CN107858883B - 一种轨道系统安全状态综合监测及智能分析方法 - Google Patents
一种轨道系统安全状态综合监测及智能分析方法 Download PDFInfo
- Publication number
- CN107858883B CN107858883B CN201711227352.0A CN201711227352A CN107858883B CN 107858883 B CN107858883 B CN 107858883B CN 201711227352 A CN201711227352 A CN 201711227352A CN 107858883 B CN107858883 B CN 107858883B
- Authority
- CN
- China
- Prior art keywords
- rail
- temperature
- data
- track
- stress
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 89
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 43
- 239000010959 steel Substances 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 34
- 239000000835 fiber Substances 0.000 claims abstract description 30
- 238000006073 displacement reaction Methods 0.000 claims description 76
- 238000012545 processing Methods 0.000 claims description 20
- 238000004080 punching Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 7
- 230000007774 longterm Effects 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 230000008602 contraction Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 14
- 230000002159 abnormal effect Effects 0.000 abstract description 9
- 238000012937 correction Methods 0.000 abstract description 3
- 230000004927 fusion Effects 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000009434 installation Methods 0.000 description 9
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000000523 sample Substances 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 239000004570 mortar (masonry) Substances 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000010791 quenching Methods 0.000 description 2
- 230000000171 quenching effect Effects 0.000 description 2
- 241001669679 Eleotris Species 0.000 description 1
- 206010034972 Photosensitivity reaction Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 210000002364 input neuron Anatomy 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000036211 photosensitivity Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002277 temperature effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01B—PERMANENT WAY; PERMANENT-WAY TOOLS; MACHINES FOR MAKING RAILWAYS OF ALL KINDS
- E01B35/00—Applications of measuring apparatus or devices for track-building purposes
- E01B35/12—Applications of measuring apparatus or devices for track-building purposes for measuring movement of the track or of the components thereof under rolling loads, e.g. depression of sleepers, increase of gauge
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Machines For Laying And Maintaining Railways (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种轨道系统安全状态综合监测及智能分析方法，该方法融合了三种传感监测技术，基于光纤光栅技术监测结构温度等低频数据，采用修正应力‑应变技术监测钢轨横、垂向应力等高频数据，对于道岔尖轨等难以接触测量的敏感结构，利用视频感知技术观测结构大变形及表面状态，形成铁路轨道系统从外观到内在、从高频到低频的全天候系统监测。通过对采集的多源数据进行融合分析，可有效对轨道状态进行评估、诊断及预测，进而实现轨道安全状态及时预警。本发明测点布置合理，监测过程自动程度高，对线路状态评估准确，对异常情况预警及时，实现了铁路轨道系统服役的安全可控，为列车的安全、平稳运行提供了可靠保障。
