地铁道岔尖轨线型复核及矫正

地铁道岔尖轨是道岔实现转换功能的主要部件之一，尖轨线型不良不仅使列车产生晃动，也会影响与基本轨的正常靠贴和自由状态平面位置。尖轨与基本轨靠贴时存在离缝、卡阻和尖轨原始位置不准，会使尖轨失去稳定刚度和增大道岔锁闭“框动”、转换动力以及出现转换反弹现象，继而恶化通号转辙设备的工况，影响道岔的正常使用。由此，轨道专业人士应高度重视尖轨的线型控制。在实践的基础上，认真分析尖轨从生产制造、运输、存放、上道使用过程中线型发生不良变化的成因，提出相应对策措施；并介绍尖轨线型的检测复核和矫正手段。其中，首次倡导“一弦矢距法”检测复核整根尖轨线型的现状，特别针对曲线型尖轨，通过建立数学模型计算得到“一弦”条件下尖轨各检测点理论矢距值，为尖轨上道前进行预矫正提供了依据，这对地铁停运后的有限时间天窗内圆满完成尖轨更换作业意义重大。     

高速铁路道岔异构数据在Hbase上的云存储方案

实现健康预测管理（PHM）可以提高信号设备的运行安全性、系统可靠性和可维修性，道岔设备的数据对其PHM的研究有重要意义。目前，高速铁路道岔监测数据存储架构难以满足PHM海量异构历史数据存储问题，结合道岔监控数据以及道岔缺口监测图像等异构数据，引入大数据技术中的Hbase非结构化数据存储理念，提出高速铁路道岔设备海量异构数据的云存储及查询管理方案。针对图像数据尺寸不一致的问题，提出基于MapReduce的优化图像分块存储算法，实现高速铁路道岔异构数据的Hbase云存储，在实验室环境搭建平台对方案进行验证。结果表明:从MySQL到Hbase迁移10 GB历史数据约为15 min，在数量到达20万条以上时Hbase查询性能优于MySQL。通过MapReduce优化图像数据分块算法，存储速度得到提升。该方案对高速铁路道岔设备PHM中海量异构数据的存储提供了理论和技术支撑。     

基于代价敏感RBF神经网络的道岔故障诊断系统

针对铁路道岔故障中几种常见类型故障,为尽量减少道岔故障误分类所造成的损失,特建立基于遗传算法的代价敏感RBF神经网络模型以及基于该模型的道岔故障诊断系统。模型通过建立代价敏感适应度函数,实现基于遗传算法的RBF神经网络向代价最优的方向进行随机搜索。利用某车站道岔动作电流监测数据进行验证,证明系统能够提高故障数据的识别精度,降低故障数据的误分类代价。该系统可帮助维护人员快速、准确地对道岔故障进行诊断,缩短故障处理时间,提高铁路行车的安全性。     

爆炸硬化高锰钢组合辙叉水平裂纹伤损分析

爆炸硬化高锰钢组合辙叉是近几年针对重载铁路使用条件开发的一种新型固定型辙叉产品,在批量上道使用后,水平裂纹伤损发生频次逐渐增加,引起广泛的关注。对水平裂纹伤损产生的原因进行分析,并提出多项改进措施。通过改进措施的实施,在朔黄线取得了较好的改进效果。实际结果表明,通过不断改进工艺、提高质量、加强维护,爆炸硬化高锰钢组合辙叉能够实现通过总重3亿t以上的目标。     

高铁预制道岔板钢筋绑扎技术改进

道岔是高速铁路(客运专线)无砟轨道线路的重要组成部分.以京秦客专为依托,针对工厂化大批量预制道岔板,面临钢筋绑扎费工费时等实际问题,分析了钢筋长度、间距等变化的特点,就道岔板钢筋绑扎技术进行了必要的改进,开发出“高速铁路预制道岔板钢筋网可调式预绑扎模架”技术和“带有保护功能的绝缘涂层钢筋撬移器”技术,取得良好效果,谨供类似工程参考.     

路基上岔区板式无砟轨道铺设技术

结合武广铁路客运专线铺轨工程实践,在介绍工程概况和轨道结构的基础上,着重阐述了铁路客运专线路基上岔区板式无砟轨道的施工工艺流程与技术要点,可供类似工程参考。     

应用串联油路技术实现液压转辙机转换同步的研究

对目前道岔转辙机解决同步转换采用的各种技术进行分析,提出应用串联油路系统实现电液转辙机同步转换的技术方案,通过厂内试验测试和现场多年的使用验证,采用串联油路系统的电液转辙机能较好地解决道岔同步转换不良的问题。     

兰州枢纽货车北环线无缝道岔设计与检算北大核心

兰州铁路枢纽货车北环线各方向衔接线路较多,无缝线路设计特别是无缝道岔的设计与检算是其设计难点。强化了无缝道岔的设计,检算了钢轨及各部件的强度、稳定性和位移。结果表明:在各种最不利因素组合下,钢轨强度、转辙器等部件的稳定性、限位器及间隔铁螺栓的强度均可满足要求;尖轨尖端位移较大,在最不利工况下已接近允许限值,因此应严格执行铺设标准,确保无缝道岔的正常使用。     

道岔护轨间隔和翼轨间隔限值合理性分析与优化

针对近年来多次出现的普速铁路道岔护轨位置脱轨问题,研究了脱轨过程与机理,分析了目前护轨间隔、翼轨间隔限值与计算方法的合理性;在全国范围内选取19个车站、124组道岔开展了系统的现场试验研究,探讨了护轨间隔、翼轨间隔限值的优化方法。研究结果表明：道岔护轨位置脱轨的主要原因为车轮冲击护轨开口段导致护轨螺栓松动、护轨低头、顶部磨耗,最终造成车轮爬上护轨脱轨;现场养护维修中,护轨、翼轨间隔分布较离散,合格率较低,为68.97%～73.83%;目前的翼轨间隔限值安全裕量较大,可适当放松,为现场维修提供方便;与同号码复式交分道岔相比,单开道岔护轨开口段轮轨冲击概率略小;随着道岔号码的增大,护轨开口段冲击概率呈减小趋势;目前的护轨间隔限值设置可将车轮冲击直向护轨以及侧向护轨跟端开口段的概率控制在12%以内,但并不能有效防止侧向护轨趾端开口段的轮轨冲击,概率仍高达53.85%～75.00%;实际养护维修过程中,建议将护轨间隔限值修改为1 365 mm,可满足大部分主型道岔的需求,有效减少和避免护轨趾端开口段的轮轨冲击。     

基于集成深度学习的转辙机故障诊断研究

[目的]为了能够充分利用故障日志数据诊断转辙机故障,提出了基于集成学习算法的道岔转辙机故障诊断方法。[方法]通过分析转辙机故障文本数据,并结合专家经验,建立了两级故障诊断思路;将故障文本数据预处理为机器能够识别的数据,作为故障诊断模型输入数据;介绍了基于AdaBoost集成学习法的CNN(卷积神经网络)-LSTM(长短期记忆网络)故障诊断模型的原理和方法。[结果及结论]试验结果表明,在数据类别不平衡或者样本数量有限的情况下,采用CNN-LSTM模型能够有效提高故障诊断的准确率;与其他故障诊断模型相比,CNN-LSTM模型性能更好;所提出方法具有有效性,能够满足应用场景准确率要求。