CN112100929A - 一种基于粒子群算法的轨道动态精调方法 - Google Patents

Abstract

本发明涉及轨道动态精调技术领域，涉及一种基于粒子群算法的轨道动态精调方法，包括以下步骤：一、导入不平顺值、轨枕编号及里程坐标；二、计算出水平、轨距、三角坑对应的不平顺值；三、对不平顺值进行插值处理，得到各编号轨枕位置处的不平顺指标；四、设置需要调整的扣件个数N，并将该区段内左右高低、左右轨向绝对值前N大的坐标位置作为待调整扣件；由不平顺值的符号，得到调整量符号；五、得到最大调整单位量U；六、得到初始化调整量；七、利用粒子群算法迭代求解，得到全局最优值。本发明能较佳地实现轨道动态精调。

Description

一种基于粒子群算法的轨道动态精调方法

技术领域

本发明涉及轨道动态精调技术领域，具体地说，涉及一种基于粒子群算法的轨道动态精调方法。

背景技术

轨道在运营过程中，其垂向、横向位置与设计值存在一定偏差即轨道不平顺，根据方向可分为高低、轨向、水平等7项不平顺指标。轨道精调是通过对钢轨与轨枕连接扣件的调整，降低或消除轨道线路的各项几何偏差，从而保证列车安全、平稳运行。而过去传统方法多采用静态轨道几何数据进行精调作业，即人工检测。静态数据不能反映轨道暗坑、空吊区域，且根据肉眼观察波形而进行精调的方法效率低下，难以找到全局最优解。

目前，也出现了一些轨道精调方法，例如，公开号为CN102561118A的专利文件中，公开了一种基于轨迹偏差的高铁无砟轨道快速精调方法，该方法利用轨道检查仪记录的轨道静态不平顺数据和轨道板ID建立了一种高速无砟轨道的精调模型。其主要功能是恢复轨道线路的设计几何形位。同时，该方法相较于传统的绳正法的调整精度更高，相较于坐标法的作业效率高，环境适应能力强，施工成本低，而且该方法主要用于轨道线型的修复，而无法针对轨道几何高低、轨向、轨距、水平、三角坑等不平顺做出调整。轨道几何不平顺在铁路运营过程中是不可避免且日益恶化的，为了保障列车安全、平稳运行，必须要求铁路工作人员在平时的养护维修中及时发现并整改轨道几何不平顺，通过轨枕扣件在垂向、横向上的调整，使轨道几何形位恢复到设计值。

又如，公开号为CN107153741A的专利文件中，公开了一种无砟轨道模拟调整量计算及精调方法，该方法对轨道横向、垂向偏移量进行多项式拟合，将实测偏移量与对应里程处的拟合偏移量之差作为模拟调整量，以该调整量对原始实测偏移量值进行更新，并重复上述过程，当模拟调整量为0时停止迭代。最终的模拟调整量为每次迭代的模拟调整量之和。其中，在每次迭代过程中，需要分析不同阶数的多项式拟合曲线平顺度和逼近度，根据曲率半径大小判断拟合曲线的平顺性，根据均方误差确定拟合曲线的逼近程度。该方法未考虑多个方向上的轨道不平顺之间的相关性，仅对轨道高低、轨向做出了调整。轨道不平顺综合评价指标往往是通过轨道质量指数(Track Quality Index, TQI)，而其中水平、轨距、三角坑的数值随左右轨高低、轨向不平顺的变化而变化，可谓“牵一发而动全身”。

另外，以上方法均针对于轨道不平顺静态数据，难以实现动态精调，因此，亟待一种轨道动态精调方法来解决目前的问题。

发明内容

本发明的内容是提供一种基于粒子群算法的轨道动态精调方法，其能够克服现有技术的某种或某些缺陷。

根据本发明的一种基于粒子群算法的轨道动态精调方法，其包括以下步骤：

一、导入实测轨道左右高低动态不平顺值、左右轨向动态不平顺值、轨枕编号及对应的里程坐标；

二、根据左右高低动态不平顺值、左右轨向动态不平顺值计算得到水平、轨距、三角坑对应的不平顺值；

三、根据导入的轨枕里程坐标对各项实测轨道动态不平顺值进行插值处理，得到各编号轨枕位置处对应的各项轨道不平顺指标；

四、在选定待精调的区段内，设置需要调整的扣件个数N，并将该区段内左右高低、左右轨向绝对值前N大的坐标位置作为待调整位置；根据待调整位置的实测不平顺值的符号，得到调整量符号；