Description
技术领域
本发明涉及铁路工程监控方法，特别是涉及一种轨道系统安全状态综合监测及智能分析方法。
背景技术
铁路作为综合交通体系的骨干，对国民经济与社会发展有着重要的推动作用。随着我国经济的飞速发展，以高速铁路为代表的轨道运输发展迅猛，运营品质及建设规模均达到世界领先水平。但随着高速铁路建设浪潮的推进，线路及基础设施的安全服役问题日益凸显。
高速铁路的运营实践表明，在长期反复荷载作用下，以线路、桥隧为代表的关键基础设施的微观伤损、主要结构部件的功能劣化、基础结构状态与性能演变是不可避免的。线路作为与车轮接触的关键结构，其本身在列车及温度荷载下的受力变形极为复杂，一旦发生胀轨、断轨等情况将直接导致列车翻覆、掉道等重大事故。路基、桥隧结构作为线路基础的重要组成，广泛应用于各类轨道工程，其稳定性直接影响线路工程的安全、平顺。其中路基、隧道结构在施工质量严控下，温度效应、列车效应并不突出，对线路结构影响相对较小。而桥梁与轨道在受力变形上相互影响，构成一个关系复杂且受多场耦合作用的多层结构，桥梁变形会直接导致线路受力破坏、变形严重超限等，带来巨大的安全隐患。
目前，国内对于轨道系统的监测，多采用位移观测桩、准直仪、弦线法及温度计进行观测和测量，测试精度差，测试内容以静态指标为主，检测周期也较长。此外，尽管高铁工务部门有一套完整的保证轨道平顺、确认线路安全的检测措施，如在天窗时间进行人工巡道、定期开行轨检车、每日运营前开行确认列车等，但无法实时掌握轨道基础设施的安全服役状态，尤其在线路面临突发性病害时往往无法及时发现并整治。同时，现有监测多立足科研，重在规律探索，多关注线路工程关键局部，如道岔尖轨、伸缩调节器等，监测对象单一，对无砟轨道、下部基础缺乏系统的考虑。
因此，为保障线路运营安全，必须从系统整体性出发，统一监测内容及方法，构建综合监测平台，实时监测轨道基础设施安全服役状态，并实现监测数据的多源融合、智能分析、评估预测，进而对轨道系统的实际运营提出合理的养护维修建议。本发明提出轨道系统安全状态综合监测及智能分析方法，很好地弥补了现有技术不足，监测内容充分考虑线下基础服役行为，所采用的监测手段能够同时捕捉低频和高频信息，并能有效掌握结构外部形变与内部应力变化，各类传感器施工简便、安装稳固、长期稳定性高。发明所提出的数据分析方法，可实现对突发型病害迅速报警、对快速演化及缓慢发展型病害预测预警，大大保障了线路的运营安全。
发明内容
本发明提供一种轨道系统安全状态综合监测及智能分析方法，目的在于解决因现有技术不足带来的无法实时掌握轨道系统安全服役状态的问题，并在深度挖掘监测数据的基础上，对可能出现危险状况提前预测、预警。
为达到上述目的，本发明首先根据专利一种高速铁路及城市轨道交通轨道结构试验模拟系统(ZL200910242417.8)、纵横垂向耦合的高速铁路高架车站上无缝道岔的设计方法(ZL200910236546.6)和一种桥上无缝道岔结构体系及其动力分析方法(ZL200910236922.1)，确定监测内容和测点布置位置。
基于上述确定监测位置的基础上，本发明采用如下技术方案：
一种轨道系统安全状态综合监测及智能分析方法，该方法步骤包括：
S1、利用光纤光栅传感器对轨道系统应力、温度和小位移等低频数据进行采集；
S2、利用视频监测对轨道系统大位移数据进行采集；
S3、利用应力花贴采集钢轨的垂直应力和横向应力等高频数据进行数据；
S4、对步骤S1至S3采集得到的轨道数据进行分析处理，采用BP神经网络模型和多元线性回归对常规状态下的轨道结构应力、位移进行预测；
S5、采用规范和统计结果设定阈值与聚类分析相结合对可能发生的破坏一定程度上进行预警。
优选地，所述步骤S1利用光纤光栅传感器对轨道系统的应力采集包括：
将光纤光栅应力传感器粘贴在轨道系统的钢轨、轨道板、底座板的表面，采集钢轨、轨道板及底座板的应力数据。
优选地，所述步骤S1利用光纤光栅传感器对轨道系统的温度采集包括：
对轨道板进行打孔，将温度传感器布置在孔内并做密封处理，测量轨道板温度的位置包括板中、板边和板角；
优选地，根据当地轨道板钢筋布置图，采用在轨道板板中的注浆孔处打孔，放置温度传感器，测量板中间温度梯度；
采用轨道板两轨枕间打孔放置温度传感器来测量板边温度；
采用在距板边150mm和70mm处打孔放置温度传感器来测量板角温度。
优选地，所述步骤S1利用光纤光栅传感器对轨道系统的小位移数据采集包括：
在钢轨底部的轨道板适当位置打孔，将位移传感器的固定端安装在轨道板上，再利用安装夹块将光纤光栅位移传感器移动端安装在钢轨底部，调整好钢丝绳长度并固定，使其满足传感器位移量程。
优选地，所述步骤S2包括：
利用夹块将中空的摄像头安装杆固定在护栏上，将摄像头固定在摄像头安装杆的上部，将传输线从摄像头安装杆的中空部分顺出与上一级传输设备连接。
优选地，所述步骤S3包括：
利用应力花贴采集钢轨的垂直应力和横向应力等高频数据，并在钢板上粘贴补偿片实现温度自补偿。
优选地，所述步骤S4对采集得到的轨道数据进行分析处理预测包括：利用一维快速傅立叶插值方法，对气温预报数据增采样3倍建立BP神经网络模型，以连续48个气温监测数据为输入神经元，对钢轨应力、尖轨位移、轨温等指标进行反复训练和预测。建立多元线性回归模型，以连续12小时的轨温时间序列为自变量，通过拟合计算对钢轨应力、尖轨位移、轨温等关键指标进行预测。其中BP神经网络，对常规状态下轨温、应力、位移进行预测，所述的常规状态指气温变化平缓，幅度正常的状态；多元回归模型，对极端条件下的轨温、应力、位移进行预测，所述的极端条件包括环境骤冷骤热及持续高温或低温等情况。
优选地，所述步骤S5包括将轨道系统当前状态信息与预先设定的报警阈值进行比对，若超限则发出报警提示；若当前测量值与此项数据历史数据的算术平均值之差大于3倍的历史数据的均方根偏差，则判断该测量值为坏值，不参与数据的处理及分析；若一段时间内连续或多次出现坏值数据，则判定监控设备出现异常。其中报警阈值设定分为下述三个级别：
以高速铁路无砟轨道线路维修规则中对尖轨位移和基本轨位移的限值作为一级报警阈值，数据超限进行一级预警提示；
将除当前监测值以外的其余各监测项历史数据的算术平均值加、减三倍均方根作为二级报警阈值，数据超限进行二级报警提示；
将样本数据每个时间点采集到的不同属性的数据构成具有多个参数的空间向量，在簇量与向量纬度相同的情况下进行聚类分析，设定三级报警阈值，数据超限进行三级报警提示。
根据上述的空间向量，我们设定参数向量 其时间序列为[Mo1,Mo2,Mo3,…，Mok，…，Mon]T(k＝1,2,3，…)，
