CN113158558B - 一种高速铁路路基连续压实分析方法、装置及分析仪 - Google Patents

Abstract

本发明公开了一种高速铁路路基连续压实分析方法、装置及分析仪，属于高速铁路路基连续压实检测的技术领域。本发明用以解决现有技术中不能实现路基压实情况实时高精度检测的问题。本发明包括采集振动压路机的加速度信号；处理所述振动加速度信号得到当前路基的连续压实指标；针对试验段的连续压实指标与常规压实指标进行相关校验；施工段进行连续压实检测，并显示所述当前路基的压实情况；本发明提出的路基连续压实实时检测方法更能体现路基压实的真实情况。

Description

一种高速铁路路基连续压实分析方法、装置及分析仪

技术领域

本发明涉及路基连续压实检测领域，特别是涉及一种高速铁路路基连续压实分析方法、装置及分析仪。

背景技术

由于路基工程作为铁路建设的关键工程之一，路基稳定性的好坏直接影响铁路施工质量，为使路基具有足够的强度与稳定性，必须予以压实，提高其密实度，高速铁路路基连续压实质量的评价指标是压实度。在中国实用新型专利说明书CN206873433U中公开了一种基于嵌入式的地基系数K30检测装置，解决了以往测定地基系数K30过程中的手动调节加载，百分表测量沉降量准确性差的问题，实现自动加载，自动读取测量数据功能，并可以将测量数据、环境温度进行实时显示，检测准确性高，使用方便。在中国实用新型专利说明书CN203113306U中公开了一种铁路路基连续压实质量监测与控制系统，该系统能够实时对整个碾压面压实质量进行全面监测与控制的连续压实控制技术，解决了常规指标的“点式”抽样检测方法的不足，无法实现碾压全过程的实时控制，通过连续压实指标VCV表征常规指标。

在这两种检测压实度的方法中，测得的K30指标采用静力加载，虽解决了自动加载与自动读取的功能，但仍然采用的是“点式”随机抽取检测，会出现漏检情况。尽管铁路路基连续压实质量监测与控制系统实现了由点到面的全面监测，但由于现有技术中常规指标与连续压实指标VCV相关校验方法存在不足，影响了连续压实指标下的路基目标振动压实值的确定，不能真是反映路基压实情况。

路基连续压实度检测是一个复杂的检测技术，连续压实度参数模型机理复杂，其表征受诸多因素影响，例如振动压路机的参数，填料的类型、厚度、含水量等。同时，常规指标虽然能够体现出压实程度的好坏，但是无法覆盖所有的路面范围，一旦漏检对于高速铁路运行来说很可能是致命的。如何连续在线、高相关性地对路基压实程度进行检测也成为一个重点和难点。国内学者在连续路基压实度检测研究方面目前较少，无法实现路基压实的过程控制，这导致路基有可能出现过压、欠压的情况发生。实际上，路基的压实度是一个逐渐变化的过程，如能在路基施工过程中对其进行压实度检测，给出量化指标，这对于路基压实的质量具有重要的作用。

如何做到准确实时的连续压实指标的计算，一直是路基压实程度检测的一个瓶颈问题。因此能够准确实时的计算出连续压实指标，对评价高速铁路路基压实质量、实现过程控制具有重要意义。