五、根据扣件调整的最小单位和最大调整量，得到最大调整单位量U，即最大调整量除以调整最小单位后取整；

六、在待调整扣件位置处随机产生0到U的正整数，并乘以最小单位和调整量符号，得到初始化调整量；重复过程，生成P个初始化样本，P为整个粒子群的个体数；

七、利用粒子群算法迭代求解，得到全局最优值；

八、根据全局最优值得到最终的动态精调方案。

作为优选，步骤七中，利用粒子群算法迭代求解的方法为：

a、根据粒子群算法的位置、速度更新公式：

计算每个个体的适应度函数，将该适应度函数作为当前的个体最优值，并将整个粒子群中的最小值作为全局最优值；

V是粒子的速度，X是粒子的位置，r是随机数，c是学习因子；w是惯性因子；i表示粒子，

是个体最优值，

是粒子群最优值；

b、计算步骤a中更新后的每个个体适应度，对于每个个体而言，新的适应度如果小于历史个体最优值，则将当前适应度作为新的历史个体最优值，更新完所有个体的历史最优值后，将整个粒子群中的适应度最小值作为全局最优值；

c、重复步骤a和步骤b，直到达到最大迭代次数。

作为优选，步骤a中，分别将调整后TQI和峰值超限比例两个指标作为无砟和有砟轨道的适应度函数，在迭代过程中通过最小化精调后的TQI或峰值超限比例确定各扣件处的调整量。

作为优选，计算每个个体的适应度之前，先初始化每个个体的位置和速度。

作为优选，步骤二中，轨距不平顺值为左、右轨向之差，水平不平顺值为左、高低之差，三角坑不平顺值为相距轨检车弦长一半距离的水平相差程度。

作为优选，相距轨检车弦长为3m。

作为优选，步骤五中，扣件调整的最小单位为0.5mm。

作为优选，步骤四中，不平顺值如果为正则调整量为负，不平顺值如果为负则调整量为正。

本发明的技术效果如下：

1. 本发明能够利用计算机实现动态精调方案的自动生成，减少大量人工成本。

2. 本发明具有较好的可移植性。在本发明中，分别对无砟轨道精调和有砟轨道精调设置了不同的适应度函数，其对应优化的目标为TQI和峰值超限比例，使用者可以根据需求自己定义适应度函数。

3. 本发明考虑了各项不平顺指标的之间的关系，确保在调整轨道高低、轨向不平顺的同时，能够协调各项不平顺指标的综合调整效果。从而提高轨距、水平、三角坑不平顺指标的调整效果。

附图说明

图1为实施例1中一种基于粒子群算法的轨道动态精调方法的流程图；

图2为实施例1中利用粒子群算法迭代求解的流程图。

具体实施方式

为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。应当理解的是，实施例仅仅是对本发明进行解释而并非限定。

实施例1

如图1所示，本实施例提供了一种基于粒子群算法的轨道动态精调方法，其包括以下步骤：

一、导入实测轨道左右高低动态不平顺值、左右轨向动态不平顺值、轨枕编号及对应的里程坐标；

二、根据左右高低动态不平顺值、左右轨向动态不平顺值计算得到水平、轨距、三角坑对应的不平顺值；

三、根据导入的轨枕里程坐标对各项实测轨道动态不平顺值进行插值处理，得到各编号轨枕位置处对应的各项轨道不平顺指标；

四、在选定待精调的区段内，设置需要调整的扣件个数N，并将该区段内左右高低、左右轨向绝对值前N大的坐标位置作为待调整位置；根据待调整位置的实测不平顺值的符号，得到调整量符号；

五、根据扣件调整的最小单位和最大调整量，得到最大调整单位量U，即最大调整量除以调整最小单位后取整；

六、在待调整扣件位置处随机产生0到U的正整数，并乘以最小单位和调整量符号，得到初始化调整量；重复过程，生成P个初始化样本，P为整个粒子群的个体数；P个初始化样本中，每个样本为一个N维向量，向量中元素为0到U的正整数，并乘以最小单位和调整量符号；

七、利用粒子群算法迭代求解，得到全局最优值；

八、根据全局最优值得到最终的动态精调方案。

如图2所示，步骤七中，利用粒子群算法迭代求解的方法为：

a、根据粒子群算法的位置、速度更新公式：

计算每个个体的适应度函数，将该适应度函数作为当前的个体最优值，并将整个粒子群中的最小值作为全局最优值；

V是粒子的速度，X是粒子的位置，r是随机数，c是学习因子；w是惯性因子；i表示粒子，

是个体最优值，

是粒子群最优值；

b、计算步骤a中更新后的每个个体适应度，对于每个个体而言，新的适应度如果小于历史个体最优值，则将当前适应度作为新的历史个体最优值，更新完所有个体的历史最优值后，将整个粒子群中的适应度最小值作为全局最优值；

