力丧失较多,Ⅰ型板式无砟轨道尽量铺设在曲线半径不小于1 600 m的地段;曲线半径越大,扣件正矢就越小,钢轨之间的轨距调整量的损失就越小,线路在运营养护阶段的轨距调整富余空间就大,同时轨道板上超高递减差就越小,这样既有利于施工,又有利于今后的养护维修。     

铁路轨道曲线正矢计算新方法研究

曲线正矢管理是铁路运营维修过程中的关键环节,对列车曲线动态平稳运行具有重要作用。针对传统的曲线正矢管理与轨道坐标测量法不相适应的现状,提出了一种基于轨道坐标计算曲线正矢的新方法,并通过仿真计算进行了验证。研究结果表明,该方法具有很高的数值计算精度及数值计算稳定性,对于实现任意弦长的曲线正矢自动化计算具有重要的参考价值。     

铁路曲线轨道方向整正方法的研究与改进

从解决现场整正实际问题出发,对铁路曲线轨道整正方法进行了研究与改进,提出了正矢和不闭合的处理方法,得出了一种在曲线上设置人为控制点限制拨量、分段有限度地对计划正矢及拨量进行修正的实用方法,能兼顾小拨量和曲线的良好圆顺度两方面要求,并易于计算机编程计算,最后给出了施工方法.     

基于卷积神经网络的铁路曲线特征点检测算法

针对现役轨道检测系统中曲线特征点检测算法参数难以适应实际线路中曲线半径范围较大,以及由于参数设置不当导致检测的曲线特征点位置与实际位置偏差较大的问题,结合机器学习算法,提出了一种基于卷积神经网络的曲线特征点检测算法.该卷积神经网络模型可以同时对曲线的特征点进行分类和定位,将一段连续的超高数据归一化处理后作为输入数据,计...     

基于2D的钢轨轮廓特征点提取方法研究

钢轨轮廓数据特征点快速、准确提取是保证钢轨轮廓精确匹配、轨道几何不平顺精确检测的前提。对基于二维激光位移传感器(2D)的钢轨轮廓测量数据特征点提取方法进行研究,通过对采集的钢轨半断面轮廓数据采用基于中值误差与连续度自适应调整权值的平滑滤波方法对实测轮廓数据进行平滑处理,解决存在分段的轮廓数据达到分段平滑的效果。提出钢轨轮廓特征曲线的概念,并给出特征曲线的一种定义方式,利用特征曲线上的特征点去快速定位实测轮廓特征点。最后,采用GJ-2型轨道检测车进行试验,通过对实际轨道进行轮廓测量,采用本文所提出的特征点提取方法对实测轮廓数据进行特征点提取,试验证明,该方法能快速、准确地定位轮廓特征点。     

基于SVD-MOMEDA的高速列车齿轮箱轴承故障诊断

针对强背景噪声环境下高速列车齿轮箱轴承故障信号难以检测的问题以及多点优化最小熵解卷积修正(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)方法受滤波器阶数、故障周期影响的问题,提出了基于奇异值分解(singular value decomposition, SVD)改进的MOMEDA的轴承故障诊断方法。首先采用SVD作为MOMEDA的前置滤波器滤除部分噪声,然后通过MOMEDA多点峭度谱追踪故障周期成分,采用变步长搜索法迭代求解MOMEDA滤波器最优阶数,最后利用最优参数相对应的MOMEDA增强信号中的周期性脉冲,并通过包络谱提取故障特征。仿真信号和试验数据分析表明:该方法能实现高速列车齿轮箱轴承故障的精确诊断,且故障诊断效果优于互补经验模态分解方法。     

基于BIM的三维地形自动修正和拟合方法

在铁路工程BIM设计中,利用测绘资料生成的三维地形面是BIM设计的基准数据。现有铁路BIM设计软件一般利用已知特征点、线直接生成三角网,由该方法生成的面存在无法反映实际特征以及三角面之间过渡突兀等问题。针对此方法的不足,提出一种基于高斯过程回归模型的三维地形面拟合及修正方法,即利用少量特征点、线拟合三维地形面,也可以在顾及原始曲面三维特征的前提下,利用少量高精度特征点、线进行纠正,得到更高精度的地形面。该方法已应用于京张高铁BIM设计中,为路基、桥梁、隧道、建筑以及站后各专业提供了准确的地形基准,具备良好的实际应用价值。     

