CN112464397A - 一种铁路道岔钢轨打磨廓形优化方法 - Google Patents

一种铁路道岔钢轨打磨廓形优化方法 Download PDF

Info

Publication number
CN112464397A
CN112464397A CN202011234644.9A CN202011234644A CN112464397A CN 112464397 A CN112464397 A CN 112464397A CN 202011234644 A CN202011234644 A CN 202011234644A CN 112464397 A CN112464397 A CN 112464397A
Authority
CN
China
Prior art keywords
turnout
profile
steel rail
railway
service performance
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.)
Pending
Application number
CN202011234644.9A
Other languages
English (en)
Inventor
王平
徐井芒
方嘉晟
陈嵘
王树国
李文博
安博洋
赖军
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
China Academy of Railway Sciences Corp Ltd CARS
China Railway Baoji Bridge Group Co Ltd
Original Assignee
Southwest Jiaotong University
China Academy of Railway Sciences Corp Ltd CARS
China Railway Baoji Bridge Group Co Ltd
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, China Academy of Railway Sciences Corp Ltd CARS, China Railway Baoji Bridge Group Co Ltd filed Critical Southwest Jiaotong University
Priority to CN202011234644.9A priority Critical patent/CN112464397A/zh
Publication of CN112464397A publication Critical patent/CN112464397A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Machines For Laying And Maintaining Railways (AREA)

Abstract

本发明涉及铁路道岔钢轨技术领域，具体地说，涉及一种铁路道岔钢轨打磨廓形优化方法，其包括以下步骤：一、对铁路道岔钢轨廓形进行参数化处理；二、建立钢轨廓形与道岔服役性能的映射关系；三、多目标优化。本发明提出了道岔钢轨廓形的参数化方法，能够考虑道岔区钢轨的动态组合廓形；本发明基于代理模型模拟了道岔真实服役性能；本发明采用多目标进化算法对铁路道岔变截面钢轨廓形进行自动、智能优化，无需依赖设计人员经验。

Description

一种铁路道岔钢轨打磨廓形优化方法
技术领域
本发明涉及铁路道岔钢轨技术领域，具体地说，涉及一种铁路道岔钢轨打磨廓形优化方法。
背景技术
与区间线路相比，铁路道岔存在尖轨、心轨等薄弱轨件，存在打磨受限区，且道岔截面沿线路纵向是变化的，给打磨廓形的优化设计带来了较大困难，如图1中尖轨打磨受限区和图2中心轨打磨受限区。
在现有技术中，铁路道岔打磨没有固定的目标廓形，通常以经验法消除钢轨表面伤损，或是单一目标条件的优化方法，尚未有关于钢轨廓形多目标优化方面的研究。
发明内容
本发明的内容是提供一种铁路道岔钢轨打磨廓形优化方法，其能够克服现有技术的某种或某些缺陷。
根据本发明的一种铁路道岔钢轨打磨廓形优化方法，其包括以下步骤：
一、对铁路道岔钢轨廓形进行参数化处理；
二、建立钢轨廓形与道岔服役性能的映射关系；
三、多目标优化。
作为优选，步骤一中，基于NURBS理论建立道岔钢轨廓形参数化模型，根据有限个变量确定任意形状的钢轨廓形。
作为优选，步骤二中，通过大量训练样本建立了道岔廓形与道岔服役性能的Kriging代理模型，建立打磨目标廓形与道岔服役性能之间的关系。
作为优选，步骤三中，以Kriging代理模型作为目标函数，采用多目标进化算法MOPSO对相应的评价指标进行优化，即可得到服役性能更优的道岔钢轨廓形。
本发明的技术效果如下：
(1)提出了道岔钢轨廓形的参数化方法，能够考虑道岔区钢轨的动态组合廓形；
(2)基于代理模型模拟了道岔真实服役性能；
(3)采用多目标进化算法对铁路道岔变截面钢轨廓形进行自动、智能优化，无需依赖设计人员经验。
附图说明
图1为现有技术中尖轨打磨受限区的示意图；
图2为现有技术中心轨打磨受限区的示意图；
图3为实施例1中一种铁路道岔钢轨打磨廓形优化方法的流程图。
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铁路道岔钢轨打磨廓形优化方法，其包括以下步骤：
一、对铁路道岔钢轨廓形进行参数化处理；
二、建立钢轨廓形与道岔服役性能的映射关系；
三、多目标优化。
步骤一中，由于道岔钢轨廓形由多段曲线构成，无法找到统一的数学表达式，不利于后续优化工作的进行，因此，基于NURBS理论建立道岔钢轨廓形参数化模型，根据有限个变量确定任意形状的钢轨廓形。
步骤二中，由于道岔钢轨廓形与其服役性能之间存在强非线性关系，以服役性能作为目标函数时无法直接对其进行优化求解，通过大量训练样本建立了道岔廓形与道岔服役性能的Kriging代理模型，建立打磨目标廓形与道岔服役性能之间的关系，打磨目标廓形为决策变量，道岔服役性能为目标函数。
步骤三中，以Kriging代理模型作为目标函数，采用多目标进化算法MOPSO(多目标粒子群算法)对相应的评价指标进行优化，即可得到服役性能更优的道岔钢轨廓形。
得到服役性能更优的道岔钢轨廓形后，取打磨道岔型面样件，进行试验验证，通过开展现场打磨作业并进行动力学测试，得到车辆过岔动态响应，通过滚振试验台验证，输出道岔型面集合特征变化，然候得出评估优化结果，从而为高速道岔区钢轨打磨廓形优化提供指导。
本发明提出了道岔钢轨廓形的参数化方法，能够考虑道岔区钢轨的动态组合廓形；本发明基于代理模型模拟了道岔真实服役性能；本发明采用多目标进化算法对铁路道岔变截面钢轨廓形进行自动、智能优化，无需依赖设计人员经验。
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 (4)

