高速铁路基础设施检测监测大数据分析技术研究与实践

随着高速铁路基础设施检测监测体系逐步完备,运用大数据、人工智能等新技术,更加精准、及时研判和科学评估基础设施服役状态的需求愈加迫切。围绕数据归集、传输、存储、治理、挖掘、共享、应用,构建铁路基础设施检测监测大数据总体架构,提出干扰数据修正、动态波形数据精准对齐、海量数据融合及综合展示等关键技术。在较为完善的大值安全报警的基础上,通过大数据分析实践,解决了工务、供电、电务等设备安全风险全面感知、设备状态准确评价、趋势变化精准预测等难题,为实现高铁安全超前防范和基础设施精准维修提供科学支撑。

京沪高铁基础设施检测数据管理分析体系构建研究

实现基础设施综合检测数据的自动归集传输、分布式存储、数据质量稽查和治理、智能挖掘分析和可视化数据服务,是提升京沪高铁检测分析能力的关键。通过研究检测数据资产化管理、检测数据流转过程与智能化分析等内容,构建了京沪高铁基础设施检测数据管理分析体系。体系集成综合检测数据车地快速传输、多源异构检测数据分布式存储、海量数据综合展示、基于人工智能的检测数据深度挖掘等关键技术,可为京沪高铁提供全链路、智能化、一站式检测数据管理分析服务。通过典型应用案例,验证了体系的合理性和先进性。

高速铁路基础设施检测数据管理平台及应用研究

结合大规模、指数级增长的高速铁路(简称:高铁)基础设施检测数据,开展高铁基础设施大数据管理与分析研究。介绍高铁基础设施检测数据管理平台的架构及功能;基于该平台,开展工务、电务、供电等专业基础设施检测监测数据的分析应用研究。现场应用结果表明,该平台能够为生产单位提供全面的基础设施服役状态评价、分析和预测服务,为指导基础设施运营维护工作、提高其服役质量、节约运营维护成本等提供了技术支撑。

铁路基础设施检测数据资产管理体系研究

实现海量、多源、异构检测数据的高效归集、安全存储、质量管控和安全共享是铁路基础设施检测亟需解决的重要问题。文章结合铁路基础设施检测业务特点,提出了铁路基础设施检测数据资产管理体系的建设目标,并对体系架构进行研究和设计,详细阐述了体系架构中的4个管理过程域,为实现铁路综合检测数据“采集—传输—存储—治理—共享”全生命周期的资产化管理提供支撑。

基于改进DTW算法的轨道几何动态检测数据里程偏差校准方法研究

高速铁路轨道几何动态检测数据的绝对里程偏差校准是准确评估轨道几何状态与深入研究轨道几何状态演变规律的基础。针对当前检测数据绝对里程偏差校准精度不足的问题,提出1种线路曲线台账辅助的检测数据绝对里程精细校准方法,通过2种动态时间规整(DTW)变体算法实现检测数据里程的精确校准。首先,使用导数动态时间规整(D-DTW)算法进行检测数据与线路曲线台账数据的粗匹配,实现检测数据的自动分段;然后,采用图形动态时间规整(Shape-DTW)算法实现分段后检测数据中超高通道数据和线路曲线台账数据中的曲线特征点的精准对齐;最后,将线路曲线台账中曲线特征点的准确里程一一对应赋值给检测数据中超高通道数据的曲线特征点,实现对轨道几何动态检测数据绝对里程偏差的精细校准。通过在我国某高速铁路轨道几何动态检测数据集上进行的测试,结果表明:该方法提取的曲线长度误差最大不超过0.8%,校准后同一线路行别区段的多次检测数据在左高低通道数据相关性指标均优于校准前,因而该校准方法是有效性的。