式中T气温为测得气温，T轨温1为测得左侧轨温，T轨温2为测得右侧轨温，S梁端为测得梁端处钢轨应力，S辙叉为测得辙叉处钢轨应力，S心轨为测得心轨处钢轨应力，S固定支座为测得固定支座处钢轨应力，S尖轨尖端为测得尖轨尖端处钢轨应力，D尖轨尖端为测得尖轨尖端处位移
鉴于左右股钢轨轨温不完全相同，令T'轨温2＝T轨温2-T轨温1，
T'轨温2左右轨温度差异值，T轨温1为左轨轨温，T轨温2为右轨轨温；
鉴于各点的钢轨应力与轨温密切相关，为避免该因素重复考虑影响分析结果，令S'i＝εi＝Si-ai-biT轨温1，
式中，Si为不同位置的钢轨应力，εi为一元回归模型中除轨温外的因素对应力的影响；ai,bi分别为应力对轨温线性回归相关性分析中的回归常数和回归系数，S'i为钢轨应力预测值与实测值之间的差距。
鉴于各点的钢轨位移与轨温也具有一定的相关性，令D'i＝εi＝Di-ai-biT轨温，
式中，Di为不同位置的钢轨位移，εi为一元回归模型中除轨温外的因素对位移的影响，ai,bi分别为位移对轨温线性相关分析中的斜率回归常数和回归系数，D'i为钢轨位移预测值与实测值之间的差距。
上述除轨温外的因素是指传感器在运营过程中由于自身不稳定造成的随机误差，以及传感器本身存在的精度不准确这类系统误差等。
结合三个级别预警，能够更加严谨的为列车的安全平稳运行提供保障。
优选地，本发明提供一种轨道系统安全状态综合监测及智能分析系统，该系统按单元组成部分划分包括：
数据采集单元，用于采集轨道系统的温度、应力、位移等进行数据；
数据库模块，用于储存数据采集单元采集的轨道数据；
数据处理及分析模块，用于从数据库模块中调取轨道数据进行处理分析，获得轨道当前状态信息；
预测单元，用于预测未来一周时间轨道受力变形状态的发展变化趋势；
报警单元，用于将轨道当前状态信息与系统预设的报警阈值进行对比，若分析结构超出设定的阈值，则发出报警提示；
供电单元，用于为系统内除光纤光栅传感器外的单元模块提供电力支持。
优选地，所述数据采集单元包括：
光纤光栅传感器，对轨道系统进行应力、小位移和温度等低频数据的采集；
视频传感器，利用视频监控对道岔尖轨等进行伸缩位移的视频数据采集；
应力花贴，对轨道系统进行垂直应力和横向应力等高频数据的采集。
优选地，所述预测单元包括：
BP神经网络预测模块，利用BP神经网络模型预测轨道结构受力变形等关键指标数据的变化。
多元线性回归预测模块，利用多元线性回归模型预测轨道结构受力变形等关键指标数据的变化。
优选地，所述报警单元包括：
阈值比对模块，用于将数据分析结果与预先设定的阈值进行对比，并根据对比结果发出预警指示；
报警数据库模块，用于储存对比结果。
优选地，该系统还包括：
滤波模块，用于对轨道大位移数据采集模块采集得到的视频数据进行滤波除燥处理；
补偿模块，用于对外界环境对轨道造成的误差进行补偿，以使高频型轨道数据采集模块对轨道应力数据进行准确采集。
图像识别模块，用于对尖轨图片进行图像识别，得出尖轨的伸缩位移。
本发明的有益效果如下：
本发明所述技术方案针对铁路轨道系统的结构位置不同进行监控，根据各监控位置的特点分别采用了光纤光栅技术，视频感知技术和修正应力-应变技术的综合监控方式，形成了对轨道结构从外部到内部，从局部到整体，从低频到高频的综合智能化监测系统，实现了对轨道系统的长期安全实时监测。通过对铁路轨道系统的数据进行自动采集和处理分析，能够实时监测轨道系统安全服役行为，同时通过建立轨道系统状态的预测及决策数学模型，根据轨道及其部件的受力和变形监测数据对可能发生的破坏进行预测预警，为列车的安全平稳运行提供保障。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明；
图1示出轨道系统安全状态综合监测及智能分析方法的示意图；
图2示出本实施例中钢轨应力传感器安装流程的示意图；
图3示出本实施例中钢轨位移传感器安装的示意图；
图4示出本实施例中布置温度传感器打孔位置的示意图；
图5示出本实施例中孔内温度传感器梯度布置的示意图；
图6示出本实施例中轨道板、砂浆层、底座板温度梯度测点布置；
图7示出本实施例中摄像头与监测对象相对位置的示意图；
图8示出本实施例中垂向力测试路桥连接方式的示意图；
图9示出本实施例中横向力测试路桥连接方式的示意图；
图10示出一种轨道系统安全状态综合监测及智能分析系统示意图；
图11示出本实施例中监测数据的采集传输方式的示意图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
具体的，结合附图说明。附图1-11示出了本发明各部分的实施方式及作用。
如图1所示，本发明在确定监测内容及测点布置位置的基础上，将铁路轨道系统安全服役状态信息分为三种数据类型，分别采取不同手段进行监测。第一种是轨道应力、微小位移和温度等低频轨道数据；第二种是尖轨伸缩位移、道岔及桥梁整体状态等可依赖视觉辨识的轨道数据；第三种是钢轨垂、横向应力等高频轨道数据。在多源数据实时采集基础上，利用所建立的轨道系统状态预测模型及智能分析系统，对监测数据进行处理及分析，对线路服役状态进行综合评估，实现自动化的预测和预警。
实施例1
本实施例给出了一个采用本发明监测轨道系统低频数据的详细过程。对频率较低的轨道数据，采用光纤光栅技术进行采集。光纤光栅是利用光纤的光敏性制成的。当光纤光栅所处环境的温度、应力、应变或其它物理量发生变化时，光栅的周期或纤芯折射率将发生变化，从而使反射光的波长发生变化，通过测量物理量变化前后反射光波长的变化，就可以获得待测物理量的变化情况。利用光纤光栅的特点，本发明提供了与高速铁路轨道结构相匹配的光纤光栅应力、位移及温度传感器安装方法。
如图2所示，为钢轨应力传感器安装流程图。首先选取应力传感器所要测量的钢轨位置并打磨表面，在轨底安装夹块，将应力传感器粘贴在钢轨打磨处，焊接应力传感器光纤，轨腰上安装应力传感器保护罩，同时对保护罩光栅接头做防水处理。通过将应力传感器粘贴在钢轨、轨道板、底座板的表面，在列车、温度等荷载作用会下引发光栅变形，从而反映钢轨、轨道板及底座板的应力变化。
如图3所示，为钢轨的位移传感器安装图，优选地，所采用的位移传感器量程为50mm，通过将位移传感器的固定端安装在轨道板表面，将传感器活动端安装在钢轨底部，并用经绝缘处理的牵引钢丝连接两部分。当两者发生相对位移时，经牵引钢丝带动光栅变形，由此监测钢轨与轨道板的相对位移。端点A与端点B之间最大距离为50mm(即传感器最大动程)，将端点A到端点B的初始距离设为25mm，保证传感器端点A沿端点B的轴线可以向远离端点B方向移动25mm(此时达最大动程，传感器探头完全伸出)，并且端点A沿端点B的轴线可以向靠近端点B方向移动25mm(此时AB密贴，传感器探头完全缩回)，以此实现±25mm的量程。CD为牵引钢丝，C、E间距是仪器与轨道板轨枕之间的间距。
