基于模型和数据驱动的高速道岔不平顺与车辆响应映射关系

轨道不平顺是影响高速铁路车辆响应的主要因素。本文建立了车辆-道岔-下部基础刚柔耦合动力学模型,基于贝叶斯优化的双向长短时神经网络模型(BO-BiLSTM),分别从机理建模和数据驱动两个方面,揭示了高速道岔不平顺与车辆响应的映射关系。研究结果表明:转辙器区和辙叉区短波长(3~5 m)的高低不平顺和水平不平顺会显著影响列车过岔时轮轨的垂向作用,造成轮轨垂向力和轮重减载率的激增,列车有较大的脱轨安全风险。利用BO-BiLSTM模型,对于高低和水平不平顺,可实现对波长2 m以上不平顺的准确估计;对于轨向和轨距不平顺,可实现波长3 m以上不平顺的准确估计;对于三角坑不平顺,可实现波长1.5 m以上不平顺的准确估计。

高速转向架小幅蛇行运动状态下过道岔研究

针对高速列车系统在小幅蛇行失稳状态下通过道岔的问题,建立高速转向架横向运动模型,采用国内18号高速道岔结构参数建立道岔不平顺激励模型,计算了转向架在小幅蛇行失稳状态下以不同速度通过道岔的轮对横移量,并与平稳状态下进行对比分析;分析结果表明:小幅蛇行失稳状态下通过道岔与进岔时的蛇行振幅有关;振幅较小时,与平稳状态下过道岔基本一致,安全过岔速度为道岔允许速度;振幅较大时,会在道岔允许通过速度以内出现小幅蛇行发散至标准蛇行失稳的情况,安全过岔速度低于道岔允许时速;建议在过道岔前对小幅蛇行运动的进行在线监测,通过小幅蛇行状态合理设置过道岔速度。