基于多源检测数据融合的高速铁路路基沉降诊断研究

高速铁路路基区段受环境变化、地下水开采等因素影响,可能会产生较大幅度的沉降,其中不均匀沉降对高速铁路运行安全、舒适和耐久性影响较大,因此,快速、有效地诊断运营高速铁路路基沉降非常重要。基于列车轨道动态检测数据、车载晃车仪检测数据、台账信息等多源数据,研究不均匀沉降区段的轨道不平顺波长、幅值特征,建立轨道不平顺特征、列车运行速度和列车加速度之间的关联;同时,充分发挥不同数据源的优势,提取波长因子、幅值因子、车体动力响应因子、竖曲线因子、劣化率因子等能够反映路基不均匀沉降特征的指标。利用多源异构数据融合方法,统一各指标当量值,确定各指标融合权重,最终构建高速铁路路基沉降综合评价指标,建立相应计算公式。研究结果表明,路基不均匀沉降会引起较大幅值的轨道几何长波不平顺,进而导致车体加速度超限,并可以通过车载式晃车仪检测;同一区段轨道长波不平顺呈现趋势劣化时能侧面反映沉降的发生,但竖曲线是预先设计的坡度,对路基沉降诊断有一定干扰。路基沉降综合评价指标可以采用百分制,根据现场实践经验,以超过60分作为沉降发生的评判标准。通过3条高速铁路的实际验证,表明本方法能够有效发现路基沉降区段,及时提示工务部门精准维修。

高吞吐量基础设施检测数据实时处理技术

为满足基于5G传输的车地无线传输系统中检测数据实时处理需求,提出融合分布式流处理平台Apache Kafka(简称Kafka)和分布式处理引擎Apache Flink(简称Flink)的高吞吐量实时检测数据处理方法。基于Kafka构建实时检测数据仓库,实现对实时检测数据的有序快速读取与存储;以Flink作为实时计算引擎,实现高吞吐量数据流下对检测数据的实时处理与分析。为缩短实时检测数据关联台账数据的时间,提出基于时空索引的台账关联方法。通过对综合检测列车采集的实时检测数据的处理,证明了所提方法能确保高吞吐量数据流下数据处理稳定高效进行,且实时检测数据平均处理时间在1 min以内,能满足地面工作人员对综合检测列车检测设备状态的远程实时监控需求。

高速综合检测列车交路计划优化方法研究

高速综合检测列车对于确保高速铁路系统安全、高效运营极为重要,研究提出了高速综合检测列车交路计划双层优化模型,上层优化分配高速综合检测列车巡检路径,下层优化高速综合检测列车巡检时间,通过添加中间变量解耦非线性约束,并基于Gurobi优化器设计配套求解算法,同步实现了月度综合检测列车巡检路径最优和车底运用最合理,以及按月执行的综合检测列车巡检计划变化最小、跟车班组人员适应性最优的目标;并以某月全国高速铁路网综合检测列车巡检计划为例,对优化方法的可行性和有效性进行了验证,结果表明该方法大大提高了高速综合检测列车检测效率和任务分配均衡度,可为综合检测列车实际巡检工作优化提供理论和方法支撑。

巨型复杂铁路网基础设施动态检测管理探讨

随着我国铁路网日趋巨型化和复杂化,对铁路基础设施进行高质量运用维修,保证路网长期安全稳定运行已成为重中之重。采用动态检测与数据分析相结合的方法,可有效实施铁路基础设施精准维修和预防性状态修,是保证铁路持续安全稳定的重要技术手段。通过深入分析目前动态检测管理工作中任务资源统筹、装备安全运用、同等工况覆盖检测、数据质量管理等方面存在的问题,制定了针对性解决措施,大幅提高了检测覆盖率和效率,降低了装备故障率,检测数据质量稳步提升,同时给出后续动态检测管理工作建议。

基于5G技术的铁路基础设施动态检测数据实时汇聚方案研究

针对铁路基础设施动态检测数据人工汇聚时效性差、准确性低等问题,设计了基于5G移动通信(简称:5G)技术的铁路基础设施动态检测数据实时汇聚方案总体架构,阐述了方案的关键技术,并介绍了5G技术在铁路基础设施检测业务中的应用效果,为解决检测数据汇聚过程中的时效性、规范性、安全性等相关问题提供了思路。

