CN111832618B - 轨道动、静态检查数据的匹配方法 - Google Patents
轨道动、静态检查数据的匹配方法 Download PDFInfo
- Publication number
- CN111832618B CN111832618B CN202010514649.0A CN202010514649A CN111832618B CN 111832618 B CN111832618 B CN 111832618B CN 202010514649 A CN202010514649 A CN 202010514649A CN 111832618 B CN111832618 B CN 111832618B
- Authority
- CN
- China
- Prior art keywords
- data
- inspection
- dynamic
- static
- track
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 76
- 230000003068 static effect Effects 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000012360 testing method Methods 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 238000005452 bending Methods 0.000 abstract description 5
- 201000010099 disease Diseases 0.000 abstract description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 5
- 238000013519 translation Methods 0.000 abstract description 5
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Machines For Laying And Maintaining Railways (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明提供了一种轨道动、静态检查数据的匹配方法，包括：按第一预设里程范围截取动态检查的高低(或轨向)数据，并按静态检查所定义的弦长计算中点矢距，得到训练数据；选择需匹配的静态检查的高低(或轨向)数据，作为测试数据；将训练数据与测试数据采用动态时间规整计算最小累积距离路径，得到动、静态检查数据的匹配关系。本发明利用中点矢距统一高低(或轨向)定义，建立动、静态检查数据的相似关系，然后利用动态时间规整克服不同检查系统的波形在幅值及里程上的平移、伸缩、漂移及弯曲，实现动、静态检查数据的精确匹配，可用于提高轨道状态评定、检测资料综合分析以及轨道病害的诊断效果。
Description
技术领域
本发明涉及轨道检查领域，特别是涉及一种轨道动、静态测量数据的匹配方法。
背景技术
轨道结构的组合性及其所承受列车荷载的随机性与重复性，导致轨道几何形位不均匀变化，形成轨道的各种不平顺，并影响列车行车的安全性、平稳性、舒适性、车辆和轨道部件的寿命。因此，需周期性的对轨道进行经常保养。
轨道经常保养基本流程主要包含动态检查数据分析、确定病害地点、现场静态检查确认、检测资料综合分析、制定作业方案、作业方案审批、上报日天窗作业计划、作业方案实施、作业质量回检以及填写作业日志等步骤。其间一个关键性的步骤就是检测资料综合分析，即将动态测量数据分析、现场静态测量确认的结果进行比较，为随后的制定作业方案、作业方案审批提供依据。
然而，动态检查与静态检查的测量原理不相同，采样间隔不相等，里程基准不统一，数据长度不一致，其高低、轨向波形难以对应，体现在幅值、里程缺乏明确的匹配关系。因此，铁科院已故著名铁道专家罗林研究员在其《轮轨系统轨道平顺状态的控制》(2006)的1.4节中认为“动、静态不平顺的幅值不存在一一对应的函数关系”；北京交通大学徐鹏博士(2012)利用轨距波形的相关分析与动态时间规整(Dynamic Time Warping,DTW)，实现了不同动态检查数据的里程修正，但轨距参数无法解释动/静态检查的高低、轨向波形的差异，难以为检测资料综合分析及随后的制定作业方案环节提供直接参考。
发明内容
鉴于上述状况，有必要针对现有技术中轨道高低、轨向不平顺的动、静态幅值难以的匹配问题，提供一种轨道动、静态检查数据的匹配方法。
一种轨道动、静态检查数据的匹配方法，包括：
约定的匹配轨，按第一预设里程范围截取动态检查、静态检查数据；将动态检查的高低(或轨向)数据按静态检查所定义的特定弦长，计算中点矢距，得到的中点矢距序列作为训练数据；选择需匹配的以所述特定弦长下中点矢距定义的静态检查的高低(或轨向)数据作为测试数据。
将训练数据与测试数据采用动态时间规整计算最小累积距离以及最小累积距离路径，该路径即动、静态检查数据的匹配关系。
进一步的，上述轨道动、静态检查数据的匹配方法，为提高匹配效果，将测试数据按第二预设里程范围进行截取，第一预设里程范围覆盖第二预设里程范围；以里程作为控制变量，采用动态时间规整搜索截取测试数据与训练数据的最小累积距离的最小值，其对应的最小累积距离路径定义的匹配关系即为截取测试数据的动、静态检查数据的最佳匹配关系。
进一步的，上述轨道动、静态检查数据的匹配方法，为提高匹配效果，可将轨向、高低以及水平、扭曲和轨距组合，构成训练数据与测试数据，采用动态时间规整计算最小累积距离以及最小累积距离路径。
进一步的，上述轨道动、静态检查数据的匹配方法，其中，所述轨道动态检查数据通过轨道检查车采集，所述动态高低(或轨向)波长范围1.5～42m，采样间隔0.25m；所述轨道静态检查数据通过0级轨道检查仪采集，所述静态高低(或轨向)为10m弦中点矢距，采样间隔0.125m。
