基于轨道动检数据的轨道板的变形识别及预测

现有对高速铁路板式无砟轨道变形病害的检测效率不足,检测成本过高,而通过轨道动检数据能够一定程度上反映轨道板变形程度.因此,搜集了CRTSⅠ、Ⅱ、Ⅲ型板线路3 a内的动检数据,引入小波能量作为轨道板变形评价指标,通过建立时空数据挖掘模型实现了不同轨道板的变形定位识别和劣化预测.研究结果表明:受当地气温影响,轨道板变形程度...     

基于分位数回归的轨道质量指数阈值合理性数据分析

高速铁路轨道高平顺性是保障列车行车安全的重要基础，考虑到现有规范中针对轨道不平顺养护维修的局限性，需要对轨道动态不平顺管理值的合理性进行研究和改善。利用历史数据及统计方法挖掘轨道动态不平顺峰值管理值与均值管理值的联系，基于时间序列的异常检测与修正模型，通过分位数回归探究各项指标半峰值与标准差关系，并给出相应的均值管理建议值。结合7条不同工况线路的实测数据，研究结果表明：速度200～250 km/h线路建议采用80%及以上分位数的标准差作为管理值，而速度250(不含)～350 km/h线路建议采用95%及以上分位数的标准差作为管理值；相同时速线路、同一分位数下，若建议管理值越高，表明峰值与标准差的倍数较小，该线路状态较好，特别是单点不平顺超限的数量较少，不需要较严格的TQI管理值进行整体管理；反之，则表明单点超限可能较多，需要压低TQI管理值确保较低的峰值超限数量；对于5项不平顺指标，轨距出现峰值超限的概率最大，养护维修时需着重关注。     

基于深度学习的轨道不平顺与车体垂向加速度映射模型

高速列车在长期服役条件下，其车辆悬挂系统等参数与设计值差异较大。多体动力学仿真模型难以模拟真实运营环境，且计算效率较低。为更加准确、快速地评价各种轨道结构以及不平顺激励下车体的垂向振动响应，根据实测轨道不平顺与车体垂向加速度的时空数据传递特征，建立一种卷积长短期记忆组合模型，该模型将轨道不平顺与列车运行速度作为输入，实现对车体垂向加速度的预测。结果表明，卷积长短期记忆模型预测的平均绝对百分比误差值为5.64%,相比动力学仿真模型减少3.57%。在预测一段3 km长线路的垂向车体加速度时，动力学仿真模型需要花费约53 s,而卷积长短期记忆网络只需要花费约1.6 s,预测效率提升33倍。