基于特征聚类的轨道不平顺潜在病害辨识

研究目的:轨道不平顺潜在病害隐蔽性强,对其准确合理辨识是开展预防修策略下线路养护维修作业的前提。本文以轨检数据为基础,分别构造了以轨道质量指数(TQI)和轨道不平顺幅值为对象的潜在病害辨识指标。在此基础上,基于k-means++聚类算法和手肘法通过判定样本最佳聚类簇数实现潜在病害的识别及定位。依托某有砟铁路动检数据对所提轨道不平顺潜在病害辨识方法进行了验证。研究结论:(1)对于均值管理来说,在16 km连续轨道区段上2处区段单元潜在病害被准确识别,其历史最大TQI值分别约为5.5 mm、5.3 mm,且潜在病害定位结果与实际里程基本吻合;(2)对于峰值管理来说,在500 m连续轨道区段上2处局部不平顺潜在病害也被准确识别,其历史最大幅值约为3 mm、3.3 mm,潜在病害定位结果与实际里程基本吻合;(3)本研究成果可与大机捣固作业、人工精调作业相结合,为预防修策略下的潜在病害整治提供辅助参考。

基于改进非等时距灰色模型与PSO优化的轨道不平顺预测

基于轨道动检数据开展的轨道不平顺预测研究,可用于指导以预防为主的养护维修作业。将改进非等时距灰色模型与粒子群优化(Particle Swarm Optimization,PSO)相结合来实现轨道质量指数(Track Quality Index,TQI)的高精度预测。在考虑TQI原始动检数据特征的基础上增加原始数据平滑优化、累加初始值优化和背景值优化等环节提出改进非等时距灰色模型。利用PSO算法的启发式搜索优势,以平滑优化参数、初始值优化参数、背景值优化参数为搜索目标,以预测平均相对误差为适应度函数,实现预测模型参数的自适应优化。在此基础上,基于优化参数计算得到拟合区间和外推区间上的TQI预测结果。选取沪昆线上行区段实测TQI数据对本文方法进行验证,并与既有TQI组合预测模型的预测结果进行了对比。研究结果表明,模型可有效捕捉TQI序列中的随机波动与实时演变趋势,在外推区间上的平均相对误差分别为2.04%和2.54%,预测性能优良;当TQI序列振荡特性显著时,本模型仍能保证预测结果的可靠性;与组合预测模型相比,该模型规避了残差修正、多算法融合等繁琐步骤,可通过有限优化环节提升预测精度,为轨道不平顺预测提供一种新方法。

有砟高铁大机捣固质量相关性及敏感波长研究

研究目的:我国设计速度为250 km/h的新建高速铁路以有砟轨道为主,在联调联试前通过精捣作业能够有效改善线路几何形位,满足轨道平顺度要求。本文通过分析某新建高速有砟高铁精捣作业数据,研究精捣作业下大机捣固各捣次作业质量的相关性规律,在此基础上借助带通滤波及中点弦测法分析不同波段下的作业质量相关性,揭示波长对精捣作业质量相关性的影响。研究结论:(1)在大机捣固过程中,每次捣固的方案作业量与实际调整量间均呈现出一定的线性相关性,可通过线性回归模型进行近似拟合,以指导工程实践;(2)在一捣至五捣作业中,大机作业质量相关系数呈下降趋势,一捣作业相关系数变化范围最小,且一捣实际调整量数值最大,其作业效果最为稳定;(3)随着不平顺波长的增加,在长波范围内线形调整与大机作业质量相关性较强,可通过起拨量来控制长波不平顺。

世界各国铁路轨道质量指数对比研究

研究目的:作为轨道不平顺的重要评价指标,轨道质量指数被世界各国广泛应用于铁路工务管理中。本文简要介绍了中、英、美、日、加、印、波七国的轨道质量指数计算办法,分析对比各国轨道质量指数的特点及异同。在此基础上,采用实测轨检数据研究轨道质量指数的局部波动和单项几何缺陷敏感性。研究结论:(1)世界大多数国家采用标准差作为轨道不平顺的基础统计指标,以此基础发展的轨道质量指数计算方法略有差异;(2)与其他国家相比,我国TQI指数、波兰J指数和美国TRI指数均能敏锐捕捉局部范围内不平顺波动情况,具有较强的局部波动敏感性;(3)对于轨道综合质量指标来说,我国TQI指数和波兰J指数能够充分反映不平顺单项几何缺陷所带来的影响,具有较强的单项几何缺陷敏感性;(4)本文研究成果对指导养护维修作业、提高质量控制标准具有重要意义。

基于GM(1,1)模型与相关向量机的轨道不平顺区间预测

为开展以预防修为主的养护维修作业,联合GM(1,1)灰色模型与相关向量机(RVM)算法,提出一种预测轨道不平顺演化区间的GM(1,1)-RVM组合模型;结合轨道质量指数(TQI)的振荡演变特性,通过二次-对数复合函数平滑优化和序列权重优化改进了GM(1,1)模型,通过粒子群优化(PSO)算法对待优化参数进行搜索确定,并在此基础上计算点的预测值;构造以点预测值为输入,以TQI实测值为输出的样本特征映射模式,引入5折交叉验证环节优化与训练了RVM模型的组合核函数;通过GM(1,1)模型与RVM模型间的输入-输出衔接机制集成了组合预测模型,并以某有砟线路中的2个区段为实例检验了轨道不平顺区间的预测效果。研究结果表明:与既有预测模型相比,改进GM(1,1)-RVM组合模型可得到预测区间的均值和方差,从而将预测结果从单点数值扩充到预测区间;2个区段实例在外推区间上的点预测结果与TQI真实值相比,平均百分比误差分别为1.53%和4.67%,较支持向量回归(SVR)模型分别降低了0.58%和0.61%,较GM(1,1)-反向传播神经网络(BPNN)模型分别降低了0.15%和1.87%;改进GM(1,1)-RVM组合模型在90%、95%和99%三种置信度下的最大平均预测区间宽度分别为0.3245、0.3879和0.5105 mm,最低预测区间覆盖率分别为91.67%、95.83%和95.83%,预测区间基本涵盖了外推区间内的TQI演化数据。可见,利用预测的均值和方差构造区间边界可有效把控轨道不平顺演变过程中的随机波动,为轨道不平顺预测提供了一种新思路。