此安装方法经适当调整后同样适用于对底座板与桥梁、桥梁结构之间相对位移的监测。由于钢轨位移传感器安装在钢轨底部，对列车的高速运行不会产生影响，因此能保证线路的安全运行。而传统的位移传感器安装位置在钢轨外侧，虽然安装方便，但对行车安全性产生很大影响，不便于实际行车。
轨道系统温度传感器安装方法为，通过将光纤光栅温度传感器与监测对象密贴紧固，利用所测结构在温度变化下的热胀冷缩带动光栅变形，从而监测大气温度、钢轨温度、轨道板温度梯度及桥梁温度等数据。针对不同对象的具体监测方法如下：
(1)将温度传感器暴露在空气中，可以测得气温；
(2)将温度传感器粘贴在钢轨腰部，可以测得钢轨温度；
(3)通过将温度传感器埋入轨道板中，可以测得轨道板温度。
本实施例中，为了测得轨道板的温度梯度，同时分析轨道板的板中、板边和板角的温度差，在轨道板打孔布点时选择在板中，板边和板角位置。
如图4所示，由于轨道板钢筋密集，打孔时要避开钢筋，打孔时参考当地轨道板钢筋布置图。优选地，对轨道板中间进行温度测量时候，选择在注浆孔处打孔；对轨道板的板边进行温度测量，选择在两轨枕间打孔即可；对轨道板的板角进行温度测量时，选择距板边150mm和70mm处打孔，尽量靠近板角的位置。
测量轨道板温度梯度前首先在轨道板上进行打孔，然后截取长度与孔深相同的定位铁丝，在铁丝对应的位置安装固定温度传感器，将固定有定位铁丝的传感器放入轨道板孔内后灌入与轨道板相同材质的水泥浆，最后在表面做防水处理。
如图5所示，布置温度传感器。优选地，打孔深度为30cm，该深度会经过轨道板、砂浆层和底座板，为了能对各个层进行温度测量，利用定位铁丝将温度传感器送入孔内，并根据每层的厚度，设置至少每层一个传感器对每层的温度进行测量。图6展示了最终形成的轨道板、砂浆层、底座板温度梯度测点平面布置情况。
实施例2
本实施例给出了一个采用本发明监测高铁道岔尖轨伸缩量的详细过程。对于道岔尖轨等无法安装光纤光栅传感器的轨道敏感结构，本发明利用视频感知技术非接触、多尺度和信息量大的特点，在道岔尖轨尖端敏感部位附近安装云台式摄像头，配合在尖轨中心粘贴标尺，实现非接触实时监测。
视频识别主要包括前端视频信息的采集及传输、中间的视频检测和后端的分析处理三个环节。本发明利用视频采集摄像机的道岔尖轨位移数据采集模块提供清晰稳定的视频信号；再通过滤波模块对视频数据进行滤波去噪；最后通过数据处理模块，对视频画面中的异常情况做目标和轨迹标记。通过对视频图像进行分析，排除监视现场中非人类的干扰因素，准确判断目标在视频图像中的活动情况。
如图7所示，实施例中本发明利用视频感知技术监测尖轨伸缩量，同时通过云台转动，实时掌握道岔、桥梁等结构的整体状态。视频感知具体流程为：
(1)通过在尖轨旁的基本轨轨腰上粘贴标尺，利用云台式摄像头固定角度拍摄尖轨，得到带有尖轨和标尺的清晰稳定的视频信号；
(2)通过滤波模块对视频数据进行滤波去噪；
(3)通过数据处理及分析模块，对视频画面进行识别、检测、分析，得到尖轨尖端对应位置的标尺刻度，从而可以准确判断出尖轨的伸缩变形。
本实施例中，由于考虑高速铁路安全要求很高，不允许摄像头安装在桥上挡墙以内，同时现场的实际情况又不存在安装摄像头的具有合适高度的位置。因此，利用摄像头安装杆将摄像头安装在桥梁护栏上。桥梁护栏上下的位置各设置一个可进行位移微调的夹块，用于固定并调整摄像头安装杆。安装杆为中空钢管，除支撑、固定云台摄像头外，其内部的空间用于穿线，保护了传输线缆的完整。
实施例3
本实施例给出了一个采用本发明监测轨道系统高频数据的详细过程。本发明基于修正应力-应变技术自补偿、自修正、长期稳定的优点，结合现场的环境条件，通过安装应力花贴监测钢轨横向应力、垂向应力。
如图8所示，垂直力测试应变花粘贴在钢轨中和轴附近，与钢轨纵向呈±45℃。垂向应力桥路采用全桥。在受到垂向应力的桥路中，A、C对应为电压输入，B、D对应为信号输出。实施例中，应力花贴以中性轴为中心成对粘贴(60kg/m钢轨，中性轴距离轨底8.123cm)，应变花中心间距为22cm。
如图9所示，横向应力测试应变花粘贴在轨底上表面，与钢轨纵向呈±45℃。在受到横向应力的桥路中，A、C为电压输入，B、D为信号输出。应变花以距离轨底边缘2.5cm处为中心成对粘贴(60kg/m钢轨)，应变花中心间距为22cm。
本发明通过在自动伸缩的钢板上粘贴补偿片实现温度自补偿。经过温度自补偿处理后，垂向应力测试桥路所测应变只包含垂向应变，横向力测试桥路所测应变只有横向应变。实例中轮轨垂向应力的标定采用专用设备进行准静态标定；轮轨横向力利用千斤顶及加力架现场标定。
实施例4
如图10所示，本实例示出了一种轨道系统安全状态综合监测及智能分析系统，该系统组成包括：
数据采集单元，用于采集轨道系统的温度、应力、位移等数据，
所述的数据采集单元包括传感器光纤光栅传感器，用于采集轨道系统在低频下的应力、位移和温度数据；视频传感器，用于监测轨道系统中道岔尖轨的位移数据；应力花贴，用于采集轨道系统中钢轨在高频下的垂向应力和横向应力数据；
数据库单元，用于储存数据采集单元采集的轨道系统数据；
数据处理及分析单元，用于从数据库单元中调取轨道数据进行处理分析，获得轨道系统当前状态信息；
预测单元，将从数据处理及分析单元得到的当前状态信息进行预测处理，用于预测一周内的轨道受力变形状态的发展变化趋势。可以通过BP神经网络模型和多元线性回归模型两种来实现所述预测。
本领域技术人员可知，预测单元可以通过软件形式实现，也可以通过固件，例如烧结有逻辑程序的FPGA或微处理器来实现。
报警单元，用于将轨道当前状态信息与系统预设的报警阈值进行对比，若分析结构超出设定的阈值，则发出报警提示，
所述报警单元包括阈值比对模块，用于将数据分析结果与预先设定的阈值进行对比，并根据对比结果发出预警指示；报警数据库模块，用于储存对比结果；
供电单元，用于为系统内除光纤光栅传感器外的单元模块提供电力支持。
优选地，所述系统还包括滤波模块，用于对轨道大位移数据采集模块采集得到的视频数据进行滤波除燥处理；补偿模块，用于对外界环境对轨道造成的误差进行补偿，以使高频型轨道数据采集模块对轨道应力数据进行准确采集；
图像识别模块，用于对尖轨图片进行图像识别，得出尖轨的伸缩位移。
本实例在利用既有监测数据进行预测的过程中，均采用气温的时间序列为自变量，而不采用单一点的气温数据。这是由于轨道结构的复杂性、系统受热的不均匀和轨道升温的滞后性，轨道系统的应力、位移等状态变化并不与温度完全一致，在某时刻表现出的状态不仅仅与当前的荷载相关，而是与过去一段时间的荷载的积累有关。在预测之前，需要利用快速傅里叶插值法对气象预报数据增采样。两种具体预测方法如下：