本发明实施例利用中点矢距统一高低(或轨向)定义，建立动、静态检查数据的相似关系，然后利用动态时间规整克服不同检查系统的波形在幅值及里程上的平移、伸缩、漂移及弯曲，实现动、静态检查数据的精确匹配，可用于提高轨道状态评定、检测资料综合分析以及轨道病害的诊断效果。
附图说明
图1为本发明第一实施例中的轨道动、静态检查数据的匹配方法的流程图；
图2为本发明第二实施例中的轨道动、静态检查数据的匹配方法的流程图；
图3为本发明第二实施例中轨道动、静态检查数据的示意图；其中a为轨道动态检查左高低数据，b为动态检查左高低的训练数据，c为轨道静态检查的左高低数据测试数据；
图4为本发明第二实施例中最小累积距离路径及动、静态检查数据的匹配关系示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
参照下面的描述和附图，将清楚本发明的实施例的这些和其他方面。在这些描述和附图中，具体公开了本发明的实施例中的一些特定实施方式，来表示实施本发明的实施例的原理的一些方式，但是应当理解，本发明的实施例的范围不受此限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
请参阅图1，为本发明第一实施例中的轨道动、静态检查数据的匹配方法，该匹配方法应用于铁路轨道状态评定、检测资料综合分析以及轨道病害的诊断。该轨道动、静态检查数据的匹配方法包括步骤S11～S13。
步骤S11，第一预设里程范围截取动态检查的高低(或轨向)数据，并计算特定弦长中点矢距，作为训练数据。
具体的，中点矢距V(t)定义如
其中，t为轨道里程；q(t)为轨道检查车在里程t处的高低(或轨向)数据；V(t)为在里程t处计算的中点矢距；弦长l＝10m或20m。
为了保证匹配的准确性和匹配效率，本实施例中可对待匹配的轨道进行分段匹配。本实施例中第一预设里程范围截取动态检查的高低(或轨向)数据，具体的，该第一预设里程范围可按设备资产信息、维修方式或线路正线班组管界划分，例如以1km的轨道动态检查数据为一个样本。
步骤S12，选择需匹配的静态检查的高低(或轨向)数据，作为测试数据。
具体的，静态检查的高低(或轨向)数据在第一预设里程范围选择，作为测试数据所述静态检查的高低(或轨向)数据v(t)，由轨道检查仪测量，轨道检查仪高低(或轨向)一般为10m或20m弦中点矢距。
步骤S13，将训练数据V(t)与测试数据v(t)采用动态时间规整计算最小累积距离路径W，得到动、静态检查数据的匹配关系。
具体实施时，将训练数据V(t)与测试数据v(t)求距离，并采用动态规划方法计算最小累积距离D。最小累积距离D所历经的路径即为最小累积距离路径W。
最小累积距离路径W为训练数据V(t)与测试数据v(t)的匹配关系。
本发明实施例利用中点矢距统一高低(或轨向)定义，建立动、静态检查数据的相似关系，然后利用动态时间规整克服不同检查系统的波形在幅值及里程上的平移、伸缩、漂移及弯曲，实现动、静态检查数据的精确匹配，可用于提高检测资料综合分析效果。
请参阅图2，为本发明第二实施例中的轨道动、静态检查数据的匹配方法，包括步骤S21～S24。
步骤S21，第一预设里程范围截取动态检查的高低(或轨向)数据，并计算特定弦长中点矢距，作为训练数据。
具体的，如图3所示，截取某高铁K1224.000-K1228.000作为第一预设里程范围，动态高低(或轨向)波长范围1.5～42m，其左高低如图3a)所示；计算10m弦长中点矢距V(t)，作为训练数据。
步骤S22，在第一里程范围内依据匹配需要选择第二预设里程，按第二预设里程范围选择静态检查的高低(或轨向)数据，作为测试数据。
具体的，如图3c)所示，选取某高铁K1224.100-K1225.000作为第二预设里程范围，选择静态检查的10m弦左高低数据v(t)，作为测试数据。
步骤S23，将里程作为决策变量，最小累积距离作为目标函数，采用动态时间规整计算训练数据与测试数据的最小累积距离。
具体的，将里程t作为决策变量，采用搜索算法在K1224.000-K1228.000搜索，通过动态时间规整计算v(t)与V(t)的最小累积距离D以及最小累积距离路径W，得到D的最小值Dmin。
可以理解的，搜索可采用现有技术中的搜索算法进行，此处不予赘述。
可以理解的，动态时间规整可采用经典的DTW算法进行，也可采用高效的UCRDTW或其他改进DTW算法。
步骤S24，最小累积距离最小时对应的最小累积距离路径，即为动、静态检查数据的匹配关系。
具体的，最小累积距离Dmin对应的最小累积距离路径Wmin，表达了训练数据V(t)、测试数据v(t)在幅值及里程上的平移、伸缩、漂移及弯曲情况下的对应关系及对应里程。
本发明实施例利用中点矢距统一高低(或轨向)定义，建立动、静态检查数据的相似关系，然后利用动态时间规整克服不同检查系统的波形在幅值及里程上的平移、伸缩、漂移及弯曲，实现动、静态检查数据的精确匹配，可用于提高轨道状态评定、检测资料综合分析以及轨道病害的诊断效果。
可以理解的，作为一种可实施的方式，还可将轨向、高低以及水平、扭曲和轨距组合，构成训练数据与测试数据，以进一步提到检测精确度。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (4)
1.一种轨道动、静态检查数据的匹配方法，其特征在于，包括：
按第一预设里程范围截取动态检查的高低或轨向数据，并按静态检查所定义的弦长计算中点矢距，得到训练数据；
选择需匹配的静态检查的高低或轨向数据，作为测试数据；
将训练数据与测试数据采用动态时间规整计算最小累积距离路径，得到动、静态检查数据的匹配关系；
将训练数据与测试数据采用动态时间规整计算最小累积距离路径，其步骤包括：
在第一里程范围内依据匹配需要选择第二预设里程，按第二预设里程范围选择静态检查的高低或轨向数据，作为测试数据；
将里程作为决策变量，最小累积距离作为目标函数，采用动态时间规整计算训练数据与测试数据的最小累积距离；
最小累积距离最小时对应的最小累积距离路径，即为动、静态检查数据的匹配关系；
所述按静态检查所定义的弦长计算中点矢距的步骤中，中点矢距定义如下：
