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

一种基于粒子群算法的轨道动态精调方法 Download PDF

Info

Publication number
CN112100929A
CN112100929A CN202011238831.4A CN202011238831A CN112100929A CN 112100929 A CN112100929 A CN 112100929A CN 202011238831 A CN202011238831 A CN 202011238831A CN 112100929 A CN112100929 A CN 112100929A
Authority
CN
China
Prior art keywords
irregularity
particle swarm
value
track
adjustment
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.)
Granted
Application number
CN202011238831.4A
Other languages
English (en)
Other versions
CN112100929B (zh
Inventor
何庆
李晨钟
马玉松
王平
俞伟东
高天赐
王启航
王晓明
高岩
汪建辉
利璐
孙华坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202011238831.4A priority Critical patent/CN112100929B/zh
Publication of CN112100929A publication Critical patent/CN112100929A/zh
Application granted granted Critical
Publication of CN112100929B publication Critical patent/CN112100929B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/13Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/004Artificial life, i.e. computing arrangements simulating life
    • G06N3/006Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Machines For Laying And Maintaining Railways (AREA)

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:
Figure 972729DEST_PATH_IMAGE002
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,
Figure 453651DEST_PATH_IMAGE003
是个体最优值,
Figure 295705DEST_PATH_IMAGE004
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:
Figure 753231DEST_PATH_IMAGE005
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,
Figure 629920DEST_PATH_IMAGE003
是个体最优值,
Figure 750585DEST_PATH_IMAGE006
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:
Figure 955059DEST_PATH_IMAGE001
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,
Figure 220298DEST_PATH_IMAGE002
是个体最优值,
Figure 980444DEST_PATH_IMAGE003
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。
CN202011238831.4A 2020-11-09 2020-11-09 一种基于粒子群算法的轨道动态精调方法 Active CN112100929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011238831.4A CN112100929B (zh) 2020-11-09 2020-11-09 一种基于粒子群算法的轨道动态精调方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011238831.4A CN112100929B (zh) 2020-11-09 2020-11-09 一种基于粒子群算法的轨道动态精调方法

Publications (2)

Publication Number Publication Date
CN112100929A true CN112100929A (zh) 2020-12-18
CN112100929B CN112100929B (zh) 2021-01-29

Family

ID=73785149

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011238831.4A Active CN112100929B (zh) 2020-11-09 2020-11-09 一种基于粒子群算法的轨道动态精调方法

Country Status (1)

Country Link
CN (1) CN112100929B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114722711A (zh) * 2022-04-11 2022-07-08 中国科学院空天信息创新研究院 一种受摄条件下的兰伯特转移轨道确定方法和系统
CN114819309A (zh) * 2022-04-13 2022-07-29 成都理工大学 一种钢轨平顺状态优化方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102561118A (zh) * 2011-12-15 2012-07-11 江西日月明铁道设备开发有限公司 一种基于轨迹偏差的高铁无砟轨道快速精调方法
CN105946896A (zh) * 2016-06-20 2016-09-21 石家庄铁道大学 一种铁路轨道几何不平顺动态特性试验台
CN107358339A (zh) * 2017-06-20 2017-11-17 西安交通大学 一种基于大数据的轨道质量状态评估方法
CN107761478A (zh) * 2017-10-01 2018-03-06 中国铁路设计集团有限公司 高铁桥梁沉降超限区段轨道高程调整量计算方法
RU2017144992A (ru) * 2017-12-20 2019-04-01 Анатолий Степанович Дресвянкин Универсальные коньколыжи
CN110029544A (zh) * 2019-06-03 2019-07-19 西南交通大学 一种轨道不平顺的测量方法及装置
AU2018374073A1 (en) * 2018-01-30 2019-08-15 China University Of Mining And Technology Correlation modeling method for coupling failure of critical components of deep well hoist under incomplete information condition