(1)BP神经网络预测方法：以连续12小时的气温数据为自变量，考虑到预测均方误差最小，对预测模型中传递函数、训练函数、输入输出节点数量、训练次数等各项参数进行综合分析和优化比选，确立了较为可行的神经网络预测方案，并对应力、位移、温度等多项指标进行提前预测。
(2)多元线性回归预测方法：假设监测项中，样本
式中Yti则为所要预测的项目，在ti时刻的预测值，可以是轨温、板温、钢轨应力等等，T是指的监测气温，是指的ti时刻的监测气温，/>是ti时刻前1小时的气温监测数据，同理/>是ti时刻前n小时的气温监测数据，βi-n,βi-n+1,...,βi-2,βi-1,βi分别为各个时刻监测气温在整个多元预测模型中的多元线性回归系数，c为待估系数，ε为误差值。
利用MATLAB建立多元线性回归模型，采集的数据为每15分钟采集一次，以连续48个小时的气温预报数据为自变量进行拟合计算，从而实现对多项监测指标数据的预测。
本实例中采取的报警策略为：通过对系统采集到的检测数据与预先设定的报警阈值进行比较，若超限则生成报警信息，自动存储到报警数据库中，以声音或警醒的方式进行提示。同时根据现场监测数据的时空分布和监测参量间的相互关系，建立轨道系统状态预测及决策数学模型，对后续轨道状态的发展进行一定程度的预测，对可能发生的破坏进行一定程度的预警。
在数据处理过程中，由于数据量庞大，极有可能出现异常值。为了避免异常值引发错误的报警提示或影响轨道状态的预测结果，本发明采取的异常剔除方法为：通过多年观测数据得到各项监测指标的算术平均值和均方根偏差，采用拉以达原则结合分位数箱型图方法共同判定异常值，当两种判别方法结果一致时，则将测得数据作为异常值剔除，若在一段时间内连续或多次出现错误数据，则判定现场监测设备可能出现故障。两种判别原则具体方法如下：
(1)拉以达原则，定义异常值为|x-μ|＞3σ的数据，其中x为当前监测值，μ为监测数据平均值，σ为数据标准差；
(2)箱型图判别，定义异常值Yi定义为：Yi<Q1-α×IQR或Yi>Q1+α×IQR，其中Q1为下四分位数，IQR为四分位数间距，Q3为上四分位数，α为可调系数，设置为1.5。
如图11所示，本实例中所建立监测预警系统的数据传输流程为：现场监测数据的采集通过在监测现场及其附近的数据采集中心间铺设专门的光缆，将现场的监测数据传输到数据采集中心的采集服务器中。通过无线网络，将监测数据传输到后端的处理服务器中。
综上实施例，采用本发明所述技术方案对铁路轨道进行监控，该方案能够长期实时监测铁路轨道系统中的钢轨温度、伸缩附加力、垂向力、横向力和位移，道岔尖轨位移，轨道板的温度梯度和应力，底座板-桥梁相对位移，桥梁的温度、位移。在此基础上，本发明利用现场监测数据的时空分布和监测参量间的相互关系，通过数据的处理分析，对线路服役状态进行综合评估，实现自动化的预警预测。本发明方法对轨道结构没有破坏，轨道上的监测设备无源，不会对轨道电路产生影响，同时自身抗干扰能力强，无零漂，能够保证测试的精度和准确性。本发明能够适应铁路行车速度高，密度大，天窗时间短的特点，能够适应现场恶劣环境，全天候监测轨道系统，并实现数据自动存储和安全通信。本发明具有敏感点布设合理，捕捉及时，对结构的影响程度实时反应等优点，满足了铁路安全运营的需要，解决了无缝线路安全服役状态可控性技术难题，为列车的安全、平稳运行提供了可靠保障。
综上所述，本发明将铁路轨道进行监控，并通过对光纤光栅技术，视频感知技术和修正应力-应变技术的融合，形成了对轨道结构从外观到内在，从细观到宏观，从低频到高频的综合智能化监测系统，实现了对轨道系统的长期实时监测。通过对监测数据进行自动采集和处理分析，能够实时测试轨道系统安全服役行为。同时通过建立轨道系统状态预测及决策数学模型，对可能发生的破坏一定程度上进行预测预警，从而为列车的安全平稳运行提供保障。该监测方法适用于高速铁路和城市轨道交通线路，具有很高的应用价值和商业推广前景。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (8)
1.一种轨道系统安全状态综合监测及智能分析方法，其特征在于，该方法包括：
S1、利用光纤光栅传感器采集轨道系统在低频下的应力、位移和温度数据；
S2、利用视频传感器监测轨道系统中道岔尖轨的位移数据；
S3、利用应力花贴采集轨道系统中钢轨在高频下的垂向应力和横向应力数据；
S4、对步骤S1至S3采集得到的轨道系统数据进行分析处理，根据轨道系统受力和变形的监测数据，利用多元回归模型及BP神经网络对轨道受力与变形进行预测；
S5、设定阈值，结合监测数据进行聚类分析，对可能发生的破坏进行预警；
所述步骤S5包括：
S5.1、以高速铁路无砟轨道线路维修规则中对尖轨位移和基本轨位移的限值作为一级报警阈值，将实时监测数据与预先设定的一级报警阈值进行比对，若超限则发出一级报警提示；
S5.2、将除当前监测值以外的其余各监测项历史数据的算术平均值加、减三倍均方根作为二级报警阈值，将监测数据与预先设定的二级报警阈值进行比对，若超限则发出二级报警提示；
S5.3、将样本数据每个时间点采集到的不同属性的数据构成具有多个参数的空间向量，在簇量与向量纬度相同的情况下进行聚类分析，设定为三级报警阈值，超限数据进行三级报警提示；
所述步骤S5.3包括：
S5.3.1、设定参数向量 其时间序列为[Mo1,Mo2,Mo3,…，Mok，…，Mon]T(k＝1,2,3，…)，
式中，T气温为测得气温，T轨温1为左侧轨温，T轨温2为右侧轨温，S梁端为梁端处钢轨应力，S辙叉为辙叉处钢轨应力，S心轨为心轨处钢轨应力，S固定支座为固定支座处钢轨应力，S尖轨尖端为尖轨尖端处钢轨应力，D尖轨尖端为尖轨尖端处位移；
S5.3.2、鉴于左右股钢轨轨温不完全相同，令T'轨温2＝T轨温2-T轨温1，
T'轨温2左右轨温度差异值，T轨温1为左轨轨温，T轨温2为右轨轨温；
S5.3.3、鉴于各点的钢轨应力与轨温密切相关，令S'i＝εi＝Si-ai-biT轨温1；
式中，Si为不同位置的钢轨应力，εi为一元回归模型中除轨温外的因素对应力的影响；ai,bi分别为应力对轨温线性回归相关性分析中的回归常数和回归系数，S'i为钢轨应力预测值与实测值之间的差距；
S5.3.4、鉴于各点的钢轨位移与轨温也具有一定的相关性，令D'i＝εi＝Di-ai-biT轨温，
式中，Di为不同位置的钢轨位移，εi为一元回归模型中除轨温外的因素对位移的影响，ai,bi分别为位移对轨温线性相关分析中的斜率回归常数和回归系数，D'i为钢轨位移预测值与实测值之间的差距。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1包括：