1.一种铁路道岔钢轨打磨廓形优化方法，其特征在于：包括以下步骤：
一、对铁路道岔钢轨廓形进行参数化处理；
二、建立钢轨廓形与道岔服役性能的映射关系；
三、多目标优化。
2.根据权利要求1所述的一种铁路道岔钢轨打磨廓形优化方法，其特征在于：步骤一中，基于NURBS理论建立道岔钢轨廓形参数化模型，根据有限个变量确定任意形状的钢轨廓形。
3.根据权利要求2所述的一种铁路道岔钢轨打磨廓形优化方法，其特征在于：步骤二中，通过大量训练样本建立了道岔廓形与道岔服役性能的Kriging代理模型，建立打磨目标廓形与道岔服役性能之间的关系。
4.根据权利要求3所述的一种铁路道岔钢轨打磨廓形优化方法，其特征在于：步骤三中，以Kriging代理模型作为目标函数，采用多目标进化算法MOPSO对相应的评价指标进行优化，即可得到服役性能更优的道岔钢轨廓形。
CN202011234644.9A 2020-11-07 2020-11-07 一种铁路道岔钢轨打磨廓形优化方法 Pending CN112464397A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011234644.9A CN112464397A (zh) 2020-11-07 2020-11-07 一种铁路道岔钢轨打磨廓形优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011234644.9A CN112464397A (zh) 2020-11-07 2020-11-07 一种铁路道岔钢轨打磨廓形优化方法

Publications (1)

Publication Number Publication Date
CN112464397A true CN112464397A (zh) 2021-03-09

Family

ID=74825961

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011234644.9A Pending CN112464397A (zh) 2020-11-07 2020-11-07 一种铁路道岔钢轨打磨廓形优化方法

Country Status (1)