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102561118A (zh) * 2011-12-15 2012-07-11 江西日月明铁道设备开发有限公司 一种基于轨迹偏差的高铁无砟轨道快速精调方法
CN105946896A (zh) * 2016-06-20 2016-09-21 石家庄铁道大学 一种铁路轨道几何不平顺动态特性试验台
CN107358339A (zh) * 2017-06-20 2017-11-17 西安交通大学 一种基于大数据的轨道质量状态评估方法
CN107761478A (zh) * 2017-10-01 2018-03-06 中国铁路设计集团有限公司 高铁桥梁沉降超限区段轨道高程调整量计算方法
RU2017144992A (ru) * 2017-12-20 2019-04-01 Анатолий Степанович Дресвянкин Универсальные коньколыжи
AU2018374073A1 (en) * 2018-01-30 2019-08-15 China University Of Mining And Technology Correlation modeling method for coupling failure of critical components of deep well hoist under incomplete information condition
CN110029544A (zh) * 2019-06-03 2019-07-19 西南交通大学 一种轨道不平顺的测量方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GAO, TC等: "Vertical track irregularity analysis of high-speed railways on simply-supported beam bridges based on the virtual track inspection method", 《PROCEEDINGS OF THE INSTITUTION OF MECHANICAL ENGINEERS PART F-JOURNAL OF RAIL AND RAPID TRANSIT》 *
李阳腾龙: "高速铁路轨道精测精调及其平顺性优化研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114722711A (zh) * 2022-04-11 2022-07-08 中国科学院空天信息创新研究院 一种受摄条件下的兰伯特转移轨道确定方法和系统
CN114722711B (zh) * 2022-04-11 2022-12-06 中国科学院空天信息创新研究院 一种受摄条件下的兰伯特转移轨道确定方法和系统
CN114819309A (zh) * 2022-04-13 2022-07-29 成都理工大学 一种钢轨平顺状态优化方法
CN114819309B (zh) * 2022-04-13 2023-04-18 成都理工大学 一种钢轨平顺状态优化方法

Also Published As

Publication number Publication date
CN112100929B (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN112100929B (zh) 一种基于粒子群算法的轨道动态精调方法
CN114329749B (zh) 一种既有铁路平纵一体化辅助优化设计的方法
CN109977599B (zh) 一种既有铁路纵面线位整体智能重构方法
CN102561118B (zh) 一种基于轨迹偏差的高铁无砟轨道快速精调方法
CN111723448B (zh) 数字孪生智能综采工作面液压支架直线度监测方法
CN112733390B (zh) 一种基于中长波平顺性的精捣调整量优化方法
CN100478965C (zh) 铁路轨道系统动态性能可视化仿真方法
CN112084558A (zh) 一种轨道不平顺状态优化模拟精调方法
CN112766556B (zh) 基于贝叶斯信息准则的铁路轨道历史维修自动识别方法
CN108362308A (zh) 一种利用隧道环缝的移动激光测量系统里程校正方法
CN108413946B (zh) 一种车载全站仪位置参数的测量方法
CN109670217A (zh) 隧道气动载荷影响因素的权重分析方法及计算机系统
CN101051393A (zh) 一种铁道机车车辆轮轨动态接触的可视化仿真方法
CN113326637B (zh) 一种双轨组合约束的无砟轨道精调量优化方法
Kaiser et al. Modelling the impact of structural flexibility of wheelsets and rails on the wheel-rail contact and the wear
CN113204856B (zh) 运营高铁轨道空间线形优化设计方法
CN110736999A (zh) 基于激光雷达的铁路道岔检测方法
CN116244841A (zh) 一种轨道交通既有线线路纵断面拟合优化方法
CN107022933A (zh) 用于高速铁路联调联试期间或运营期间的轨道调整方法
CN116050814B (zh) 一种有砟轨道捣固方案自适应修正方法
CN117057244A (zh) 一种基于双参时间函数的煤矿开采地表沉降动态预测方法
CN115964615A (zh) 一种基于中线点云数据的轨道平顺性评价方法
CN114754708A (zh) 基于三维激光扫描技术的道路平整度检测方法及系统
CN113449430B (zh) 一种铁路轨道道床综合体积指标计算方法
CN115329529A (zh) 一种实测轮轨蠕滑曲线模拟方法

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