高速铁路主跨320 m钢-混部分斜拉桥无砟轨道适应性研究

南玉高铁六景郁江特大桥设计将钢-混部分斜拉桥结构引入时速350 km高速铁路领域,而300 m级以上大跨度桥上无砟轨道的竖向变形极易超限,影响列车通过的安全性和舒适性,因此,系统研究在此大跨桥梁结构上铺设无砟轨道的适应性十分必要。通过建立有限元及动力学模型,分析不同组合工况下无砟轨道结构的变形特点及动力特性,运用60 m弦测法探究各工况下无砟轨道的线形变化规律,从而确定大跨度钢-混部分斜拉桥铺设无砟轨道的适应性,并对设计和施工提出合理化建议。主要结论如下：在各种不利组合荷载作用下,桥上无砟轨道结构强度满足规范要求,列车通过大桥的各项安全性与舒适性指标均满足规范要求;混凝土收缩徐变和斜拉索升降温是影响无砟轨道线形标准的两大主因,应在无砟轨道施工前确保足够的沉降观测期和收缩徐变释放期,并充分考虑拉索的保温设计;在温度组合荷载作用下,桥上无砟轨道的60 m弦测不平顺幅值为6.79 mm,满足高速铁路静态验收标准;但在叠加列车荷载和收缩徐变后,变形弦测值均出现Ⅱ级及以上超限,通过合理设置预拱度后可有效改善轨道平顺性标准。     

基于改进型D3QN深度强化学习的铁路智能选线方法

传统的人工选线方法劳动强度大,设计效率低,随着我国铁路建设重心向西部复杂艰险山区转移,人工选线面临的困难日趋凸显。为缩减铁路选线的人力物力成本,提高设计效率,亟需发展结合了人工智能和信息技术的现代选线技术。为此,提出一种基于深度强化学习理论的铁路智能选线方法。以带有空间属性信息的数字高程模型为选线环境,以相邻空间点间的建造费用为即时奖励,以工程建造费用最小为优化目标,设置离散化的备选动作,考虑多种约束条件,构建面向铁路选线的深度强化学习模型。结合深度学习的感知能力和强化学习的决策能力,利用双竞争深度Q学习网络(DuelingDouble-Deep Q Network,D3QN)对模型进行训练,既克服强化学习问题对复杂状态和动作空间难以收敛的缺点,同时解决了传统DQN算法易于出现过估计、训练不稳定的问题,实现自动对选线环境进行感知、搜索、判断、决策,最终寻得目标函数最优的线路方案。以某山区铁路对本方法进行验证,实验结果表明：该方法能搜索到多样化的线路备选方案,可以为设计人员提供新的设计思路;有效降低了铁路建设的经济费用,较人工选线方案节约最多达17.5%。智能选线方法可以帮助节省选线工作...     

铁路曲线地段钢轨生存寿命评估与分析

钢轨作为轨道结构的重要组成部分之一,直接承受由车轮传来的全部荷载,钢轨伤损会严重影响列车的行车安全.山区铁路所处环境复杂,小半径曲线多,钢轨伤损出现频率高.针对影响山区铁路钢轨寿命的风险因素,采用非均匀网格划分线路,使每段网格内风险因素保持一致;依据钢轨历史状态信息建立生存分析模型,量化各风险因素对钢轨寿命的影响;最后绘制钢轨生存寿命曲线,并将生存分析评估寿命与2019版《普速铁路线路修理规则》制定的曲线钢轨大修阈值作对比分析.用成昆、成渝、宝成3条线路近10年钢轨伤损数据进行模型验证,得出以下结论:曲线半径每增加10 m,钢轨寿命增加0.5％;曲线段外轨的寿命是内轨的75.8％;非均匀区段长每增加10 m,该区段的生存寿命减少1％.     

基于拟合平纵断面的铁路特大桥梁线路平顺性评估

合理评价大跨度桥梁挠曲变形是保障桥上铁路行车平稳和舒适的基本前提. 针对当前大跨度桥梁挠曲变形重要评价指标挠跨比的不足,如忽略了挠曲变形对线路平纵断面的影响,本文基于桥梁挠曲变形曲线的规律以及铁路线路线型的特点,采用最小二乘法分别在平纵断面上将桥梁的挠曲变形曲线拟合成线路的标准线型,并依据铁路线路设计规范对其进行评价. 结合国内某特大桥的工程实例,研究发现:在考虑系统振动的最不利荷载工况下,该特大桥的最小竖曲线和平面曲线半径分别为29.3 km和54 km,符合规范要求;设置垂向预拱可以在一定程度上抵消桥梁竖向挠曲,有利于保持轨道结构的平顺性;本方法能从桥上线路平顺性的角度对桥梁的挠曲变形进行合理评价,可用于指导大跨度桥梁设计以保障铁路行车安全.      

线路关键点对400km/h高速铁路纵断面参数设计影响

研究目的:400 km/h等级高速铁路的规划设计是我国现阶段高速铁路建设与发展的重要目标。目前,尚未有400 km/h高速铁路纵断面参数设计标准的研究。在满足高速列车行驶安全与旅客乘坐舒适条件下,本文对400 km/h等级高速铁路纵断面参数进行了设计与验证,为后续工程应用提供理论依据。研究结论:(1)相同坡度差、夹直线长度条件下,列车垂向振动加速度最大值随竖曲线半径的增加而减小,建议400 km/h高速铁路最小竖曲线半径取值为30 000 m;(2)当竖曲线半径≥20 000 m,车体垂向振动加速度最大值数值受坡度差值影响很小;(3)车体垂向振动加速度随着夹直线长度的增加而逐渐消散,叠加振动减小,建议400 km/h高速铁路夹直线长度最小取值为200 m;(4)本文研究可为400 km/h高速铁路纵断面参数设计提供技术支撑。     

基于逆向强化学习的铁路线路方案优选研究北大核心

铁路线路方案评价及比选多采用组合赋权法,其主观赋权过程计算冗杂。选取具备一定程度普适性的专家案例,采用最大熵逆向强化学习方法从专家案例中学习主观赋权“知识”,得到专家案例隐藏的“奖励”,从而获取可解释性的主观权重。将此主观权重与离差法所得客观权重组合并投入后续TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)评价流程,对线路方案进行最终评价。结合具体实例,建立设计阶段绿色铁路的评价指标体系。结果表明:该方法可以有效计算铁路线路方案评价的量化指标,减小现有赋权方法的计算复杂度,取得较好的评价效果,与真实案例比选结果一致。通过讨论该方法的适用性、局限性及原因,确定该方法在初步评价和泛用性评价中的定位。