基于专家先验信息的轨道不平顺预测研究

为了研究在缺乏历史数据时如何准确预测轨道不平顺的发展趋势。提出了一种可以考虑专家先验信息的轨道不平顺预测方法。通过问卷调查法获取专家先验信息并构建具有先验信息的贝叶斯线性回归模型，然后使用马尔科夫链蒙特卡洛方法对模型参数进行求解，最后对轨道不平顺的幅值进行预测和误差分析并对比了不同模型在缺乏历史数据时的预测效果。结果表明：该方法可以准确预测短期内有砟轨道不平顺的发展趋势，相关系数均在0.9以上。在缺乏历史数据的情况下，贝叶斯线性回归模型也能保持较高预测精度R2为0.88，比传统线性回归模型高17%。     

铁路轨道高低工不平顺的预测及其应用

分析了铁路轨道高低不平顺的预测原理，用轮轨动力分析方法确定了满足安全和舒适要求下的高低不平顺发展容许值，并与快速线路维修新规则管理标准作了比较，结果基相符。以沪宁线为实例，对不同条件下高低不平顺发展作了参数分析。     

沪宁城际铁路轨道高低不平顺状态分析

为分析轨道高低不平顺对沪宁城际铁路列车运行动力学性能的影响,建立了车辆轨道耦合模型,计算得到不同轨道谱激扰下的列车动力学性能指标,包括沪宁城际铁路实测轨道不平顺、秦沈有砟、无砟谱和德国高干扰、低干扰谱.经对比分析,结论如下：沪宁城际轨道谱实测不平顺激扰下,列车各项动力学性能指标均为最优值,且满足相应限值要求,反映出沪宁城际轨道良好的平顺性;其他4种轨道谱激扰下列车各项动力学性能指标也均满足相应限值要求,能够保证列车舒适度及行车安全.研究成果可为沪宁城际铁路养护维修中轨道高低不平顺管理提供参考.     

基于深度学习的高速磁浮轨道不平顺预估

轨道不平顺是列车振动的主要激扰源,对行车的安全性和乘客舒适性造成直接影响。以实测的轨道不平顺为基础,结合高速磁浮TR08型车辆结构特点以及深度神经网络的基本原理,利用TensorFlow构建神经网络表征轨道不平顺与车辆振动加速度的关系。提出了一种通过测量振动加速度进而构建神经网络实现对不平顺检测的方案。研究结果表明,深度神经网络预测的轨道不平顺值与真实值相对精度超过99%,且能够同时对高低和水平不平顺进行测量,为轨道不平顺测量新方法提供了理论基础。     

轨道交通无砟轨道不平顺谱的拟合与特性分析

以上海轨道交通实测的无砟轨道不平顺数据作为样本,利用经典周期图法计算其轨道不平顺谱,进而得到原始轨道平均谱。基于轨道不平顺七参数拟合谱模型,利用非线性最小二乘法对原始轨道平均谱进行拟合,得出轨道谱的拟合参数。最后,将计算所得的无砟轨道谱拟合曲线与美国6级谱、德国高低干扰谱和中国七参数谱对比分析,结果表明:在中长波范围内,轨距、水平和高低不平顺状态较为优良,低于美国6级谱、德国高低干扰谱和中国干线轨道谱,而轨向不平顺谱则与美国6级谱水平相当;在短波范围内则无砟轨道谱谱值较大。     

基于ARIMA模型的轨道不平顺状态预测研究

轨道是列车运行的基础,轨道不平顺状态是影响行车安全的关键因素.为保障列车安全、平稳和不间断的运行,轨道必须具有高平顺性.根据轨道不平顺变化特点,文中利用ARIMA（自回整合归移动平均）模型对轨道不平顺状态进行预测,并且采集了京九线下行463.8 km处2008年2月第二次检测至2008年12月第一次检测的TQI历史检测数据对模型的有效性进行了检验,结果表明ARIMA模型能够对两次大修作业之间的轨道的不平顺状态进行较为准确地预测.     