Country Link
CN (1) CN112464397A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114541196A (zh) * 2022-02-18 2022-05-27 西南交通大学 一种考虑道岔服役性能演变的钢轨打磨周期设计方法
CN117745243A (zh) * 2024-01-05 2024-03-22 北京九州铁物轨道科技服务有限公司 一种地铁钢轨廓形打磨控制管理系统及方法
CN118332635A (zh) * 2024-02-01 2024-07-12 西南交通大学 一种基于遗传优化算法的道岔辙叉廓形优化方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105912755A (zh) * 2016-04-06 2016-08-31 西京学院 一种基于NURBS-Kriging的钢轨打磨廓形预测方法
CN106951657A (zh) * 2017-03-31 2017-07-14 西安石油大学 一种磨损钢轨打磨目标廓形快速设计方法
CN109033482A (zh) * 2017-06-08 2018-12-18 华东交通大学 一种磨耗钢轨型面经济性打磨方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105912755A (zh) * 2016-04-06 2016-08-31 西京学院 一种基于NURBS-Kriging的钢轨打磨廓形预测方法
CN106951657A (zh) * 2017-03-31 2017-07-14 西安石油大学 一种磨损钢轨打磨目标廓形快速设计方法
CN109033482A (zh) * 2017-06-08 2018-12-18 华东交通大学 一种磨耗钢轨型面经济性打磨方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YUE YANG 等: "A prediction method of rail grinding profile using non-uniform rational B-spline curves and Kriging model", 《JOURNAL OF CENTRAL SOUTH UNIVERSITY》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114541196A (zh) * 2022-02-18 2022-05-27 西南交通大学 一种考虑道岔服役性能演变的钢轨打磨周期设计方法
CN117745243A (zh) * 2024-01-05 2024-03-22 北京九州铁物轨道科技服务有限公司 一种地铁钢轨廓形打磨控制管理系统及方法
CN118332635A (zh) * 2024-02-01 2024-07-12 西南交通大学 一种基于遗传优化算法的道岔辙叉廓形优化方法

Similar Documents

Publication Publication Date Title
US20210287098A1 (en) On-line prediction method of surface roughness of parts based on sdae-dbn algorithm
CN112464397A (zh) 一种铁路道岔钢轨打磨廓形优化方法
CN104866648B (zh) 一种高速行驶交通工具仿真模型前处理模板及处理方法
CN107862141B (zh) 一种轨道车辆低噪声正向设计方法
WO2022134868A1 (zh) 一种基于特征融合的道岔尖轨伤损状态监测方法
CN109035233B (zh) 视觉注意力网络系统及工件表面缺陷检测方法
CN106951657B (zh) 一种磨损钢轨打磨目标廓形快速设计方法
CN107462785B (zh) 基于ga-svm的电能质量多扰动信号分类识别方法
CN109615113A (zh) 一种基于数字孪生的船用柴油机关重件加工质量预测方法
CN114354639B (zh) 一种基于3d点云的焊缝缺陷实时检测方法及系统
CN104331553B (zh) 考虑缺陷的大型透平膨胀机叶轮叶片结构优化设计方法
CN110688710A (zh) 一种基于轨道交通车辆轮对寿命统计学模型的镟修方法
CN110567661B (zh) 基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法
CN114297912B (zh) 基于深度学习的刀具磨损预测方法
CN114781450B (zh) 一种基于参数优化momeda-mia-cnn的列车滚动轴承状态识别方法
CN112464525A (zh) 一种轮轨裂纹萌生及扩展的确定方法
CN115907143A (zh) 车辆动态响应的预测方法及装置
CN116523129A (zh) 基于xgboost与分形维数的路面抗滑性能预测方法
CN117454262B (zh) 一种接触网故障识别方法、系统、存储介质及电子设备
CN110598275A (zh) 基于响应面建模和改进粒子群算法的车轮型面优化方法
CN107169254B (zh) 一种汽车起重机回转系统性能评估及剩余寿命预测方法
CN106407955A (zh) 一种电力系统低频振荡模式在线辨识方法
CN111119835A (zh) 一种随钻工况识别方法及系统
CN114330131B (zh) 一种快速确定磨粒水射流预防性打磨钢轨深度的方法
CN116502496A (zh) 一种基于移动荷载与卷积神经网络的简支桥损伤检测方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210309

RJ01 Rejection of invention patent application after publication