其中，t为轨道里程；q(t)为轨道检查车在里程t处的高低或轨向数据；V(t)为在里程t处计算的中点矢距；弦长l＝10m或20m。
2.如权利要求1所述的轨道动、静态检查数据的匹配方法，其特征在于，所述静态检查的高低或轨向数据，由轨道检查仪测量。
3.如权利要求1所述的轨道动、静态检查数据的匹配方法，其特征在于，所述动态时间规整，输入是训练数据V(t)与测试数据v(t)，输出是V(t)与v(t)的最小累积距离D及最小累积距离路径W。
4.如权利要求1所述的轨道动、静态检查数据的匹配方法，其特征在于，按第二预设里程范围选择静态检查的高低或轨向数据的步骤中，依据静态检查的超限处所确定第二预设里程范围。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010514649.0A CN111832618B (zh) | 2020-06-08 | 2020-06-08 | 轨道动、静态检查数据的匹配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010514649.0A CN111832618B (zh) | 2020-06-08 | 2020-06-08 | 轨道动、静态检查数据的匹配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111832618A CN111832618A (zh) | 2020-10-27 |
| CN111832618B true CN111832618B (zh) | 2024-03-22 |
Family
ID=72899281
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010514649.0A Active CN111832618B (zh) | 2020-06-08 | 2020-06-08 | 轨道动、静态检查数据的匹配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111832618B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112906782B (zh) * | 2021-02-07 | 2024-01-26 | 江西科技学院 | 基于dtw与最小二乘估计的轨道静态检查历史数据匹配方法 |
| CN113792371B (zh) * | 2021-09-27 | 2024-01-26 | 江西科技学院 | 基于锁相值的轨道异常匹配的诊断方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103507833A (zh) * | 2013-10-08 | 2014-01-15 | 江西日月明铁道设备开发有限公司 | 一种铁路轨道偏矢矢距与矢距差快速测量方法 |
| CN109415071A (zh) * | 2016-04-08 | 2019-03-01 | 西门子移动有限责任公司 | 用于轨道交通、特别是铁路交通中的信号识别的方法、装置和轨道车辆，特别是铁路车辆 |
| EP3496038A1 (en) * | 2017-12-08 | 2019-06-12 | Koninklijke Philips N.V. | Registration of static pre-procedural planning data to dynamic intra-procedural segmentation data |
| CN110020464A (zh) * | 2019-03-13 | 2019-07-16 | 西南交通大学 | 一种减弱铁路桥梁轨道上拱的方法 |
| US10409934B1 (en) * | 2014-01-30 | 2019-09-10 | Cadence Design Systems, Inc. | System, method, and computer program product for static and dynamic phase matching in an electronic circuit design |
| CN111046856A (zh) * | 2020-03-13 | 2020-04-21 | 南京晓庄学院 | 基于动静态特征提取并行位姿跟踪与地图创建的方法 |
-
2020
- 2020-06-08 CN CN202010514649.0A patent/CN111832618B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103507833A (zh) * | 2013-10-08 | 2014-01-15 | 江西日月明铁道设备开发有限公司 | 一种铁路轨道偏矢矢距与矢距差快速测量方法 |
| US10409934B1 (en) * | 2014-01-30 | 2019-09-10 | Cadence Design Systems, Inc. | System, method, and computer program product for static and dynamic phase matching in an electronic circuit design |
| CN109415071A (zh) * | 2016-04-08 | 2019-03-01 | 西门子移动有限责任公司 | 用于轨道交通、特别是铁路交通中的信号识别的方法、装置和轨道车辆，特别是铁路车辆 |
| EP3496038A1 (en) * | 2017-12-08 | 2019-06-12 | Koninklijke Philips N.V. | Registration of static pre-procedural planning data to dynamic intra-procedural segmentation data |
