高速鐵路軌道狀態(tài)智能評判技術研究.pdf

1、高速鐵路軌道的平順狀態(tài)直接決定軌道-車輛系統(tǒng)運行的安全性和運行品質。目前對軌道不平順的管理主要采用幅值管理和均值管理。從發(fā)展趨勢看，綜合運用軌道幾何不平順和軌檢車、晃車儀、添乘儀、人體感覺等多源數據評判軌道狀態(tài)將是高速鐵路軌道管理的熱點和難點。本文結合信號處理、數據挖掘、神經網絡等技術，對高速鐵路線路養(yǎng)修單元評價模型和方法進行了深入探索，主要研究內容如下。
　　(1)研究高速鐵路海量軌道幾何檢測數據的自動預處理方法。利用相關性分析

2、、傅立葉變換、絕對平均值等方法，實現了高速鐵路海量軌道幾何檢測數據的里程修正、趨勢項濾除、單一和分片異常值濾波等自動處理功能，解決了人工編輯剔除無效數據帶來的效率低下和結果多樣性等問題，為超限判斷和軌道狀態(tài)特征參數的計算提供可靠數據支撐。
　　(2)研究車載特征參數偏差的遴選和分析方法。將每月的車載偏差數據分成四周，提出根據重復性原理來挑選每周的晃車儀、添乘儀和人體感覺偏差數據，并用于軌道單元狀態(tài)評判。分析結果表明，相比隨意選取幾

3、趟車次的偏差數據，根據重復性原理來挑選偏差數據更合理更科學，評判的結果更可靠。
　　(3)結合LVQ神經網絡、成對比較矩陣和聚類方法，研究提出了一種軌道單元狀態(tài)的綜合評判方法。利用成對比較矩陣確定特征參數的權系數，并通過加權求和得到單元的量化評分指標。根據大量實測的數據建立隨機樣本，提出利用聚類方法確定軌道單元狀態(tài)分級。分別以軌道單元量化評分指標作為輸入，以聚類得到軌道單元狀態(tài)分級作為輸出，利用LVQ神經網絡建立了軌道單元狀態(tài)的關