基于希尔伯特-黄变换的地铁整体道床局部脱空识别

为探讨一种基于车轨实时振动的地铁整体道床局部脱空的快速检测方法,通过对脱空发生前后的车轨敏感振动信号进行希尔伯特-黄变换(HHT),从变换谱中提取信息帮助识别整体道床局部脱空长度及起点位置。研究结果表明:1)车体、转向架和道床的竖向加速度对地铁整体道床局部脱空最为敏感;2)对这3种竖向加速度进行HHT变换后发现,道床竖向加速度的HHT变换谱难以直接判断整体道床局部脱空,而车体竖向加速度和转向架竖向加速度的HHT变换谱在局部脱空区域具有显著变化,可根据HHT变换谱的能量值变化幅度定性判断整体道床的局部脱空长度;3)当列车行驶到脱空区域,车体竖向加速度和转向架竖向加速度的HHT频率谱线将出现显著波动,结合列车速度以及脱空情况下HHT变换谱频率曲线极小值所对应的时刻,可判断出整体道床局部脱空的起点位置。

交通结构病害监测中的智能算法研究

交通基础设施是国家经济社会发展的基础和必备条件。随着服役期限的增长,交通结构在外部环境和荷载作用的共同影响下,会不可避免地出现损伤或病害,造成一定的经济损失,甚至引发严重的安全事故,因此交通结构的健康监测在交通工程领域起着至关重要的作用。近年来,随着大数据时代的到来以及人工智能技术的发展,一些智能算法如卷积神经网络、支持向量机、遗传算法等也被用于解决交通结构病害监测问题。文章综述了智能算法在隧道、桥梁、高速铁路等交通基础结构病害监测中的研究与应用情况,并对目前存在的问题及未来趋势进行了简要总结。

基于轨道振动的CA砂浆层劣化识别研究综述

CA砂浆层是无砟轨道连接轨道板与底座板的关键结构层,在列车荷载和温度等因素的影响下,CA砂浆层难以避免会出现离缝、脱空等劣化现象,严重时会显著增加轨道的振动响应,影响列车安全运营。文中从理论研究、有限元分析、试验研究3个方面回顾了CA砂浆层劣化对轨道振动的影响研究,综述基于轨道振动的CA砂浆层劣化损伤识别方法,主要包括冲击回波无损检测、探地雷达法、弹性波法、机械阻抗法和传感器检测,以及3种数据处理思路,结构模态参数分析、动力响应和机器学习。最后,在文献调研的基础上对研究现状进行了简要总结,指出了现有研究的不足,并提出了关于CA砂浆层劣化识别方法的思考与建议。

地铁隧道整体道床轨道脱空对车轨振动的影响

地铁盾构隧道整体道床轨道脱空已成为影响地铁安全运营的重要因素。为揭示整体道床局部脱空对于车轨振动性能的影响,基于车辆-轨道耦合动力学理论,建立了地铁列车-整体道床轨道-隧道衬砌-地基二维垂向耦合模型,运用模态分析法和Newmark法求解并分析了不同脱空长度和列车速度下的地铁车轨振动响应。研究结果表明:地铁隧道整体道床局部脱空对车体、转向架、轮对等部位的加速度响应影响显著;车体竖向加速度、钢轨位移和道床位移等振动幅值随脱空长度的增长而增大,可作为道床脱空监测的敏感振动指标,且随着地铁运行速度的增加,车体竖向加速度幅值的增长速度显著加大。