基于轨检车历史数据的轨道不平顺预测

由轨检车检查得到的大量轨道几何尺寸的历史数据,可以挖掘出轨道不平顺发展背后的潜在规律。从已有的历史数据的角度出发,以数据驱动的方式为出发点,得出轨道不平顺的发展趋势,可以做到对轨道质量指数的合理预测;若单纯从某一理论方法出发进行研究,实际观测数据不一定都能符合其结果。基于已有的历史数据出发,寻找最为匹配的规律,为轨道恶化趋势的预测提供新思路。研究结论如下:(1)提供了对轨道质量预测的新思路,预测结果的置信度可达到约92%;(2)基于已有的原始数据,匹配得出的分布函数中的系数根据实际情况的变化而变化,可包容被测轨道的不同个性;(3)轨道质量指数的增长与时间的关系是一种理论上循环的非线性关系。     

铁路轨道高低不平顺的预测方法

轨道变形是有碴轨道结构无法避免的 .通过轨道不平顺的描述 ,预测轨道不平顺的变化规律是近代轨道力学的基本课题 ,也是制定养护维修计划的关键 .据此在介绍轨道不平顺的分类和分析国外有关轨道高低不平顺预测模型的基础上 ,提出一个利用特性矩阵描述轨道变形并进行预测的方法 .这一方法利用动态实测数据 ,全面反映不平顺的影响因素 ,适合于不同的线路条件     

基于改进灰色-马尔可夫链的轨道不平顺发展预测方法

轨道不平顺的发展受轨道、荷载、自然等因素的影响,它们的综合作用使轨道不平顺的发展过程呈现出趋势性和随机性特征.将灰色GM(1,1)预测理论与马尔可夫链预测理论相结合,提出一种适应轨道系统的改进灰色-马尔可夫链组合预测模型.新模型较好地处理了轨道系统内部各种不确定因素的影响,并能够充分挖掘历史数据给予的信息.应用新模型对轨道质量指数TQI进行实例计算,表明其具有很好的预测精度.     

影响轨道不平顺质量指数因素解析

本论文对轨道不平顺质量指数TQI(Track Quality Index,简称TQI)的定义和计算方法进行叙述,并列举影响TQI几种常见因素,分析其对TQI的影响,最终建议管理者理性看待TQI,合理的做出对线路的整体评价。     

考虑轨道不平顺随机性的车轨耦合系统动力可靠度分析

将轮轨力预估格式的迭代求解方法与子集模拟法相结合,给出了一种考虑轨道不平顺随机性的车轨耦合系统动力可靠度求解方法,从提高确定性响应求解效率和减少确定性响应求解次数两方面,提高了系统可靠度求解效率.算例以CRH2新造动车组为研究对象,获得车辆在直线轨道上的横向平稳性指标和曲线通过时的车轮脱轨系数分别超出各自限度值的失效概率.通过与直接Monte Carlo模拟(DMCS)对比,验证了所给方法的计算精度和效率.同时研究了不同波长范围内的随机轨道不平顺对车辆系统动力可靠度的影响,获得了与已有研究文献较为一致的规律,进一步验证了方法的正确性.     

沪宁线轨道不平顺谱的分析

对国外不平顺标准谱和我国轨道不平顺统计谱进行对比,根据沪宁线的线路不平顺检测数据进行谱分析,得出沪宁线的轨道不平顺谱与美国5级铁路的不平顺谱相接近,但方向不平顺谱值较大.利用相干函数分析轨道不平顺与车体垂向和水平振动之间的关系,得出垂向振动有两个主要振动频率,其中一个频率的振动与轨道不平顺相干度较高,车体水平振动加速度有一个振动主频,也与轨道的水平不平顺具有较高的相干性.最后,建议将轨道不平顺谱作为控制轨道质量的指标之一.     