发明内容

为了解决上述问题，本发明提供了一种高速铁路路基连续压实分析方法及分析仪，实现连续在线、高精度的路基压实度检测。

本发明第一方面提供了一种高速铁路路基连续压实分析方法及分析仪，包括如下步骤：

S1、建立连续压实指标与常规压实指标的相关关系；

S2、采集振动压路机的振动加速度信号，并将振动压路机的振动加速度信号转换成连续压实指标；

S3、根据连续压实指标的训练样本数据，确定所述相关关系的相关系数，得到连续压实指标与规范压实指标的相关模型；

S4、根据待测路段的连续压实指标输入所述相关模型中，得到当前路段的压实情况。

进一步的，所述相关关系为：

y＝a+bx；

其中x为常规压实指标；y为连续压实指标，a和b为相关系数。

进一步的，所述样本数据为历史样本数据或试验路段测量的得到的样本数据。

进一步的，所述振动压路机的振动加速度转换成连续压实指标的方法包括：

所述振动加速度信号进行数字滤波；

数字滤波后的加速度信号经二次积分得到压路机振动轮位移信号，进而得到连续压实指标。

进一步的，所述相关系数通过Huber损失最小化学习方法确定。

进一步的，所述步骤S3包括：

所述常规压实指标的合格值输入所述相关模型中，得到连续压实指标下的路基目标振动压实值，根据所述连续压实指标下的路基目标振动压实值判断当前路段的压实情况。

本发明第二方面提供了一种高速铁路路基连续压实分析装置，包括：

相关校验模块，用以建立连续压实指标与常规压实指标的相关关系；

数据处理模块，用以采集振动压路机的振动加速度信号，并将振动压路机的振动加速度信号转换成连续压实指标。

模型模块，用以根据连续压实指标的训练样本数据，确定所述相关关系的相关系数，得到连续压实指标与规范压实指标的相关模型；

处理分析模块，用以根据待测路段的连续压实指标输入所述相关模型中，得到当前路段的压实情况。

进一步的，所述处理分析模块工作过程包括：

将振动加速度信号经二次积分得到振动压路机振动轮位移信号，进而得到连续压实指标；

进一步的，所述数据分析模块的工作过程包括：

所述常规压实指标的合格值输入所述相关模型中，得到连续压实指标下的路基目标振动压实值，根据所述连续压实指标下的路基目标振动压实值判断当前路段的压实情况。

进一步的，所述振动加速度信号通过安装在振动压路机振动轮的内侧的三轴加速度传感器测量得到。

本发明第三方面提供了一种高速铁路路基连续压实分析仪，包括：处理器和存储器，所述处理器配置为执行可执行指令来执行本发明第一方面所述的一种高速铁路路基连续压实分析方法的步骤；所述存储器用以存储所述处理器的所述可执行指令。

本发明与现有技术相比，具有如下效果：

1、本申请通过采集振动压路机的振动加速度信号获得连续压实指标，利用试验路段对连续压实指标与常规压实指标进行相关校验，通过相关校验获得路基目标振动压实值及相关系数，Huber损失最小化学习方法建立的连续压实指标与常规压实指标之间的相关关系，从而确定的目标振动压实值，该目标振动压实值不受奇异点的影响，能够更好的反应路基的实际压实情况；施工路段根据振动轮的振动加速度数值计算连续压实指标，由路基目标振动压实值判断压实情况，计算得到的路基压实度具有实时性；

2、本申请克服现有技术中常规指标与连续压实指标VCV相关校验方法的缺陷，从而提高铁路路基连续压实质量监测的准确性；本申请实现了准确实时的连续压实指标的计算，解决了路基压实程度检测的瓶颈问题，对评价高速铁路路基压实质量、实现过程控制具有重要意义。

3、本申请采用Huber损失最小化学习法能更为精准的控制现场路基压实质量，为路基施工提高压实质量及施工效率。

附图说明

图1是本发明具体实施例的一种高速铁路路基连续压实分析方法的流程图；

图2是本发明具体实施例的一种高速铁路路基连续压实分析装置的结构原理图；

图3是本发明具体实施例中的连续压实指标与常规压实指标值之间的关系图，其中包括普通最小二乘法与Huber损失最小化学习法的对比示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

如图1所示，本实施例的一种高速铁路路基连续压实分析方法，包括如下步骤：

S1、建立连续压实指标与常规压实指标的相关关系；

本实施例的相关关系采用线性相关关系，具体如下式所示：

y＝a+bx；

其中x为常规压实指标；y为连续压实指标，a和b为相关系数，在采集的振动加速度信号有异常值导致连续压实指标异常时，连续压实指标与常规压实指标之间的相关关系不受异常值影响，该模型具有较强的鲁棒性。

S2、收集振动压路机的振动加速度信号，并将振动压路机的振动加速度信号转换成连续压实指标；

所述振动压路机的振动加速度转换成连续压实指标的方法包括：

采集的振动加速度信号进行数字滤波，数字滤波后的加速度信号经二次积分得到压路机振动轮位移信号，进而得到待测路段的连续压实指标。所述试验路段的连续压实指标的获取方式与待测路段的连续压实指标的获取方法相同，均为通过采集振动压路机的振动加速度，经数字滤波和二次积分后得到所述的连续压实指标。

S3、根据连续压实指标的训练样本数据，确定所述相关关系的相关系数，得到连续压实指标与常规压实指标的相关模型；

所述训练样本数据为历史样本数据或试验路段测量的得到的样本数据，本实施例采用试验路段测量得到的样本数据，本实施例中，采用的样本数据为试验路段采集的振动压路机的振动加速度值转化成试验路段的连续压实指标，将所述试验路段的连续压实指标样本作为训练样本；

本实施例采用Huber损失最小化学习法确定相关系数a和b，具体包括如下步骤：

S31、建立关于连续压实指标的Huber损失函数，具体如下：

f(x_i)＝a+bx_i (2)

e_i＝f(x_i)-y_i (3)

其中：y_i为连续压实指标训练样本；|e_i|表示第i个连续压实指标训练样本对应残差的绝对值，η为阈值；当残差的绝对值小于阈值时(即正常值)，相当于L₂损失学习(模型的输出与训练集输出的平方误差和)；当残差的绝对值大于阈值时(即异常值)，相当于L₁损失学习(最小绝对值偏差学习)，为了与L₂损失学习平滑连接，在L₁损失中减去常数