高速铁路基础设施检测监测体系框架研究

高速铁路基础设施检测监测工作是实现基础设施状态全面感知安全风险预警、设备状态准确评价、故障诊断预测、趋势变化分析,推进实施精准维修和预防性状态修,以及提高维修效率、降低维修成本的重要手段,是确保铁路持续安全运营的重要技防保障。在分析国内外工务、电务、供电专业检测监测系统现状基础上,结合新形势下高速铁路高质量发展和工电设备修程修制改革要求,研究提出高速铁路基础设施检测监测体系框架,并对该体系功能应用和主要发展方向提出探讨和展望。

铁路基础设施检测数据处理分析中心深化研究

2012年创建的"铁路基础设施检测数据处理分析中心"为我国高速铁路建设和运营维护提供了有力的数据支持。随着高速铁路运营里程逐步增加和检测监测技术快速发展,铁路基础设施检测数据多源异构,且体量爆炸式增长,原数据中心的平台架构和数据分析能力在处理海量多源异构数据与高效智能处理等方面已无法满足高速铁路运维对检测数据综合化、智能化的管理分析需求。为此,有必要利用车地无线传输、移动终端应用等方式实现周期动态检测、现场人工检查、固定在线监测和养护维修作业等多源数据的接入与集成管理;采用虚拟化平台,整合服务器资源,实现IT资源的可弹性扩展和动态部署,提高数据存储能力和数据处理效率;采用面向服务(SOA)的架构设计思想研发集成处理分析平台,为生产和科研单位提供全面的数据智能处理,设备状态评价、分析和预测服务。同时,尝试使用MongoDB、Hadoop等新平台、新技术打造更加专业化、智能化的综合型数据处理分析中心。

高速铁路基础设施综合一体化检测监测体系研究

随着我国高速铁路的快速发展,铁路基础设施养修体制面临新的挑战。经过修程修制改革方面的不断探索,重检慎修的理念已深入基础设施管理,科学开展检测监测、全面掌握设备状态是落实重检慎修的基本前提和重要保障。在分析高速铁路基础设施检测监测现状及需求调研的基础上,提出综合一体化检测监测管理组织架构、综合一体化检测监测方案、检测监测数据统一管理方案等建议,为更好地执行动态检测、及时掌握基础设施状态、指导养护维修提供重要支撑。

铁路基础设施检测数据综合治理技术研究

针对铁路基础设施检测数据中的里程偏差、无效数据和质量评估等共性数据管理问题,需要研究铁路基础设施检测数据的综合治理技术。铁路基础设施检测数据综合治理技术包括:基于台账信息的检测数据基准文件自动生成数据预处理技术、基于最大相关系数的多次检测数据里程自动对准技术、基于人工智能的无效数据智能识别技术和检测数据质量自动评估技术。对于轨道几何等铁路基础设施检测数据,首先基于台账信息自动生成基准文件,之后利用自动生成的基准文件基于最大相关系数原理实现多次检测数据里程自动对准,采用人工智能技术研究检测数据的无效自动识别,最终实现从完整性、有效性和一致性等角度对检测数据的质量进行评估的目标。

基于惯性的轨道平顺性动态弦测法研究

高速铁路轨道平顺性直接影响列车运行安全性及舒适性,而弦测法则是指导轨道高低、轨向不平顺养护维修的直接方法,其结果可直观指导轨道精调。针对静态弦测法效率低、工作量大及动态惯性基准法难以在现场直观找到测量基准的问题,提出基于惯性的轨道平顺性动态弦测法。首先,基于惯性测量方法构建轨道平顺性动态短弦弦测值,通过矩阵推演动态长弦弦测值,并在国内主流GJ-6型轨道检测系统上实现应用;然后,分析动态弦测法误差来源,提出误差标准差计算式,得出动态弦测法误差标准差随基本弦长倍数成1.5次方增加;最后,通过轨道检测综合试验标定台模拟轨道不平顺激励验证10和20 m动态弦测值的稳定性。结果表明:10和20 m动态弦测值与等波长空间曲线幅值的平均倍比关系分别为2.007和2.045,符合中点弦测特性,可为轨道动静态检测关联分析提供理论及试验基础。