S1.1、将光纤光栅应力传感器粘贴在轨道系统的钢轨、轨道板、底座板的表面，采集钢轨、轨道板及底座板的应力数据；
S1.2、将光纤光栅位移传感器安装在轨道系统上，监测钢轨与轨道板、轨道板与底座板及桥梁梁端的相对位移数据；
S1.3、将光纤光栅温度传感器布置在轨道系统上，监测轨道板、底座板、桥梁温度。
3.根据权利要求2所述的方法，其特征在于，所述步骤S1.2包括：
S1.2.1、在轨道板、底座板、桥梁梁面及梁端安装光纤光栅位移传感器的固定端，在钢轨上安装光纤光栅位移传感器的移动端；
S1.2.2、根据每个光纤光栅位移传感器固定端和移动端距离选取相应长度的牵引钢丝，连接对应的光纤光栅位移传感器的固定端和移动端。
4.根据权利要求2所述的方法，其特征在于，所述步骤S1.3包括：
S1.3.1、对轨道板、底座板、桥梁表面进行打孔，将温度传感器布置在孔内并做密封处理；
S1.3.2、利用光栅光纤温度传感器测量板中、板边和板角的温度；
S1.3.3、在轨道板两轨枕间打孔放置温度传感器来测量板边温度；
S1.3.4、在距轨道板的板边150mm和70mm处打孔放置温度传感器来测量板角温度；
S1.3.5、将温度传感器布置在大气中，测得环境温度。
5.根据权利要求1所述的方法，其特征在于，所述步骤S2包括：
S2.1、在所述道岔尖轨的轨腰位置粘贴标尺，其中标尺长度大于道岔尖轨伸缩的极限长度；
S2.2、利用固定在护栏上的夹块将中空的摄像头安装杆固定在护栏上，视频传感器的摄像头视线垂直于标尺，垂足为标尺零刻线，将视频传感器的连接线路从摄像头安装杆的中空部分穿出与设备连接；
S2.3、采用以下公式对伸缩量进行修正：
其中，S为摄像头至标尺距离；
d0为道岔尖轨动程；
x2非密贴状态尖轨位移量。
6.根据权利要求1所述的方法，其特征在于，所述步骤S4包括：
S4.1、采用BP神经网络，将24小时内连续的气温监测值作为一组输入数据，用轨温、应力、位移作为输出数据，采用多组数据作为训练样本进行BP神经网络训练；
S4.2、采用傅里叶插值对气象预报中的气温数据进行增采样，将增采样后的数据输入训练的BP神经网络，对常规状态下轨温、应力、位移进行预测；
S4.3、基于长期监测数据，构建以气温预报值为自变量的多元回归模型，对极端条件下的轨温、应力、位移进行预测。
7.一种实现权利要求1-6任一项所述的轨道系统安全状态综合监测及智能分析系统，其特征在于，该系统包括：
数据采集单元，用于对轨道系统的温度、应力、位移进行数据采集；
数据库单元，用于储存数据采集单元采集的轨道数据；
数据处理及分析单元，用于从数据库模块中调取所测轨道系统数据进行处理分析，获得轨道当前状态信息；
预测单元，对采集数据进行处理分析，预测轨道受力变形状态的变化趋势；
报警单元，用于将轨道当前状态信息与系统预设的报警阈值进行对比，若分析结果超出设定的阈值，则发出报警提示；
供电单元，用于为系统内除光纤光栅传感器外的单元模块提供电力支持。
8.根据权利要求7所述系统，其特征在于，
所述数据采集单元包括：低频数据采集模块、轨道大位移采集模块、高频数据采集模块；
所述预测单元包括：BP神经网络，对常规状态下轨温、应力、位移进行预测；多元回归模型，对极端条件下的轨温、应力、位移进行预测；
所述报警单元包括：阈值比对模块，用于将数据分析结果与预先设定的阈值进行对比，并根据对比结果发出预警指示；报警数据库模块，用于储存对比结果；
所述系统还包括：滤波模块，用于对轨道大位移数据采集模块采集得到的视频数据进行滤波除燥处理；
补偿模块，用于对外界环境对轨道造成的误差进行补偿，以使高频型轨道数据采集模块对轨道应力数据进行准确采集；
图像识别模块，用于对尖轨图片进行图像识别，得出尖轨的伸缩位移。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711227352.0A CN107858883B (zh) | 2017-11-29 | 2017-11-29 | 一种轨道系统安全状态综合监测及智能分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711227352.0A CN107858883B (zh) | 2017-11-29 | 2017-11-29 | 一种轨道系统安全状态综合监测及智能分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107858883A CN107858883A (zh) | 2018-03-30 |
| CN107858883B true CN107858883B (zh) | 2023-10-27 |
Family
ID=61704522
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711227352.0A Active CN107858883B (zh) | 2017-11-29 | 2017-11-29 | 一种轨道系统安全状态综合监测及智能分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107858883B (zh) |
Families Citing this family (39)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108797356B (zh) * | 2018-06-22 | 2020-11-24 | 五河县智凯环保科技有限公司 | 桥梁施工装配装置及其使用方法 |
| CN112313139A (zh) * | 2018-06-28 | 2021-02-02 | 科路实有限责任公司 | 用于轨道交通控制的系统和方法 |
| CN108760114B (zh) * | 2018-07-20 | 2023-10-31 | 北京交通大学 | 一种铁路轨道轮轨力的测量方法及装置 |
| CN109249960A (zh) * | 2018-09-25 | 2019-01-22 | 中铁第四勘察设计院集团有限公司 | 一种跨座式单轨道岔综合监测系统 |
| CN109291954A (zh) * | 2018-11-28 | 2019-02-01 | 华东交通大学 | 一种内嵌式智能铁轨及其制备方法 |
| CN109712270B (zh) * | 2018-12-28 | 2020-07-24 | 西南交通大学 | 一种铁路货运车辆运行安全评估方法及系统 |