轨道不平顺功率谱拟合分析方法

对国内外轨道不平顺谱作了简要的对比，并对实测轨道不平顺谱及其拟合谱的分析方法作了较为详细的介绍．首先说明了功率谱分析的必要性；然后就国内外不同的标准谱进行比较，再次，介绍了数据处理软件对功率谱的基本算法，并重点介绍了拟合谱的计算方法；最后，结合沪杭线的实例，利用该软件将实测数据拟合成功率谱，并与国内外现有的功率谱进行对比分析．     

客运专线轨道不平顺功率谱分析

轨道不平顺是车辆振动的主要激扰源,也是限制列车最高运行速度的主要因素之一,直接关系到列车运行的平稳性、安全性和舒适性。文章以秦沈客运专线轨检车实测轨道不平顺数据为统计样本,基于样本平稳性检验,采用FFT方法进行样本空间的谱估计,并由MATLAB编程得到轨道不平顺谱密度。基于轨道不平顺样本的总体平均,得出了谱密度频率平滑曲线和谱密度曲线拟合表达式,并与我国重载提速干线的谱密度曲线进行了对比分析。在此基础上,对秦沈客运专线的轨道状态进行了评估。     

基于Fast-MCD的自适应建模探索轨道不平顺劣化

掌握轨道不平顺劣化模式是实现预测性维修的基础,根据维修作业日期划分轨道不平顺劣化过程是探索其劣化模式的前提.作者之前提出了一套算法实现轨道不平顺劣化自适应分段建模,为提高该算法的效率和准确度,该文基于Mahalanobis距离提出了双层快速最小协方差行列式(fast minimum covariance determi...     

地铁轨道不平顺状态的监测与预警

在客流量和客运量高速化的背景下,轨道线路作为地铁运营的基本设施,其不平顺状态直接影响到行车的安全性和舒适性。以北京地铁9号线为例,采用光纤光栅传感器对典型区段的轨道不平顺状态进行监测,运用数理统计的方法对监测数据进行权重统计和超限分析,结合数据特征提出一种将灰色模型和粒子群算法优化Elman神经网络的组合预测方法,并利用监测的轨道不平顺七项参数对模型的效果进行验证。结果表明该模型的预测效果均优于单一灰色模型,在平均相对误差、均方根误差、决定系数和相关系数上具有较高的预测精度,可以实现对各单项指标的超限预警,更好地监控轨道质量的发展状况。     

捣固与打磨复合作业下有砟轨道几何不平顺预测模型

轨道几何不平顺的预测是铁路部门实现由周期修到状态修转化的基础,也是制定养修策略的关键。然而现有预测模型计算比较复杂且鲜有考虑捣固、打磨等复合作业对轨道不平顺的影响。为提升其运算效率与预测精度,考虑了不同作业区段的差异性,以有砟轨道几何不平顺恶化函数、捣固打磨作业下的恢复函数为研究对象,采用数值拟合等方法,形成了各区段特有的恶化矩阵,建立了捣固与打磨复合作业下的有砟轨道几何不平顺预测模型。利用京沪线相关里程数据进行预测分析,结果表明,所建立的模型有效,结果满足现场预测需求。     

基于改进EMD方法的轨道不平顺时频分析

经验模态分解法(EMD)的端点效应是影响该方法精度的难点问题,结合端点效应的产生原理和现有研究成果,采用镜像闭合延拓法和灰色神经网络预测法相结合的方法对信号两端的包络进行延拓;通过对仿真信号和实际信号的分析表明,该方法可以有效抑制EMD方法的端点效应.利用改进的EMD方法对提速干线铁路和客运专线铁路实测轨道不平顺信号进行研究,结果表明:京广提速干线铁路样本段轨道不平顺存在着不同程度的短波和中长波不平顺,而武广高速铁路样本段轨道不平顺主要分布于中长波区段.改进EMD方法为保障铁路安全运营提供了一种新的途径.     

考虑轨道几何不平顺的钢轨裂纹萌生与磨耗共存预测

在钢轨裂纹萌生和磨耗发展共存预测方法的基础上,考虑了轨道几何不平顺对轮轨接触位置分布、磨耗和疲劳损伤的影响,引入轮轨接触点在钢轨上的分布概率,分散了钢轨的磨耗和疲劳累积.分析结果表明:考虑轨道几何不平顺的情况下,轮轨接触点的分布范围和概率随着磨耗和型面变化而变化,钢轨表面磨耗和内部疲劳损伤分布范围均加宽,而损伤速率降低.预测得到800 m曲线半径外轨在裂纹萌生前的平均磨耗发展率为3.813 1μm·万次~(-1),相较未考虑不平顺的结果降低了15.92%.裂纹萌生寿命预测结果为318 292次,相较未考虑不平顺的预测结果增大了14.66%.裂纹萌生点的位置比未考虑不平顺时略远离钢轨中心.     

