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。     

基于车辆响应的高速铁路轨道几何状态评估方法

轨道几何状态科学评估对保障高速铁路列车平稳、安全运行具有重要意义。基于高速综合检测列车多次检测数据，利用卷积神经网络、注意力模块和长短时记忆网络，分别学习数据的波形特征、注意力权值、长距离空间依赖关系特征，建立CBAM-CNN-LSTM车辆动态响应预测模型。该模型通过输入轨道几何、运行速度和车型预测不同工况下的车辆动态响应，进而利用预测的车辆动态响应评价轨道几何状态。研究结果表明，建立的模型能够有效预测车体振动响应，根据我国某高速铁路两种车型综合检测列车检测数据的验证结果，车体横向、垂向加速度的均方根预测误差分别为0.004g、0.009g,相关系数分别为0.608、0.793;利用预测的车辆动态响应评估轨道状态，能够有效识别引起车体振动加剧的轨道几何不利状态或隐形病害。此外，模型内部的注意力权值有助于分析挖掘导致轨道状态不良的轨道几何参数类型和位置信息。     

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。     

朔黄铁路基于车辆动力响应的轨道状态评估方法研究北大核心

基于轨道几何检测数据和动力学仿真模型计算的轮轨力、车体加速度等动力响应数据,首先利用相干函数分析轨道几何与车辆响应的相关性,然后利用深度学习中的长短时记忆网络建立预测模型,自动学习轨道几何与车辆响应的复杂关系,最后利用模型预测的车辆响应来识别轨道病害和评估轨道状态。结果表明:车体加速度、轮重减载率、脱轨系数主要与高低、轨向、超高的相关性显著;预测模型能够有效预测货车动力响应,预测值与仿真值的相关系数在0.8以上,为强相关;预测模型能够有效识别一些轨道几何不超限、但车辆响应超限的轨道几何隐形病害,实现基于车辆响应评估轨道状态。     

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。     

扁疤-路桥过渡段不均匀沉降与刚度变异联合作用下车辆动力特性分析

轨道服役状态劣化、轮轨病害频发是高速铁路长期运营必然存在的现象.基于Archard磨耗理论计算得到几种不同状态的扁疤,并提出一种考虑轨道结构变形的沉降预测方法;将轨道结构有限元(FE)模型和车辆系统多体动力学(MBD)模型耦合,探究扁疤与路桥过渡段不均匀沉降和刚度变异多重轮轨病害的联合作用机理以及车辆动力性能演化规律....     

轨道不平顺历史数据里程偏差修正研究

轨道不平顺历史数据之间存在里程偏差,若直接用于轨道不平顺劣化趋势模型必将导致其预测精度低的效果,从而增加轨道预防性维修的难度。因此,解决轨道平顺状态检测数据之间的里程偏差问题是实现预防性维修的前提。既有研究假设里程偏差为常数,实际上里程偏差随机产生且随着里程增加而累加。研究建立基于钢轨接头匹配的不平顺数据里程偏差修正模型,从轨检仪右高低原始弦数据中使用均一阈值提取出钢轨接头,对齐两段数据上提取到的所有钢轨接头后利用Dynamic Time Warping(DTW)算法,修正检测数据之间的同一相邻两钢轨接头之间的不平顺指标,修正后的检测数据相关系数约为0.98,保证了历史数据运用的可靠性。     

改进的轨道质量指数线性预测模型研究

针对轨道不平顺的发展,提出轨道质量指数(TQI)变化的线性预测模型.该模型使用平均法计算出一个适用于某一线路区段轨道不平顺的斜率 K 值,利用该 K 值建立线性预测模型,对轨道不平顺发展TQI值进行预测.影响轨道不平顺发展的因素复杂,不平顺的发展趋势表现出一种非线性变化的特点,俗称"浴盆型"曲线.提出改进的轨道质量指数TQI预测模型,即多阶段轨道不平顺线性预测模型(MPLM).     