车辆——轨道耦合系统随机振动分析

将轨道高低不平顺视为平稳各态历经随机过程,利用车辆－轨道耦合动力有限元计算模型,对车辆－轨道系统垂向随机动做了计算,在时域和频域内对系统响应作了分析。     

基于小波的列车加速度和轨道不平顺关系分析

轨道不平顺是引起车辆系统振动的重要激振源．为适应现代铁路的发展,提高旅客乘车的舒适性,研究轨道高低不平顺与列车垂向加速度间的关系变得越来越重要．本文利用小波分析的方法,对综合检测车采集到的轨道高低不平顺信号和垂向加速度信号进行处理,将分析的重点集中在具体的某一频段上,并对其进行了相关性分析,确定了轨道高低不平顺和列车垂向加速度间的关系．     

关于轨道谱面积与TQI指标关系的研究

根据沪昆和金温两条不同线路的轨道不平顺检测数据,利用Matlab编程分别进行功率谱和TQI分析。然后利用梯形积分公式对各项轨道不平顺谱值进行积分,得出TQI单项指数与各轨道不平顺谱面积值具有很好的相关性,特别是在高低和轨向不平顺上,相关系数达到了0．91以上,从而验证了用轨道不平顺功率谱方法来控制和管理轨道平顺性的可靠性。最后建议将轨道不平顺功率谱作为控制提速线路轨道质量的主要指标之一。     

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。     

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.      

基于GM（1,1）与AR模型的轨道不平顺状态预测

反映轨道几何状态变化的轨道几何检测数据是一个随时间变化的时间序列,具有随机性特点.本文将经过普遍适应性改进的灰色GM（1,1）与随机线性AR模型相结合,研究轨道水平不平顺状态在点、单元区段范围随时间变化趋势,并对GM（1,1）预测的残差进行修正,从轨道水平的几何状态变化的随机数据序列中找寻变化规律.用得到的几何状态变化模型分别对轨道的短期、中长期状态进行预测分析,预测结果表明模型是有效的,满足预定精度的要求.     

�����ƽ˳ʱ�����й����ȼ���仯�����о�

轨道几何形状检测数据是一个随时间变化具有随机特征的时间序列,反映轨道几何状态的变化.在本文中,灰色关联度理论用于研究轨道水平不平顺时间序列数据,挖掘时间序列数据之间隐含的关系;经过普遍适应性改进和残差修正改进的灰色GM（1,1）模型预测固定测点轨道不平顺长期状态变化趋势,随机线性AR和卡尔曼滤波模型分析单元区段轨道不平顺短期变化趋势,探索轨道状态变化随机数据序列中隐藏的规律并进行预测.短期和长期预测模型验证结果表明,三种模型是有效的,能够达到预期的精度.     

中低速磁浮轨道疑似不平顺的Box-Whisker图筛选法

为了减少中低速磁浮轨道检测工作量和轨道检测设备占用线路的时间,提升轨道不平顺检测效率,提出了通过行车记录仪采集悬浮系统有关数据来筛选轨道疑似不平顺的方法;依据轨道线路不平顺异常对悬浮间隙、悬浮电磁铁垂向加速度及电磁铁电流等都会造成明显突变异常的基本思想,基于Box-Whisker图设定筛选阈值,利用悬浮间隙、悬浮电磁铁垂向加速度及电磁铁电流等数据进行三元阈值的异常筛选,并针对可能漏筛的数据再次分别基于一元和二元阈值筛选,并综合上述结果来判定轨道路段的异常等级,将多次被筛选出的异常判定为疑似不平顺路段;为进一步提升不平顺异常路段筛选结果的准确性,依据同一车厢的不同悬浮控制点通过相同不平顺异常路段时的数据应体现出重复性异常的思想,融合行车记录仪记录的多个悬浮控制点数据的筛选结果,以此综合评判路段的疑似不平顺,在此基础上应用提出的方法分析了长沙磁浮线M车厢左侧10处悬浮控制系统的数据。研究结果表明：提出的方法使现有全路段不平顺检测方式转变为利用轨检设备有针对性地检测疑似异常路段的方式,线路检测维护时间可减少20%左右。     

Robust Spectral Estimation of Track Irregularity

Because the existing spectral estimation methods for railway track irregularity analysis are very sensitive to outliers, a robust spectral estimation method is presented to process track irregularity signals. The proposed robust method is verified using 100 groups of clean/contaminated data reflecting he vertical profile irregularity taken from Bejing-Guangzhou railway with a sampling frequency of 33 data every 10 m, and compared with the Auto Regressive (AR) model. The experimental results show that the proposed robust estimation is resistible to noise and insensitive to outliers, and is superior to the AR model in terms of efficiency,, stability and reliability.     

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.     

中国干线铁路轨道谱的拟合方法

为获得能够合理表征中国干线铁路轨道不平顺特征的轨道谱, 提出了一种轨道谱拟合方法。根据轨道不平顺检测数据计算实测轨道谱, 对实测轨道谱进行平滑与插值预处理, 采用直接剔除法、三点逐段平均法和包络平均法消除计算轨道谱波形上出现的较大凸凹波形, 应用3次样条插值法提高拟合的精度, 利用非线性最小二乘优化算法拟合轨道谱。拟合结果表明: 所提出的拟合方法是可行的, 拟合谱能够较好地反映中国干线铁路轨道的不平顺特征。