轨道不平顺速度项对车桥动力响应的影响分析

轨道不平顺的速度项对车桥动力响应的影响，在以往车桥耦合振动分析中往往被忽略．首先阐述轨道不平顺速度项的概念和求解方法，然后对是否考虑轨道不平顺速度项所产生车桥振动响应的结果进行了分析比较．结果表明，两种计算差别比较显著，考虑轨道不平顺速度项的分析结果与实测数据更为接近．     

GPS数据驱动的车辆跟驰行为建模与分析

为研究道路交通流特性,基于车载高精度GPS跟驰试验数据进行车辆跟驰建模研究,结合深度学习理论和数据驱动方法,构建了基于粒子群优化(particle swarm optimization, PSO)的长短期记忆(long short term memory, LSTM)车辆跟驰模型。首先,清洗和平滑车辆轨迹数据,并对驾驶特征行为参数及相关关系进行研究,如加速度、车头时距以及速度与跟驰距离特性关系等。在此基础上,制定跟驰状态筛选规则;其次,构建考虑时间序列的PSO-LSTM模型,识别跟驰数据样本集,将当前时刻的前车速度、车头间距和上一时刻的车头时距作为模型输入,预测当前时刻的跟驰车速度;接着,选用25辆车跟驰试验的高精度GPS数据验证PSO-LSTM模型性能;最后,为验证该模型的优越性,选用传统机器学习SVR(support vector regression)模型以及深度学习LSTM模型作为对比。结果表明,基于粒子群优化的长短期记忆模型预测精度高达0.993,整体预测效果高于SVR模型和LSTM模型,其中预测误差指标MAPE(mean absolute percentage error)较SVR和LSTM分别降低了60.02%、1.52%。PSO算法进行超参数优化后的PSO-LSTM模型,能更好地模拟车辆的跟驰行为。     

融合多源数据的股指预测研究

金融市场中股票价格的变动受到多方面因素的影响,如何更好地利用更多的大数据为投资决策进行服务始终是各方研究的重点。本研究以沪深300指数为研究对象,采用图像化处理的方式融合财经新闻、市场交易数据和技术指标等多源异构数据,建立了卷积神经网络模型,对未来不同时间长度的股指图像数据进行涨跌预测。通过对模型结构的稳健性检验,使用60天融合新闻情绪、技术指标与股价三类图片的三层图片预测模型,预测股指未来5天后的涨跌样本外准确率可达65.2%。融合多源数据后的图片数据能够丰富单一的股价数据,从而提升了模型的预测准确率。通过与传统的线形模型、LSTM循环神经网络模型及其他经典卷积神经网络模型比较,本研究构建的预测模型在样本外预测效果最佳,表明本研究构建的基于多源异构数据的图片预测模型在股指预测中具有可行性和一定优势。     

基于共轭数据重排的信道预测算法

为提高预测的精确度,在分析基本ESPRIT(Estimation Signal Parameters via Rotational Invariance Techniques)缺点的基础上,提出了一种共轭数据重排的ESPRIT信道预测算法.针对实际中平坦快速衰落信道系数为复数的特点,通过对采样数据的共轭重排,使被利用的数据长度等效于增加了1倍.仿真实验表明,该算法在运算量基本保持不变的情况下与基本ESPRIT相比,提高了信道预测的精确度.     

基于FPGA的动态轨道衡数据采集系统

提出了基于现场可编程门阵列(FPGA)动态轨道衡数据采集系统.该系统以AD7703作为模数转换器件,并采用FPGA作为采样控制器,对8路传感器信号采样,采样值以异步串行方式通过RS232接口输出到上位机.整个系统逻辑的设计在QuartusⅡ9.0开发环境下完成.硬件测试结果表明,通过采用AD7703的自标定方式,有效解决了数据采集过程中出现的零点漂移、增益误差等问题.利用FPGA的并行处理能力,可以对8路信号并行采样,提高数据采集的速率,满足了轨道衡高精度、高速度的设计要求.