| CN112012060B (zh) * | 2019-05-28 | 2022-06-28 | 浙江德盛铁路器材股份有限公司 | 一种铁路轨道基础装备质量状况预测判断方法 |
| CN114072825A (zh) * | 2019-07-02 | 2022-02-18 | 科路实有限责任公司 | 使用数字孪生监测、预测和维护铁路元素的状况 |
| CN110341761A (zh) * | 2019-07-11 | 2019-10-18 | 郑州铁路职业技术学院 | 一种铁路轨道实时监测系统 |
| CN110766034A (zh) * | 2019-08-08 | 2020-02-07 | 广东毓秀科技有限公司 | 一种通过大数据进行轨道形变预测的方法 |
| CN110608711A (zh) * | 2019-08-08 | 2019-12-24 | 广东毓秀科技有限公司 | 一种通过大数据进行轨交隧道形变预测的方法 |
| CN112627800B (zh) * | 2019-09-24 | 2024-03-29 | 中国石油化工股份有限公司 | 一种见水气井日产气量测量偏差的检测方法及检测系统 |
| CN111953945B (zh) * | 2020-08-17 | 2022-04-29 | 合肥德泰科通测控技术有限公司 | 基于无人驾驶的轨道综合检测装置 |
| CN112330073B (zh) * | 2020-11-30 | 2022-05-24 | 天津大学 | 长距离调水工程监测数据关键效应量预测方法 |
| CN112308858B (zh) * | 2020-12-29 | 2021-05-04 | 南京派光智慧感知信息技术有限公司 | 一种铁路轨道、轨道板状态多维智能监测方法及系统 |
| CN112960014B (zh) * | 2021-02-02 | 2022-12-06 | 北京城建智控科技股份有限公司 | 基于人工智能的轨道交通运行安全在线实时监测预警管理云平台 |
| CN112989591B (zh) * | 2021-03-08 | 2022-01-18 | 北京交通大学 | 一种高速铁路路基冻胀处的轨道变形预测方法 |
| CN112990288B (zh) * | 2021-03-09 | 2024-06-18 | 上海应用技术大学 | 一种大型设备在线监测与故障预测系统 |
| CN113136752B (zh) * | 2021-04-23 | 2022-08-23 | 西安铁路信号有限责任公司 | 尖轨爬行及密贴间隙测量设备标定装置及方法 |
| CN112883340B (zh) * | 2021-04-30 | 2021-07-23 | 西南交通大学 | 基于分位数回归的轨道质量指数阈值合理性分析方法 |
| CN113362389B (zh) * | 2021-06-08 | 2024-02-27 | 长安大学 | 基于cnn-rnn耦合数-形融合的盾构隧道变形预测方法 |
| CN113255151B (zh) * | 2021-06-08 | 2024-03-12 | 长安大学 | 基于复合神经网络的隧道施工变形预测方法及系统 |
| CN113723010B (zh) * | 2021-09-08 | 2024-01-26 | 福建中锐网络股份有限公司 | 一种基于lstm温度-位移相关模型的桥梁损伤预警方法 |
| CN113970354B (zh) * | 2021-09-24 | 2022-08-09 | 西安铁路信号有限责任公司 | 一种应用于控制密贴检查器测试台推杆正常起停控制方法 |
| CN114112103B (zh) * | 2021-09-29 | 2024-04-26 | 中铁第四勘察设计院集团有限公司 | 板式无砟轨道及其全线温度场监测系统和健康监测方法 |
| CN114312905B (zh) * | 2021-11-25 | 2023-01-13 | 广州智为科技发展有限公司 | 一种道岔尖轨形态图像实时监测装置 |
| CN114264338A (zh) * | 2021-12-29 | 2022-04-01 | 中铁第四勘察设计院集团有限公司 | 基于bim的光栅阵列轨道监测信息可视化分析方法及系统 |
| CN114543967A (zh) * | 2022-01-14 | 2022-05-27 | 中铁第四勘察设计院集团有限公司 | 基于光栅阵列结合视频监测的铁路桥梁地段轨道病害监测方法及系统 |
| CN114572278B (zh) * | 2022-03-25 | 2024-03-19 | 佳讯飞鸿（北京）智能科技研究院有限公司 | 一种铁路道岔工作状态的监测方法、装置及可读存储介质 |
| CN114633774A (zh) * | 2022-03-30 | 2022-06-17 | 东莞理工学院 | 一种基于人工智能的轨道交通故障检测系统 |
| CN115060407B (zh) * | 2022-06-14 | 2023-12-26 | 华东交通大学 | 一种多维轮轨力测量的柔性多模态传感装置及融合方法 |
| CN116516751A (zh) * | 2022-07-23 | 2023-08-01 | 浙江天铁实业股份有限公司 | 转弯轨道的轨下垫板系统的测试及设置方法 |
| CN115071781A (zh) * | 2022-07-28 | 2022-09-20 | 柳州铁道职业技术学院 | 一种光纤传感道岔转辙机状态监测系统 |
| CN115447640B (zh) * | 2022-08-09 | 2024-03-12 | 中国国家铁路集团有限公司 | 道岔区轨道几何微小变化识别方法及装置 |
| CN115127468B (zh) * | 2022-08-30 | 2022-11-04 | 中机生产力促进中心有限公司 | 一种弹条铁轨间缝隙视觉测量装置及测量方法 |
| CN115574724A (zh) * | 2022-11-15 | 2023-01-06 | 西南交通大学 | 铁路道岔可动钢轨位移监测装置及监测方法和评估方法 |
| CN116001852B (zh) * | 2023-03-24 | 2023-06-20 | 北京鼎昌复合材料有限责任公司 | 一种用于接触轨防护预警的监测方法及系统 |
| CN116385979B (zh) * | 2023-06-07 | 2023-09-05 | 河北铁达科技有限公司 | 梁端钢轨伸缩调节器监测方法、终端、监测系统及介质 |
