城市轨道交通车辆轮轨系统噪声辐射分析

采用轮轨噪声预测软件(TWINS模型),研究了某城市轨道交通车辆轮轨系统的振动与声辐射特性,分析了引起系统振动和声辐射的主要原因。研究结果表明:R模态为轴向模态,会导致车轮沿轴向的大幅振动;车轮和钢轨的辐射声功率随着速度的增加而增加,钢轨辐射声功率显著大于车轮的声辐射功率;隧道状态下的声学相应显著大于自由场状态下声学相应,底架区域自由场和隧道状态下的声学相应差异不大。     

大型基坑施工对临近运营地铁影响分析

某市地铁运营指挥中心大型基坑临近运营地铁车站及区间,其施工会对临近的运营地铁车站及区间产生一定的影响,特别是超近距离的基坑施工,必须对其安全性进行分析。文章运用数值模拟分析对大型基坑施工对临近运营地铁安全性进行评估,并针对近接地铁施工存在的风险提出相应防护措施,以期为本地区类似工程提供解决方案。     

高速铁路强夯地基沉降的离心模型试验研究

为准确掌握中等压缩性土地基在路堤荷载下的沉降变形规律,应用TLJ-2型土工离心试验机模拟强夯加固地基,研究高速铁路中等压缩性土地基的附加应力和分层沉降特征。通过与现场填筑试验对比,分析离心模型试验预测原型地基分层沉降的精度,提出沉降修正系数取值范围,为今后中等压缩性土地基加固技术优化提供借鉴。结果表明:路基基底中心应力比路肩下大,符合柔性基底应力分布形式;附加应力随地基深度增加而减小,强夯影响深度内附加应力衰减较快,而影响范围以下衰减减缓;铺轨运营550d后,地基工后沉降逐渐趋于稳定,工后沉降值远小于施工阶段地基的总沉降;离心模型试验预测地基单位分层压缩量的精度较高,而对于不同施工阶段离心模型试验预测地基沉降的精度存在差异,沉降修正系数的引入能够较为真实地反映现场地基沉降特性。     

相依性条件下滨海软土隧道盾构施工渗漏水风险评价

滨海地区多为海相和湖相沉积的软土,施工难度大,渗漏水病害多发,因此,应对盾构施工过程的渗漏水风险进行评价来保证隧道安全施工。构建渗漏水风险评价三级指标体系,将云模型与Copula函数结合,基于Copula函数对于风险指标中相关风险因素的相依性处理,云理论对于定性与定量概念的处理与转换优势,构建相依性条件下的二维和三维云-Copula模型。以宁波市轨道交通1号线为例,利用云-Copula模型计算二级指标对于各个风险等级的隶属度,确定危险性较大的二级指标为注浆质量、止水条、衬砌混凝土自防水。利用D-S证据理论进行证据融合确定该检测区段渗漏水病害的风险状态为安全,但有向基本安全状态发展的趋势。通过对危险性较大的指标加强监控,使渗漏水得到有效控制,为软土盾构隧道施工过程中渗漏水病害的风险评价与管理提供了一种新的方法。     

城轨回流系统动态排流与钢轨电位控制仿真研究

当前,城轨供电回流过程中杂散电流与钢轨电位问题突出,排流装置与钢轨电位限制装置(OVPD)作为杂散电流与钢轨电位的治理设备被广泛采用,但系统运营过程中动态排流与钢轨电位控制仿真方法及分布规律尚缺乏研究。通过建立回流系统动态排流与钢轨电位控制仿真模型,分析多区间多列车动态运行过程中全线钢轨电位与杂散电流动态分布规律。研究结果表明,单点钢轨电位控制过程中会引起其他位置OVPD连锁动作,还会大大抬高全线杂散电流水平;杂散电流动态排流过程中,全线钢轨电位与杂散电流水平均会出现一定程度的抬升,因此当前钢轨电位控制与杂散电流排流方法应进一步结合系统多点耦合干扰特性进行改善。     

基坑开挖引起复合地基下卧双线地铁隧道附加荷载的计算研究

为研究基坑开挖时复合地基及竖向、横向"双洞效应"对下卧双线地铁隧道竖向、横向附加荷载的影响,基于Mindlin应力解,得到在复合地基侧摩阻力作用下隧道轴线上的竖向、横向附加荷载,通过迭代法计算得到"双洞效应"引起隧道轴线上的竖向、横向附加荷载,借助竖向、横向总附加荷载引起的隧道位移对比验证,并分析隧道位置改变对侧摩阻力和"双洞效应"引起隧道竖向、横向附加荷载的影响。研究结果表明:侧摩阻力和"双洞效应"对隧道竖向、横向附加荷载的影响是不可忽略的,其影响主要表现为减小隧道的竖向、横向总附加荷载,且影响范围不变;在施工条件和规范容许范围内,应尽量减小双线隧道之间的距离,以及增大隧道与基坑中点的距离;当需要严谨精确地计算小净距地铁隧道"双洞效应"引起的附加荷载时,必须选用迭代法计算。     

基于BIM模型的铁路雨棚钢结构健康监测数据模型研究

结构健康监测是保障重大工程结构安全的重要技术,针对铁路站台雨棚钢结构监测过程中出现的站台模型和监测信息数据庞大的问题,提出一种扩展的BIM模型,即在现有的BIM模型信息中以数据信息的唯一标识作为依据,扩展所需的动态监测数据信息,将各类检测数据进行有效整合。首先对系统总体架构进行设计,设计面向钢结构健康监测信息的BIM模型,对系统总体架构合计,再根据扩展的BIM模型和模型数据,应用扩展的BIM模型系统设计,开发了基于BIM模型的监测系统,实现了铁路站台雨棚的有效监测。     

地铁站台门系统设备健康管理研究与应用

综合研究地铁机电设备运行特性,实现从被动故障修和计划修向主动智能状态修的跨越。提出一种地铁机电设备健康管理评价方法,通过失效实验验证机电设备状态量的门槛阈值,利用数学模型对设备状态进行量化,并基于状态量健康指标评判设备状态的优劣。在此基础上,运用MATLAB拟合时间与设备健康指数之间的非线性关系模型,求解并预测设备健康状态及维护时间节点,对科学规划设备检修周期、提前预判设备状态具有重要的理论及实践指导意义。研制设备状态量智能采集装置,通过上位机实时计算验证、预判,并在郑州地铁1号线进行充分验证,达到预期效果。     

Research on the Influence of Vertical Deformation of Bridge on the Track RegularityEI北大核心

Research purposes: The vertical deformation of high-speed railway (HSR) bridge will cause the track irregularity, which threatens the safe and efficient operation of the HSR. Taking the 32 m simple supported beam bridge as the research object, based on the existing mapping analytical model for bridge vertical deformation and rail geometry, the influence of the track regularity of the CRTS Ⅰ slab ballastless track structure caused by the key parameters such as the bridge vertical deformation amplitude, the hanging length of the beam end and the vertical stiffness of mortar layer were studied, and the corresponding measures to control the rail deformation were proposed, to provide theoretical reference for comprehensive treatment of rail deformation of HSR bridge. Research conclusions:(1) The pier settlement, the vertical rotation of the beam end and the beam fault will cause the rail to follow the beam deformation, and "up-warping" of the rail on the vertical deformation boundary will appear. (2) The rail deformation is directly proportional to the vertical deformation amplitude of the bridge and the key to control the rail deformation is to reduce the vertical deformation of the bridge. (3) The rail deformation can be controlled by reducing the hanging length of beam and vertical stiffness of mortar layer. (4) The research results can provide a theoretical reference for controlling the vertical rail deformation of high-speed railway bridges. © 2018, Editorial Department of Journal of Railway Engineering Society. All right reserved.     

基于GA-GM(1,N,α)幂模型的铁路客运量预测

针对在铁路客运量预测领域传统的灰色预测模型不能反映真实系统的非线性结构特点及其背景值的赋值不合理的问题,提出使用对系统相关因素引入幂指数且经过背景值优化的GM(1,N,)幂模型进行客运量预测。背景值优化时设置待定参数,利用线性组合结构重新计算背景值。对此模型产生的较多的待定参数,采用能够并行运算、全局寻优的遗传算法进行一次性求解。最后使用此模型对甘肃省铁路客运量进行建模预测,并与传统GM(1,N)模型、GM(1,N)幂模型进行对比分析。结果证明,GM(1,N,)幂模型具有更高的预测精度,对铁路客运量预测有一定的应用和研究价值。