朔黄重载铁路钢轨服役寿命研究北大核心

基于钢轨磨耗、钢轨重伤、换轨修理、线路运营等数据,分析曲线段外轨侧面磨耗和直线段(包括大半径曲线段)钢轨重伤量随累计通过总质量的发展规律并建立预测模型,提出朔黄重载铁路钢轨换轨周期建议值。结果显示:对于半径R≤800 m的曲线段,侧面磨耗是钢轨服役寿命的决定因素;对于直线段和R> 800 m的曲线段,钢轨寿命由钢轨重伤量决定。本文建立的预测模型能够有效预测钢轨磨耗、钢轨重伤量的发展规律。对于R≤400 m的曲线段,换轨周期(服役寿命)建议不超过通过总质量700 Mt;对于400 m 800 m的曲线段,换轨周期建议不超过通过总质量2 000 Mt。     

京津城际铁路轨道不平顺谱特征分析

为提高京津城际铁路轨道不平顺谱的计算精度,基于轨道不平顺变化率和线性插值方法以及小波分析方法,给出剔除轨道不平顺异常值算法和轨道不平顺零均值化处理算法,用于京津城际铁路轨道不平顺检测数据的预处理.运用周期图法计算京津城际铁路的轨道不平顺谱.对计算结果的统计分析表明:京津城际铁路的轨道不平顺谱服从自由度为2的x2分布,可以用轨道不平顺中位数谱表示;除部分波段外,京津城际铁路的轨道不平顺谱均低于我国铁路时速200 km以上既有线路的轨道不平顺谱和德国铁路的轨道不平顺低干扰谱,说明京津城际铁路轨道平顺状态较好.     

武广高速铁路轨道几何波形演变规律

武广（武汉—广州）高速铁路运营多年,轨道几何波形及幅值发生较大变化,影响列车高速运行的安全性和舒适性。针对这一问题,本文基于武广高速铁路轨道几何动态检测历史数据,采用谱分析方法对轨道几何幅频特性进行分析,研究了轨道几何周期性特征及幅频演变规律。结果表明：武广高速铁路高低存在简支梁徐变上拱变形引起的波长32 m周期不平顺,轨向存在钢轨焊接不良引起的波长100 m周期不平顺;隧道内轨道平顺状态优于路基和桥梁区段;直线和曲线区段的轨道平顺状态没有明显差异;高低谱随时间呈增大趋势;开通运营5年后桥梁徐变上拱发展速率变慢;轨向谱幅频随时间无显著变化;轨道精调能显著改善轨道平顺状态。     

钢轨焊接接头短波不平顺功率谱分析

针对焊接接头区轨面不平顺的非平稳特征，利用ＳＡＩＬＥＮＴ钢轨纵断面测量仪实测了京山线和广深线的大量焊接接头轨面不平顺样本，并首次对钢轨焊接接头轨面不平顺谱估计进行了尝试。研究表明，对单个接头轨面不平顺样本函数表现为非平稳特征，而对同一线路同种工艺下的大量焊接接头区轨面不平顺的整个样本空间表现为平稳性。对整个样本空间的谱估计可以采用经典和现代谱估计方法得到。对单个接头不平顺样本来说，由于其非平稳性，     

非线性振动及货车运行安全性分析

利用NUCARS软件，详细计算了C62货车的动力响应，并利用时间历程曲线、相平面图和功率谱密度曲线对C62货车的霍普夫分叉、极限环、倍周期分叉和混沌运动进行了研究，给出了C62货车的分叉图。在此基础上，对我国目前货车运行安全性进行了探讨。     

高速铁路钢轨擦伤特征及影响因素北大核心

为减少钢轨擦伤的产生,对多条高速铁路线路进行实地调研和统计分析,得到钢轨擦伤的形貌特征;结合牵引制动状态研究单双股、平纵断面(坡度和线形)、下部基础、车辆类型对钢轨擦伤分布的影响。结果表明:钢轨擦伤可分为车轮空转擦伤和车轮滑行擦伤,车轮空转擦伤在机车启动或上坡牵引过程中产生,车轮滑行擦伤由机车或动车组在制动或行驶过程中产生;在进出站频繁启停处、大坡度和曲线区段产生钢轨擦伤的概率更高,下部基础对钢轨擦伤的产生影响较小。在坡度等级为-2‰~2‰时,76.92%的钢轨擦伤出现在进出站前后1 km区域;单位里程上,坡度大于14‰处的钢轨擦伤数量占比为45.42%,曲线区段的钢轨擦伤数量占比为62.72%。     

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。     

基于机器视觉的圆斑状钢轨擦伤检测算法

针对现有基于灰度阈值的钢轨擦伤检测算法受光照等外部环境的影响较大的问题，本文提出了一种基于机器视觉的圆斑状钢轨擦伤检测算法。首先通过分析采集图像在垂直方向的灰度均值曲线，提取出钢轨顶面区域；然后运用边缘检测的方法得到擦伤区域边缘的候选像素点；最后运用形态学处理删除不属于擦伤区域的虚假边缘，确定钢轨擦伤区域的位置。用测试数据集对本文算法进行检测性能评测，并与基于灰度阈值的算法进行对比。结果表明：本文算法对圆斑状钢轨擦伤样本的检测准确率为96.4%，而基于灰度阈值的算法的检测准确率为86.8%，本文算法的检测准确率大幅提升，能够对钢轨擦伤进行有效检测。