轨道几何状态检测异常数据实时智能识别

受外界干扰、数据传输、传感器信号偏移等因素影响,轨道几何状态检测数据会产生异常峰值超限,影响现场检测人员工作效率。考虑到异常数据样本较少的不利因素,本文基于轨道几何检测系统传感器正常数据,通过消除数据趋势项,提取时序数据多维特征组成训练集,训练并构建了基于单分类支持向量机的异常数据智能识别模型。运用该模型对某地铁轨道几何检测系统单边位移的时序数据进行预处理、特征提取和智能分类,试验验证了其识别效果。结果表明:该方法识别效果好,误报率低,异常数据识别准确率高,且具有轻量化、易部署的特点,可满足轨道几何检测系统实时检测要求。

轨道几何状态检测基本原理和检测技术研究

为了及时对列车反复荷载作用下轨道几何形位状态进行检测,各国的铁路管理部门采用了轨检车和计算机处理技术来随时掌控其状态变化情况,并制定了具体的评价标准。通过简要介绍轨道几何状态检测的基本原理,并以轨检小车为例,对检测技术进行了具体分析,以期更加科学地开展轨道几何状态检测工作,并实现科学化和自动化管理。

高速铁路轨道几何状态控制指标及检测技术探讨

结合国内外的运用情况,对钢轨精调存在的问题、轨道检测控制指标及检测技术进行探讨,以期建立轨道几何状态质量的评判标准,提高检测效率,更好地控制轨道几何状态,满足高速列车对轨道平顺性的要求。

南昌铁路局线路单元质量评价方法

介绍南昌铁路局先后尝试的3种线路单元质量评价方法。基于统计推断技术,利用大量动检、轨检数据对这3种方法进行对比分析,阐述每种方法的优缺点,建议采用基于最差单项指标的单元质量评价方法。利用南昌局管内3条线路的检测数据,应用统计学方法验证了所建议的线路单元质量评价方法的适用性。