德国基于惯性测量的轨道缺陷检测模拟研究

为准确快捷地检测轨道缺陷、保障铁路安全运营,德国斯图加特大学铁路和运输研究所创建车辆-轨道模型,模拟多种不同程度的轨道缺陷状态,并在模型车辆上搭载集成惯性测量系统以同时测量三轴加速度和陀螺仪角速度,然后利用连续小波变换和袋装决策树算法对测量结果进行分析,从而显著提高轨道缺陷检测的精度。文章将对该模型及相关研究进行介绍。     

基于灰色GM(1,1)和灰色-马尔可夫模型的轨道几何不平顺预测及应用研究

国外轨道不平顺的研究思路和方法大多是建立在对轨道动态检测数据的不同分析手段和方法上,然而由于各国检查数据的不同使得国外模型无法直接应用于国内轨道状态预测。基于昆明铁路局的实际数据,提出了灰色预测模型和灰色-马尔可夫预测模型。通过将2种模型的预测结果与一元线性回归预测结果对比分析,证明灰色预测模型不仅适用于较长区段的TQI(轨道质量指数)预测,对于更长区段的TQI预测也有比较好的效果,同时证明灰色-马尔可夫预测模型不仅能够预测随机性较强的TQI数据,也能应用于较长时间范围内的预测。     

铁路轨道不平顺预测模型研究与应用

在保障列车行车安全的前提下提高维修效率和减少经济开支具有重要意义。为此,利用综合轨道检测车检测的历史轨道不平顺动态检测数据TQI值进行科学合理的分析,建立一种基于数据选择向量的非等时距灰色模型和神经网络理论相结合的预测方法,对实际线路轨道不平顺值进行预测,相对误差分别为2.63%、2.516%和2.025%。将预测模型应用在年度轨道状态最优综合维修计划的编排中,以养护维修时间和维修地点为决策变量,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,建立了利用遗传算法求解最优解的辅助决策模型。实验结果表明,该方法提高了预测精度,具有较好的实用性,能够快速地编排出线路的年度养护计划。     

地铁轨道几何不平顺指标预测方法研究

充分考虑轨道平顺状态劣化的不确定性和异质性,基于灰色区间预测建模理论建立了轨道几何不平顺指标灰色区间预测模型。为验证模型的可靠性,根据北京地铁2号线10个典型单元区段在2017年2月至2019年2月之间的12次轨检车检测数据,以三角坑不平顺指标为例,利用所建模型进行模拟并将模型预测值与实际检测值进行对比。结果表明,该模型模拟结果精度检验合格且具有较高的预测精度,可以用于预测轨道几何不平顺指标。     

基于灰色区间预测模型的轨道不平顺状态预测

轨道不平顺状态是影响行车安全的关键因素。轨道质量指数(TQI)是反映轨道几何状态变化的重要数据,是一个随时间变化的时间序列,具有随机性。为了更好地研究轨道状态的变化趋势,利用灰色区间预测模型,对单元区段范围内随时间变化的TQI进行建模,并与传统的非等间距GM(1,1)预测模型相比较。为了说明预测模型的有效性,采用京九线K467.8~K468单元区段实际数据进行验证,结果表明灰色区间模型的预测精度更高,对铁路轨道养护维修工作起到指导作用。     

基于灰色GM（1，1）非等时距修正模型的轨道质量预测

根据灰色理论,以轨道质量指数检测数据为原始时间序列,通过累加弱化序列的随机性,挖掘轨道系统内在的规律,研究建立基于厌色GM(1,1)非等时距模型的轨道质量预测方法.为提高模型预测精度,优化模型中的初值和背景值,并基于残差分析引入周期性函数,对模型进行修正.用此模型对轨道质量指数TQI数据进行分析预测,并对模型精度进行检验.结果表明模型能较好地反映轨道质量恶化发展的随机波动特征,拟合、预测精度高,为了解和掌握轨道质量状态的发展规律提供了新的方法.     

基于LVQ 神经网络的轨道单元状态综合评判方法研究

为了有效利用多种检测数据评判轨道单元的状态,提出利用 LVQ (学习矢量量化)神经网络建立轨道单元特征参数与轨道单元分级的关联模型,通过对 TQI (轨道质量指数)、轨道几何、加速度、晃车仪、添乘仪、人体感觉的超限扣分加权得到轨道单元的量化评分指标,并利用层次分析法确定各特征参数的权系数。根据大量实测数据建立随机样本,利用聚类方法确定轨道单元状态的分级。以轨道单元的量化评分指标作为输入,以聚类得到的表征轨道单元分级的矢量量化数据作为输出,利用误差反向传播方法训练 LVQ 神经网络模型。利用新的评判方法对某线路的轨道单元状态进行评判,结果表明该方法可行、有效,为轨道单元状态综合评判提供了一条新途径。     