| CN117992803B (zh) * | 2024-04-03 | 2024-06-11 | 江西千策信息工程有限公司 | 一种基于钢结构健康的多尺度结合监测方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101699449A (zh) * | 2009-10-26 | 2010-04-28 | 北京交通大学 | 纵横垂向耦合的高速铁路高架车站上无缝道岔的设计方法 |
| CN101719183A (zh) * | 2009-12-10 | 2010-06-02 | 北京交通大学 | 一种高速铁路及城市轨道交通轨道结构试验模拟系统 |
| CN104401360A (zh) * | 2014-11-18 | 2015-03-11 | 北京交通大学 | 基于多手段融合的铁路轨道系统安全实时监控方法及系统 |
| CN105938554A (zh) * | 2016-04-14 | 2016-09-14 | 北京交通大学 | 基于图像自动判读的尖轨伸缩位移监测方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SE538909C2 (sv) * | 2014-04-15 | 2017-02-07 | Eber Dynamics Ab | Förfarande och anordning för att bestämma strukturella parametrar för ett järnvägsspår |
-
2017
- 2017-11-29 CN CN201711227352.0A patent/CN107858883B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101699449A (zh) * | 2009-10-26 | 2010-04-28 | 北京交通大学 | 纵横垂向耦合的高速铁路高架车站上无缝道岔的设计方法 |
| CN101719183A (zh) * | 2009-12-10 | 2010-06-02 | 北京交通大学 | 一种高速铁路及城市轨道交通轨道结构试验模拟系统 |
| CN104401360A (zh) * | 2014-11-18 | 2015-03-11 | 北京交通大学 | 基于多手段融合的铁路轨道系统安全实时监控方法及系统 |
| CN105938554A (zh) * | 2016-04-14 | 2016-09-14 | 北京交通大学 | 基于图像自动判读的尖轨伸缩位移监测方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 高架站无砟轨道道岔监测数据管理信息系统;蔡小培;高亮;刘超;张成;辛涛;孙国力;;铁道工程学报(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107858883A (zh) | 2018-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107858883B (zh) | 一种轨道系统安全状态综合监测及智能分析方法 | |
| CN207552827U (zh) | 一种轨道系统安全状态综合监测及智能分析系统 | |
| CN111256924B (zh) | 一种大跨度高铁桥梁伸缩缝智能监测方法 | |
| CN104401360A (zh) | 基于多手段融合的铁路轨道系统安全实时监控方法及系统 | |
| CN108279037B (zh) | 一种地铁轨道结构实时监测系统的布置方法 | |
| CN110686613B (zh) | 一种基于分布式光纤动静应变测试的路基变形监测系统 | |
| CN111060270B (zh) | 一种城市高架桥梁可移动式快速监测与智能评估方法 | |
| CN103604384A (zh) | 船闸结构应变、应力分布式光纤监测方法及系统 | |
| CN108827158B (zh) | 一种大跨径桥梁主塔偏位激光监测装置及方法 | |
| AU2010328706A1 (en) | Method for determining the stress free temperature of the rail and/or the track resistance | |
| CN104655101A (zh) | 高精度导线式全断面边坡稳定监测预警系统及其监测方法 | |
| CN103031787A (zh) | 全自动精密监测轨道几何参数变化方法及装置 | |
| CN110360984B (zh) | 一种地表沉降的大范围分布式监测系统及方法 | |
| US20140180609A1 (en) | Method of establishing the deflection and/or the stiffness of a supporting structure | |
| CN110542380B (zh) | 一种无砟轨道结构自动监测装置 | |
| CN115601008A (zh) | 基于数字孪生的工程沉降变形监测系统及方法 | |
| Wang et al. | Assessment and prediction of high speed railway bridge long-term deformation based on track geometry inspection big data | |
| CN203501999U (zh) | 一种输电线路弧垂在线监测装置 | |
| CN112556760A (zh) | 一种桥梁裂缝监测系统 | |
| CN203981124U (zh) | 船闸结构应变和应力分布式光纤监测装置 | |
| Šestaková et al. | Degradation-prediction models of the railway track quality | |
| CN116499381A (zh) | 架空输电线路覆冰厚度监测方法 | |
| CN106052640A (zh) | 基于阿里云的高铁桥梁沉降在线监测方法及系统 | |
| CN110487167B (zh) | 路基变形检测系统及利用该系统评估路基变形的方法 | |
| Barasa et al. | Monitoring displacement, strain, and acceleration of a steel railway bridge |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |