-
题名高速铁路减振型无砟轨道扣件弹条疲劳损伤差异性研究
被引量:5
- 1
-
-
作者
刘玉涛
王豪
段玉振
亓伟
-
机构
中铁第四勘察设计院集团有限公司
铁路轨道安全服役湖北省重点实验室
西南交通大学
济南轨道交通集团建设投资有限公司
北京城建设计发展集团股份有限公司
成都工业职业技术学院现代轨道交通应用技术研究中心
-
出处
《铁道标准设计》
北大核心
2020年第10期8-13,23,共7页
-
基金
中铁第四勘察设计院集团有限公司科技研究计划重点课题(2018K126)
湖北省博士后创新岗位资助项目。
-
文摘
为研究高速铁路减振型无砟轨道扣件弹条疲劳损伤的差异性,以减振型双块式无砟轨道为例,建立车辆-轨道耦合系统动力学模型,计算168块单元式道床板板端、板中与板尾扣件弹条的疲劳损伤,并对其进行概率统计分析。结论为:(1)板端扣件弹条最大应力较板中扣件增加12 MPa,弹条最小应力较板中扣件减小6 MPa;(2)弹条应力循环中存在两个幅值较大的循环、两个幅值中等的循环和数量较大而幅值较小的循环,板端错台使得板端扣件弹条大循环的应力幅值较板中扣件增加18%,除此之外,还增加一些幅值在10~40 MPa的应力循环;(3)板中扣件弹条疲劳损伤平均值为1.3×10^-8,板端扣件弹条疲劳损伤平均值为2.0×10^-7,约为板中扣件的15.4倍,板尾扣件弹条疲劳损伤平均值为4.3×10^-8,约为板中扣件的3.3倍,需采取措施减小板端、板中和板尾扣件弹条疲劳损伤的差异性。
-
关键词
高速铁路
减振型无砟轨道
扣件弹条
疲劳损伤
概率分布
-
Keywords
high speed railway
low vibration ballastless track
fastener clips
fatigue damage
probability distribution characteristics
-
分类号
U213.5
[交通运输工程—道路与铁道工程]
U213.2+44
[交通运输工程—道路与铁道工程]
-
-
题名有砟轨道与无砟轨道垂向振动纵向传递特性差异研究
- 2
-
-
作者
亓伟
曹勇
陈建男
赵振航
莫宏愿
-
机构
成都工业职业技术学院现代轨道交通应用技术研究中心
西南交通大学高速铁路线路工程教育部重点实验室
中铁二院工程集团有限责任公司
-
出处
《铁道标准设计》
北大核心
2020年第2期30-34,共5页
-
基金
国家杰出青年科学基金(51425804)
国家自然科学基金“高速铁路基础研究联合基金”重点支持项目(U1334203&U1234201)
-
文摘
有砟轨道-无砟轨道过渡段存在大量的轨道病害问题,静力学分析与时域内的动力学分析未发现两种轨道间的差异与轨道病害间的关系。根据建立的两种轨道力学模型对比分析两种轨道结构各频段的垂向振动纵向传递特性,得出:轨道垂向振动纵向传播距离与所受荷载激振频段有关。低频段(100 Hz以下),有砟轨道的振动传播距离小于无砟轨道。中频段(100~1 500 Hz),两种轨道的振动传播距离均大幅增加,且有砟轨道的传播距离小于无砟轨道。高频段(高于1 500 Hz),两种轨道纵向传播距离随激振频率增加迅速减小,且有砟轨道的振动传播距离大于无砟轨道。为更好地实现有砟轨道与无砟轨道间动力特性过渡,建议在过渡段设计中减小轨道各部件间的差异,线路养护维修中根据线路设计速度区别控制过渡段两侧轨道几何不平顺。
-
关键词
有砟轨道
无砟轨道
动刚度
振动传播
激振频率
-
Keywords
ballasted track
ballastless track
dynamic stiffness
vibration propagation
excitation frequency
-
分类号
U213.2
[交通运输工程—道路与铁道工程]
-
-
题名高速铁路无砟轨道扣件弹条疲劳损伤统计分析
被引量:4
- 3
-
-
作者
刘玉涛
段玉振
王豪
亓伟
-
机构
中铁第四勘察设计院集团有限公司
铁路轨道安全服役湖北省重点实验室
西南交通大学
北京城建设计发展集团股份有限公司
济南轨道交通集团有限公司
成都工业职业技术学院现代轨道交通应用技术研究中心
-
出处
《铁道标准设计》
北大核心
2021年第2期42-46,53,共6页
-
基金
中铁第四勘察设计院集团有限公司科技研究计划重点课题(2018K126)
湖北省博士后创新岗位资助项目。
-
文摘
线路运营过程中,在扣件螺栓预紧力、弹条材料强度和轨道不平顺等随机性因素影响下,扣件弹条折断存在一定随机性。对扣件弹条折断的随机性进行研究,掌握扣件弹条疲劳损伤的概率分布特征,对工务部门制定扣件弹条的更换维修计划十分重要。为此,以高速铁路单元双块式无砟轨道为例,建立车辆-轨道耦合系统动力学模型,计算100块单元式道床板板端、板中与板尾扣件弹条的疲劳损伤,并对其进行概率统计分析,研究不同通过轴重下扣件弹条的折断概率,结论为:(1)单元式道床板板端、板中和板尾扣件弹条的疲劳损伤都服从对数正态分布,板端和板尾扣件的数学期望与方差相差不大,板中扣件的数学期望为板端与板尾扣件的2.1~2.4倍,方差为板端与板尾扣件的7.7~14.2倍;(2)对三者的疲劳损伤进行统计分析可知, 4车编组通过造成的扣件弹条疲劳损伤服从数学期望为2.44×10^(-7),方差为2.39×10^(-12)的对数正态分布;(3)高速铁路WJ-8型扣件弹条在累计通过轴重1 100 Mt以下具有极高的可靠性,建议累计通过1 100 Mt前将扣件弹条全部更换。