CA砂浆脱空对框架型轨道板翘曲的影响分析

CA砂浆填充层作为框架型板式轨道关键结构层,长期暴露于自然环境中,受列车荷载冲击、温度循环以及水的侵害等作用,砂浆层与轨道板间易产生脱空,劣化轨道结构受力状态。基于无砟轨道弹性地基梁体模型,分析了正常状态和砂浆层与轨道板间出现脱空时框架型板式轨道在温度梯度荷载作用下的受力情况,并针对板端横向全部脱空和板边纵向全部脱空两种常见脱空形式进行分析。结果表明,较低的砂浆弹性模量可减小轨道板翘曲和缓解列车荷载冲击作用;对于脱空状态,在正温度梯度作用下,轨道板受力和板角翘曲变形受脱空程度影响较大,而对砂浆层受力影响较小;在负温度梯度作用下,轨道板和砂浆层受力状态受脱空程度影响均不明显。     

基于概率分布推移变化的铁路轨道几何状态评价与预测方法

正确评价和预测轨道几何状态的发展与变化规律是实现铁路轨道经济维修的关键问题之一.根据轨道几何状态变化的特点,基于概率分布的基本思想,建立轨道不平顺状态推移矩阵.运用轨道不平顺状态推移矩阵计算各项轨道几何不平顺在不同时间点的推移变化规律,分析和评估轨道几何状态的现状及其发展趋势.结合大量沪宁线轨道几何不平顺数据的计算与分析表明:采用基于概率分布推移变化的方法能够很好地预测轨道几何状态的变化及其发展趋势.     

基于状态转移概率矩阵的轨道不平顺发展预测研究

应用系统状态转移概率矩阵决策理论和方法,基于轨检车现场实测的轨道不平顺数据,以高低不平顺为例,建立了高低不平顺25 m区间最大值状态转移概率矩阵.在此基础上,对高低不平顺区间最大值发展状况进行了预测,并同实际检测结果进行了对比.结果表明:借助状态转移概率矩阵可以预测轨道状态的发展变化;对于数据量小的系统,可以采用离散状态转移概率矩阵进行很好的预测,但如果样本数据量较大,离散状态转移概率矩阵建立较为困难,且受异常数据影响大,不利于分析使用;如果能较准确地获得轨道不平顺发展分布特征及其相关参数,并以此为基础建立连续状态转移概率矩阵,利用此矩阵可在一定程度上反映轨道不平顺状态变化,此矩阵不受数据量限制,受异常数据影响小.     

无砟轨道监测数据信息管理系统的设计与实现

无砟轨道在役服役状态的劣化现象突显,对服役性能关键参数进行监测和管理具有重要价值。提出CRTSⅡ型板式无砟轨道监测数据信息管理系统的总体架构和各个模块的功能;基于Oracle数据库开发平台,建立相应的轨道板服役性能关键参数数据库系统;以C/S方法对轨道板监测数据库的管理和使用,并利用华东地区某高速铁路作为实例对所提方法进行验证。结果表明:采用云端服务器和Oracle数据库可以实现CRTSⅡ型板式无砟轨道监测数据信息管理系统的开发;利用OLE-DB数据库可以有效地实现轨道板监测数据库的功能;且该系统可以实现监测数据查询、可视化和服役状态实时预警等功能;建议可以采用此系统对轨道在役服役状态进行监测和管理,以便更好地保障高速列车行车安全。     

基于并行图卷积网络的无砟轨道监测测点异常识别

针对在服役过程中高速铁路无砟轨道结构健康监测可能出现由结构局部损伤或者传感器故障导致的测点异常问题,建立一种并行图卷积神经网络模型,来识别高速铁路无砟轨道监测测点的异常。采用结构早期初始状态的监测数据训练并行图卷积神经网络,获得结构初始状态下的测点数据之间的空间关联性;利用并行图卷积神经网络预测服役状态无砟轨道测点监测数据,实现轨道监测测点异常的识别;此外,对明显漂移的数据可基于有向图分析修正预测结果。将该方法应用于某高速铁路无砟轨道结构长期监测数据并识别了异常测点。