考虑周期性不平顺的高速铁路各型无砟轨道谱拟合与反演方法

轨道不平顺是轮轨相互作用的激扰源，其周期性特性是除波长、幅值外不可忽视的特征。结合大量动检数据，提出考虑周期性不平顺的高速铁路各型无砟轨道谱拟合与反演方法，结果表明：高速铁路周期性不平顺根据轨下基础结构尺寸、钢轨状态等诱因分为9类。提出采用修正的高斯函数表征周期性不平顺，基于8阶多项式拟合无砟轨道谱，结合谱反演验证周期性不平顺表征的合理性。通过拟合谱发现，CRTSⅢ型板的随机不平顺状态最优，CRTSⅠ型板最差。CRTSⅡ型板与双块式的随机不平顺状态相当，这两种板型轨道谱在大多数波段介于CRTSⅠ型板和CRTSⅢ型板之间，与高速铁路无砟轨道谱的分布特征最为接近。     

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...     

重载铁路轨道不平顺谱的分析和表征

轨道不平顺的数学表达对线路状态评估和轮轨动力学分析具有重要意义。计算和分析大秦和朔黄重载铁路2～70 m波长范围内的轨道不平顺谱特征，提出重载铁路轨道不平顺的数学描述，可用于轨道不平顺序列模拟和线路状态评估。数据来源为这两条铁路的高低、轨向、水平和轨距轨道不平顺实测数据。使用小波分析和Welch修正周期图法计算轨道不平顺谱，并与国内外标准轨道谱进行对比；使用多项式拟合算法拟合轨道不平顺谱包络，并使用国内外标准谱拟合公式进行拟合实验对比。最后，给出了发生在钢轨焊缝位置的周期不平顺表达式，并结合轨道拟合谱的逆傅里叶变换方法，对轨道不平顺空间序列进行数值模拟。研究表明：大秦和朔黄轨道不平顺谱的频率和幅度特征基本一致，因此可以使用统一的拟合公式进行拟合；提出的8阶多项式拟合公式能精确地拟合轨道不平顺谱的形状；随机不平顺和周期不平顺的共同表达使轨道不平顺拟合谱的形状和轨道不平顺的数值模拟更为合理和准确。