-
关键词
高速铁路
无砟轨道
扣件弹条
疲劳损伤
概率分布
-
Keywords
high speed railway
ballastless track
fastener clips
fatigue damage
probability distribution characteristics
-
分类号
U213.53
[交通运输工程—道路与铁道工程]
-
-
题名轨距对轨道结构受力特性的影响
被引量:1
- 4
-
-
作者
亓伟
曹勇
赵振航
莫宏愿
-
机构
成都工业职业技术学院现代轨道交通应用技术研究中心
西南交通大学高速铁路线路工程教育部重点实验室
中铁二院工程集团有限责任公司
-
出处
《铁道建筑》
北大核心
2020年第5期131-134,共4页
-
基金
国家自然科学基金(51778543)。
-
文摘
"一带一路"沿线国家的铁路轨距存在差异,这使得列车行驶过程中产生更大的线路不平顺,同时轨道部件的拉、压应力的变化对轨道部件的使用寿命造成影响.通过建模分析可知:轨距变化主要影响轨枕、道床的位移与受力,对钢轨的影响较小.轨道各部件的位移在标准轨距时较小,与标准轨距时相比,轨枕的位移最高增加了300%,道床的位移最高增加了38%,而钢轨竖向位移最大增量仅为4%.不同轨距下的轨道部件拉、压应力存在较大差异,轨枕拉应力最大增加了59%,道床的拉应力最大增加了214%,轨枕的压应力最大增加了55%,道床的压应力最大增加了312%,而钢轨拉、压应力无变化.为改变轨距对轨枕与道床的位移、拉应力、压应力影响,延长轨道部件的使用寿命,需在轨距过渡处合理设置轨道刚度过渡.
-
关键词
有砟轨道
变轨距
轨道结构
受力特性
刚度过渡
-
Keywords
ballast track
gauge-changeable
track structure
mechanical characteristics
stiffness transition
-
分类号
U211.3
[交通运输工程—道路与铁道工程]
-
-
题名基于深度学习的公路路面病害智能化检测系统
被引量:6
- 5
-
-
作者
余俊
吴海军
王武斌
张宗堂
-
机构
成都工业职业技术学院现代轨道交通应用技术研究中心
湖南省交通科学研究院有限公司
西南交通大学陆地交通地质灾害防治技术国家工程实验室
湖南科技大学岩土工程稳定控制与健康监测湖南省重点实验室
-
出处
《公路工程》
2022年第5期71-77,共7页
-
基金
国家自然科学基金项目(51909087)
2018年度中铁建科技重大专项(2018-A01)。
-
文摘
公路交通对国家政治、经济发展有着重大的作用。随着公路的快速发展,公路安全问题也应得到更多关注和维护。传统的公路路面病害人工检测法效率低下且准确率低,因此,提出了基于深度学习的公路路面病害智能化检测系统。首先,在异常检测阶段,构建卷积编码器从大量公路路面图像中提取出病害图。其次,在异常提取阶段,利用阈值分割法提取公路路面病害特征。最后,在公路路面病害分类阶段,利用ResNet结构训练模型来确定公路路面病害所属的分类。结果表明,该方法一次模型训练约3 min,且分类准确率在90%以上。
-
关键词
路面病害
智能检测系统
深度学习模型
-
Keywords
road pavement diseases
intelligent detection system
deep learning models
-
分类号
U418.6
[交通运输工程—道路与铁道工程]
-
-
题名基于深度学习的沥青路面坑槽量化方法
被引量:2
- 6
-
-
作者
余俊
吴海军
王武斌
张宗堂
-
机构
成都工业职业技术学院现代轨道交通应用技术研究中心
湖南省交通科学研究院有限公司
西南交通大学陆地交通地质灾害防治技术国家工程实验室
湖南科技大学岩土工程稳定控制与健康监测湖南省重点实验室
-
出处
《公路工程》
2022年第4期95-102,共8页
-
基金
国家自然科学基金项目(51909087)
2018年度中铁建科技重大专项(2018-A01)
湖南科技大学岩土工程稳定控制与健康监测省重点实验室开放基金资助项目(E21807)。
-
文摘
由于超载、过度使用和缺乏维护等原因,道路表面容易损坏出现坑槽。提出了一种使用廉价的深度摄像头的基于深度学习的沥青路面坑槽量化方法。首先,根据检测到的道路坑槽的位置和深度信息,使用RANSAC算法识别并分割道路表面。然后,创建了带标签数据库,利用Faster R-CNN进行训练、验证和测试。该方法可以不受传感器与检测目标之间距离的影响,实现路面平面的拟合,并依靠RGB-D传感器的输出来识别和量化多个道路坑槽体积。最终结果表明,模型AP值可达90.79%,且对于单个坑槽测量体积,平均精度误差值低于10%。
-
关键词
道路坑槽
体积量化
Faster
R-CNN
深度传感器
-
Keywords
potholes in asphalt pavement
volume quantification
faster R-CNN
deep sensor
-
分类号
U418.6
[交通运输工程—道路与铁道工程]
-