| CN110020464A (zh) * | 2019-03-13 | 2019-07-16 | 西南交通大学 | 一种减弱铁路桥梁轨道上拱的方法 |
| CN111046856A (zh) * | 2020-03-13 | 2020-04-21 | 南京晓庄学院 | 基于动静态特征提取并行位姿跟踪与地图创建的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 一种基于动态时间弯曲的轨道波形匹配方法;朱洪涛;振动与冲击;第第37卷卷(第第11期期);246-250页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111832618A (zh) | 2020-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111832618B (zh) | 轨道动、静态检查数据的匹配方法 | |
| Pålsson et al. | Wheel–rail interaction and damage in switches and crossings | |
| Skrypnyk et al. | Prediction of plastic deformation and wear in railway crossings–Comparing the performance of two rail steel grades | |
| CN108592853B (zh) | 轨道板拱起位置辨识方法、装置、存储介质及设备 | |
| US20220355839A1 (en) | Monitoring, predicting and maintaining the condition of railroad elements with digital twins | |
| Torstensson et al. | Simulation of rail roughness growth on small radius curves using a non-Hertzian and non-steady wheel–rail contact model | |
| Xu et al. | Optimizing the alignment of inspection data from track geometry cars | |
| Khosravi et al. | Reducing the positional errors of railway track geometry measurements using alignment methods: A comparative case study | |
| CN108920766B (zh) | 一种基于基函数表示和稀疏正则化的桥梁影响线识别方法 | |
| CN106595561A (zh) | 一种基于改进弦测法的轨检仪轨向不平顺度测量方法 | |
| Aceituno et al. | An alternative procedure to measure railroad track irregularities. Application to a scaled track | |
| Wang et al. | Assessment and prediction of high speed railway bridge long-term deformation based on track geometry inspection big data | |
| CN113609565B (zh) | 铁路桥梁轨道静态长波不平顺的验收方法及装置 | |
| Chrostowski et al. | Prospects in elongation of railway transition curves | |
| CN110344327B (zh) | 一种斜拉桥上轨道控制网cpiii点实时高程计算方法 | |
| KR100797055B1 (ko) | 철도궤도의 효율적 유지보수를 위한 3차원 데이터 형식의철도 궤도틀림도 측정방법 | |
| CN109989309B (zh) | 一种铁路钢轨廓形质量评估方法 | |
| CN114707352B (zh) | 一种基于列车行车性能的铁路桥梁成桥线形偏差控制方法 | |
| CN113051705B (zh) | 一种精确预测钢轨轨温的方法 | |
| Sun et al. | Analytical representations of inherent structural irregularities in turnout crossing with moveable point | |
| Medianu et al. | System for diagnosis of rolling profiles of the railway vehicles | |
| Grassie | Measurement of long wavelength irregularities on rails | |
| Kollment et al. | Towards condition monitoring of railway points: Instrumentation, measurement and signal processing | |
| Umamaheswari et al. | Reliability analysis and dynamic maintenance model based on fuzzy degradation approach | |
| Hoelzl et al. | Vold–Kalman filter order tracking of axle box accelerations for track stiffness assessment |
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 |