S32、确定使得所述Huber损失函数最小的参数a和b，表达式为：

为解式(4)表达的损失函数，|e_i|＞η时的绝对值部分用二次函数抑制，

由于

式(4)转化成：

通过梯度下降法可求得满足式(6)的参数a和b为相关关系中的相关系数a和b。确定了相关系数a和b后，将其代入所述相关关系中，得到相关模型，用于施工路段的压实情况的判断。

S4、根据待测路段的连续压实指标输入所述相关模型中，得到当前路段的压实情况。

步骤S3确定了相关系数a和b后，将所述相关系数其代入步骤S1所述相关关系中，得到相关模型，用于施工路段的压实情况的判断。

施工路段的压实情况的判断方法包括：

将常规压实指标的合格值输入所述相关模型中，利用所述相关模型得到连续压实指标下的路基目标振动压实值，根据所述连续压实指标下的路基目标振动压实值判断当前路段的压实情况。本实施例中的目标振动压实值不受奇异点的影响，能够更好的反映路基真实压实情况。

为了进一步说明本实施例，在一具体实施例中分别利用步骤S1-步骤S3所述方法和最小二乘法建立的连续压实指标VCV与常规压实指标间的相关关系如图3所示，表示了分别在有一个奇异点和两个奇异的的情况下，两种方法建立连续压实指标VCV与常规压实指标间的相关关系。

无奇异点的情况下，由最小二乘算法的到的回归方程为：

y＝291.666+1.3236x (7)

无奇异点的情况下，由本申请所述Huber损失学习法得到的回归方程为：

y＝294.666+1.3055x (8)

一个奇异点的情况下，由最小二乘算法的到的回归方程为：

y＝315.39+0.998x (9)

一个奇异点的情况下，由Huber损失学习法得到的回归方程为：

y＝294.96+1.301x (10)

两个奇异点的情况下：由最小二乘算法的到的回归方程为：

y＝347.48+0.584x (11)

两个奇异点的情况下，由Huber损失学习法得到的回归方程为：

y＝295.85+1.289x (12)

通过图3可见，在无奇异点和有奇异点的情况下，由Huber损失学习法得到的回归方程变化不大，说明奇异点对其影响小，通过Huber损失学习法得到的回归方程，由该回归方程获得常规压实指标合格值对应的连续目标振动压实值，该目标振动压实值更能体现实际的路基压实合格状况。

为了更进一步比较两种方法，采用误差均方值比较两个方法特性，误差均方值记作：

两种方法的误差均方值如表1所示，由表中可以看出在无奇异值时，最小二乘稍好于于Huber损失学习法，随着奇异点数目的增加，奇异点对Huber损失学习法影响小，明显好于最小二乘方法。

表1最小二乘法与Huber损失学习方法比较

	无奇异值	一个奇异值	两个奇异值
				最小二乘	7.1023	17.3708	22.038
Huber损失学习	7.2601	7.045	6.862

如图3所示，本实施例的一种高速铁路路基连续压实分析装置，包括：

相关校验模块，用以建立连续压实指标与规范压实指标的相关关系；

数据处理模块，用以收集振动压路机的振动加速度信号，并将振动压路机的振动加速度信号经二次积分得到振动压路机振动轮位移信号，进而得到连续压实指标；本实施例中的振动加速度信号通过安装在振动压路机振动轮的内侧的三轴加速度传感器测量得到。

模型模块，用以根据连续压实指标的训练样本数据，确定所述相关关系的相关系数，得到连续压实指标与规范压实指标的相关模型；

处理分析模块，用以根据待测路段的连续压实指标输入所述相关模型中，得到当前路段的压实情况。具体的，所述常规压实指标的合格值输入所述相关模型中，得到连续压实指标下的路基目标振动压实值，根据所述连续压实指标下的路基目标振动压实值判断当前路段的压实情况。

本实施例所述的相关校验模块、模型模块和处理分析模块的具体工作过程参见步骤S1-S3所述的步骤流程，上述各个模块可以分别为不同的软件程序，用以实现各模块对应的功能。

本发明在一实施方式中提供了一种高速铁路路基连续压实分析仪，包括：处理器和存储器，所述处理器配置为执行可执行指令来执行本发明所述的一种高速铁路路基连续压实分析方法的步骤；所述存储器用以存储所述处理器的所述可执行指令。