高速铁路动检车轴箱加速度与轮轨力数据里程对齐研究

高速铁路动检数据对轨道养护维修具有重要意义,其中轴箱加速度和轮轨力是两种能够反映轨道短波不平顺信息且相互关联的高频采样数据。然而,这两种数据之间存在里程误差,以至于在评价轨道平顺性时无法建立参考基准。现有的动检数据里程修正方法大多需要结合线路台账信息,主要针对轨道几何不平顺数据的里程对齐,鲜有适用于无线路超高信息且高频采样下的轴箱加速度和轮轨力里程对齐方法。提出一种二阶段窗长收敛的里程误差修正模型,结合线性插值方法调整全局波形。根据某高速铁路实测轴箱加速度、轮轨力数据修正结果表明:该线路区间的里程误差在第一阶段修正后从1 km左右减小至42 m以内,经第二阶段精确修正后误差在99.7%的置信度下可控制在1.55 m以内。数据能量趋势结果表明,修正后轴箱加速度、轮轨力数据趋势线性相关性在全区段显著提升。

铁路基础设施动态检测系统计量保证方案研究

由于现行的检测系统量值溯源方法不能满足铁路基础设施动态检测系统检测发展的需求,针对高速综合检测列车及各类专业检测车提出一套系统、完整、有效的检测系统计量保证方案(MAP),以保障高速铁路基础设施动态检测系统的检测能力。介绍MAP的原理和实施流程,MAP针对不同检测系统被测对象的差异采用2种方式:对于传递标准和核查标准可以作为可移动装备送往检测车辆;对于传递标准为固定设施不能移动,同时由于检测车辆不能频繁调往检测中心实验室,核查标准将以另一辆通过检定的车辆以比对的方式进行。并介绍2种方式的实施过程和检测系统计量保证实施的项目和要求。

高速铁路线路轨面坡度及竖曲线半径动态测量方法及应用研究

为揭示高速铁路线路纵断面参数变化,以及和轨道不平顺、路基大桥沉降关系,针对国内尚无轨道纵断面参数动态检测装备,提出基于惯组的轨面坡度及竖曲线半径动态测量方法。首先,建立转向架构架及惯性坐标系,并以重力加速度、水平加速度极小相关性为基准对齐两坐标系;其次,基于转向架构架纵向加速度解算轨面坡度,并补偿列车俯仰运动及与轨道平面纵向倾角误差;然后,以坡度测量值为基础解算竖曲线半径;最后,以高速综合检测列车为平台,在国内某新建高速铁路实车试验。结果表明:坡度和竖曲线曲率重复性偏差绝对均值分别为0.07‰、0.71×10^(-3)rad/km,极差分别为0.22‰、0.005 rad/km。

强震区含空洞高速铁路隧道刚柔相济减震效果研究

为提高强震区含空洞铁路隧道衬砌的安全性,采用检查车对19座高铁隧道背后空洞进行测试,借助数值模拟研究刚柔相济措施在强震区含空洞隧道的应用效果。研究结果表明:高铁隧道素混凝土区段空洞最易出现在拱顶,频率为0.82;含空洞高铁隧道采用柔性减震措施时,安全系数提高34.49%~39.36%;采用刚性抗震措施时,安全系数提高20.34%~32.66%;采用刚柔相济措施时,安全系数提高35.65%~51.15%;综合位移、地震动峰值加速度、结构内力,刚柔相济措施在强震区含空洞高铁隧道的应用效果最优。研究结果可为强震区含病害高铁隧道抗震设防提供参考。

动车组车内噪声OTPA分析研究

分析工作模式下的传递路径分析的原理和方法,利用激励点和目标点的响应分析,得到各激励源对响应点的贡献量,并在动车组中进行试验及数据分析验证。动车组转向架区域的牵引电机、齿轮箱、轴箱,设备舱区域的牵引电机、牵引风机、牵引变压器,以及车体表面的气动噪声为主要激励源,用客室端部噪声点作为目标响应点,较准确地计算出动车组激励源的噪声贡献量。该研究可为动车组的结构优化和减振降噪提供数据支撑。