c、重复步骤a和步骤b，直到达到最大迭代次数。

步骤a中，分别将调整后TQI和峰值超限比例两个指标作为无砟和有砟轨道的适应度函数，在迭代过程中通过最小化精调后的TQI或峰值超限比例确定各扣件处的调整量。

计算每个个体的适应度之前，先初始化每个个体的位置和速度。

步骤二中，轨距不平顺值为左、右轨向之差，水平不平顺值为左、高低之差，三角坑不平顺值为相距轨检车弦长一半距离的水平相差程度。

相距轨检车弦长为3m。

步骤五中，扣件调整的最小单位为0.5mm。

步骤四中，不平顺值如果为正则调整量为负，不平顺值如果为负则调整量为正。

本实施例借助计算机的强大算力和粒子群算法的全局寻优能力，解决过去人工调整的低效率问题。相较于基于轨迹偏差的精调方法，本实施例考虑了更细致的轨道不平顺参数，其中包括考虑了左右高低、左右轨向、轨距、水平、三角坑七项轨道不平顺指标。同时，本实施例考虑了轨道几何不平顺之间的关联性，确保在调整轨道高低、轨向不平顺的同时不会使轨距、水平、三角坑不平顺增大，使最终的精调方案达到全局最优。

以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

Claims (8)

1.一种基于粒子群算法的轨道动态精调方法，其特征在于：包括以下步骤：

一、导入实测轨道左右高低动态不平顺值、左右轨向动态不平顺值、轨枕编号及对应的里程坐标；

二、根据左右高低动态不平顺值、左右轨向动态不平顺值计算得到水平、轨距、三角坑对应的不平顺值；

三、根据导入的轨枕里程坐标对各项实测轨道动态不平顺值进行插值处理，得到各编号轨枕位置处对应的各项轨道不平顺指标；

四、在选定待精调的区段内，设置需要调整的扣件个数N，并将该区段内左右高低、左右轨向绝对值前N大的坐标位置作为待调整位置；根据待调整位置的实测不平顺值的符号，得到调整量符号；

五、根据扣件调整的最小单位和最大调整量，得到最大调整单位量U，即最大调整量除以调整最小单位后取整；

六、在待调整扣件位置处随机产生0到U的正整数，并乘以最小单位和调整量符号，得到初始化调整量；重复过程，生成P个初始化样本，P为整个粒子群的个体数；

七、利用粒子群算法迭代求解，得到全局最优值；

八、根据全局最优值得到最终的动态精调方案。

2.根据权利要求1所述的一种基于粒子群算法的轨道动态精调方法，其特征在于：步骤七中，利用粒子群算法迭代求解的方法为：

a、根据粒子群算法的位置、速度更新公式：

V是粒子的速度，X是粒子的位置，r是随机数，c是学习因子；w是惯性因子；i表示粒子，

是个体最优值，

是粒子群最优值；

计算每个个体的适应度函数，将该适应度函数作为当前的个体最优值，并将整个粒子群中的最小值作为全局最优值；

b、计算步骤a中更新后的每个个体适应度，对于每个个体而言，新的适应度如果小于历史个体最优值，则将当前适应度作为新的历史个体最优值，更新完所有个体的历史最优值后，将整个粒子群中的适应度最小值作为全局最优值；

c、重复步骤a和步骤b，直到达到最大迭代次数。

3.根据权利要求2所述的一种基于粒子群算法的轨道动态精调方法，其特征在于：步骤a中，分别将调整后TQI和峰值超限比例两个指标作为无砟和有砟轨道的适应度函数，在迭代过程中通过最小化精调后的TQI或峰值超限比例确定各扣件处的调整量。

4.根据权利要求2所述的一种基于粒子群算法的轨道动态精调方法，其特征在于：计算每个个体的适应度之前，先初始化每个个体的位置和速度。

5.根据权利要求1所述的一种基于粒子群算法的轨道动态精调方法，其特征在于：步骤二中，轨距不平顺值为左、右轨向之差，水平不平顺值为左、高低之差，三角坑不平顺值为相距轨检车弦长一半距离的水平相差程度。

6.根据权利要求5所述的一种基于粒子群算法的轨道动态精调方法，其特征在于：相距轨检车弦长为3m。

7.根据权利要求1所述的一种基于粒子群算法的轨道动态精调方法，其特征在于：步骤五中，扣件调整的最小单位为0.5mm。

8.根据权利要求1所述的一种基于粒子群算法的轨道动态精调方法，其特征在于：步骤四中，不平顺值如果为正则调整量为负，不平顺值如果为负则调整量为正。

Images