所述连续压实分析仪包括显示装置，用以显示当前路基的压实情况。

本实施例中的存储器可以为易失性存储形式的可读介质，例如，随机存储单元和/或高速缓存存储器，还可以是只读存储器。

本发明实施例所述的多电池充电方法的步骤可直接在硬件中、在处理器执行的软件模块中或在这两者的组合中体现。软件模块可存储在RAM存储器、闪存、ROM存储器、EPROM存储器、寄存器、硬盘、移动硬盘等本领域所知的任何其他形式的存储介质中。存储器与处理器可以以耦合连接方式连接实现处理器能从/向该存储器读取和写入信息；存储器也可以以软件模块的形式集成在处理器中。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (8)

1.一种高速铁路路基连续压实分析方法，其特征在于，包括如下步骤：

S1、建立连续压实指标与常规压实指标的相关关系，所述相关关系为：

y＝a+bx；

其中x为常规压实指标；y为连续压实指标，a和b为相关系数；

S2、采集振动压路机的振动加速度信号，并将振动压路机的振动加速度信号转换成连续压实指标；

S3、根据连续压实指标的训练样本数据，通过Huber损失最小化学习方法确定所述相关关系的相关系数a和b，得到连续压实指标与常规压实指标的相关模型；

通过Huber损失最小化学习方法确定所述相关关系的相关系数a和b的方法包括：

S31、建立关于连续压实指标的Huber损失函数，具体如下：

f(x_i)＝a+bx_i (2)

e_i＝f(x_i)-y_i (3)

其中：y_i为连续压实指标训练样本；|e_i|表示第i个连续压实指标训练样本对应残差的绝对值，η为阈值；

S32、确定使得所述Huber损失函数最小的参数a和b，表达式为：

为解式(4)表达的损失函数，|e_i|＞η时的绝对值部分用二次函数抑制，

由于

式(4)转化成：

通过梯度下降法求得满足式(6)的参数a和b为相关关系中的相关系数a和b；

S4、根据待测路段的连续压实指标输入所述相关模型中，得到当前路段的压实情况。

2.根据权利要求1所述一种高速铁路路基连续压实分析方法，其特征在于，所述样本数据为历史样本数据或试验路段测量的得到的样本数据。

3.根据权利要求1所述一种高速铁路路基连续压实分析方法，其特征在于，所述振动压路机的振动加速度转换成连续压实指标的方法包括：

所述振动加速度信号进行数字滤波；

数字滤波后的加速度信号经二次积分得到压路机振动轮位移信号，进而得到连续压实指标。

4.根据权利要求1所述一种高速铁路路基连续压实分析方法，其特征在于，所述步骤S4包括：

所述常规压实指标的合格值输入所述相关模型中，得到连续压实指标下的路基目标振动压实值，根据所述连续压实指标下的路基目标振动压实值判断当前路段的压实情况。

5.一种高速铁路路基连续压实分析装置，其特征在于，包括：

相关校验模块，用以建立连续压实指标与常规压实指标的相关关系，所述相关关系为：

y＝a+bx；

其中x为常规压实指标；y为连续压实指标，a和b为相关系数；

数据处理模块，用以收集振动压路机的振动加速度信号，并将振动压路机的振动加速度信号转换成连续压实指标；

模型模块，用以根据连续压实指标的训练样本数据，通过Huber损失最小化学习方法确定所述相关关系的相关系数a和b，得到连续压实指标与常规压实指标的相关模型；

通过Huber损失最小化学习方法确定所述相关关系的相关系数a和b的方法包括：

S31、建立关于连续压实指标的Huber损失函数，具体如下：

f(x_i)＝a+bx_i (2)

e_i＝f(x_i)-y_i (3)

其中：y_i为连续压实指标训练样本；|e_i|表示第i个连续压实指标训练样本对应残差的绝对值，η为阈值；

S32、确定使得所述Huber损失函数最小的参数a和b，表达式为：

为解式(4)表达的损失函数，|e_i|＞η时的绝对值部分用二次函数抑制，

由于

式(4)转化成：

通过梯度下降法求得满足式(6)的参数a和b为相关关系中的相关系数a和b；

处理分析模块，用以根据待测路段的连续压实指标输入所述相关模型中，得到当前路段的压实情况。

6.根据权利要求5所述一种高速铁路路基连续压实分析装置，其特征在于，所述数据处理模块的具体工作过程包括：

用以将振动加速度信号经二次积分得到振动压路机振动轮位移信号，进而得到连续压实指标。

7.根据权利要求5所述一种高速铁路路基连续压实分析装置，其特征在于，所述振动加速度信号通过安装在振动压路机振动轮的内侧的三轴加速度传感器测量得到。

8.一种高速铁路路基连续压实分析仪，其特征在于，包括：处理器和存储器，所述处理器配置为执行可执行指令来执行权利要求1-4任一项所述的一种高速铁路路基连续压实分析方法的步骤；所述存储器用以存储所述处理器的所述可执行指令。

Images