建筑结构强度超声回弹逆回归区间融合评定法

运用因变量估计自变量及其可能取值范围的逆回归分析方法代替传统的回归分析方法,推导出回弹值和声速值的逆回归模型数据融合测强曲线。运用区间估计方法代替传统的点估计方法,导出结构混凝土强度的置信上限、下限和置信区间。给出混凝土强度的判定标准,在给定高置信度下对结构混凝土强度做出合格、不合格和待定结论的定量判断。该测强曲线比任何单一方法的测强曲线的精度高,减小偶然误差,能够消除无损检测中无法通过仪器校准的系统误差,并且解决了回弹值和声速值不同量纲的数据融合问题。     

基于奇异值分解强跟踪滤波的机车黏着系数估计

提出一种基于奇异值分解的改进强跟踪滤波算法,并将其用于机车黏着系数的在线估计。针对传统的强跟踪滤波算法由于引入了渐消矩阵,在递推更新预测误差方差阵时变成不对称,可能导致滤波发散的现象,研究了基于奇异值分解的更新算法,保证其收敛性。利用改进算法在线估计机车运行过程中的干扰转矩,进而估计黏着系数。仿真试验表明,该方法能有效在线估计机车黏着系数并具有较好的鲁棒性。     

基于EWT-SVD方法的高速列车滚动轴承故障诊断

针对高速列车齿轮箱滚动轴承早期故障特征提取困难的情况,提出了基于经验小波变换(Empirical WaveletTransform,EWT)和奇异值分解(Singularvaluedecomposition,SVD)的轴承故障诊断方法。首先对信号进行EWT变换得到各阶固有模态分量,然后计算各阶固有模态分量的峭度值并选取较大峭度值对应的分量。将选取的分量构造矩阵进行正交化奇异值分解,选择合适的阶数重构信号,最后对重构信号进行Hilbert包络解调分析。分别对仿真信号和滚动轴承发生外环故障进行分析,可以较为清晰地看到滚动轴承故障特征。研究结果表明,结合EWT、峭度系数和SVD的诊断方法可以准确、快速地提取轴承故障信息,从而可以对滚动轴承进行有效诊断。     

轮轨几何接触点的人工神经网络快速计算方法

现有的轮轨几何接触点计算方法的求解过程较为繁琐,计算效率较低。结合迹线法构造钢轨廓形NURBS曲线权因子与轮轨接触点的几何关系,提出一种基于BP神经网络的轮轨几何接触点的快速计算方法,实现不同钢轨廓形条件下轮轨几何接触点的快速计算。实例分析表明:训练的人工神经网络能够高效准确地实现轮轨几何接触点的计算。     

基于SIFT的高速列车车顶瓷瓶识别方法

针对高速列车车顶瓷瓶定位,研究了一种基于SIFT的瓷瓶定位方法.首先分别提取瓷瓶图像和瓷瓶样本库中适应尺度变化的不变特征点,然后通过关键点的欧氏距离匹配特征点,最后得到瓷瓶特征点,正确定位瓷瓶.试验结果表明:该方法能准确定位瓷瓶,并提高了定位瓷瓶的速度.     

基于机器视觉的激光焊缝余高检测技术

激光焊技术的应用促进了轨道车辆产品的档次提升,而在搭接接头焊接过程中,由于间隙影响会出现焊缝表面余高不足,直接影响焊缝质量。传统的表面余高测量方法无法满足检测精度及交检节拍要求。针对这一检测需求,研究开发了基于机器视觉的激光焊缝余高检测技术。该技术通过重建焊缝表面点云,进行图像校正与分析,获取特征点并计算余高。通过试验验证了该方法的可靠性及检测精度。所测余高值与破坏性金相检测方法测量余高值之间的差异对比结果表明,其检测精度优于0.05 mm,能够满足激光焊质量评估要求。     

主成分分析与奇异值分解技术在铁路数据预处理中的应用

数据预处理是在数据建模之前对采集到的原始数据进行的一些前期处理工作，能够滤除原始数据存在的噪声干扰、降低数据维度进而提取数据的时域特征。铁路运输行业在生产过程中累积的大量数据往往包含着噪声干扰，并且经常是海量高维的，无法直接用于数据建模、分析和挖掘。主成分分析与奇异值分解作为线性代数中一种重要的矩阵分解技术，已经成为近年来常用的数据时域预处理方法，本文主要论述主成分分析与奇异值分解技术在铁路数据预处理中的应用。