CN114491781B - 一种考虑不确定性的无砟轨道基床损伤预警方法及系统 - Google Patents

一种考虑不确定性的无砟轨道基床损伤预警方法及系统 Download PDF

Info

Publication number
CN114491781B
CN114491781B CN202210366148.1A CN202210366148A CN114491781B CN 114491781 B CN114491781 B CN 114491781B CN 202210366148 A CN202210366148 A CN 202210366148A CN 114491781 B CN114491781 B CN 114491781B
Authority
CN
China
Prior art keywords
foundation bed
surface layer
bed
early warning
damage
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
Application number
CN202210366148.1A
Other languages
English (en)
Other versions
CN114491781A (zh
Inventor
刘凯文
邱睿哲
严腾飞
武博文
苏谦
裴彦飞
罗宁
倪芃芃
黄俊杰
汪世玉
陈佳鑫
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 CN202210366148.1A priority Critical patent/CN114491781B/zh
Publication of CN114491781A publication Critical patent/CN114491781A/zh
Application granted granted Critical
Publication of CN114491781B publication Critical patent/CN114491781B/zh
Priority to US18/297,455 priority patent/US11782185B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V20/00—Geomodelling in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • B61L23/042—Track changes detection
    • B61L23/048—Road bed changes, e.g. road bed erosion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
    • B61L27/53—Trackside diagnosis or maintenance, e.g. software upgrades for trackside elements or systems, e.g. trackside supervision of trackside control system conditions
    • 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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01B—PERMANENT WAY; PERMANENT-WAY TOOLS; MACHINES FOR MAKING RAILWAYS OF ALL KINDS
    • E01B1/00—Ballastway; Other means for supporting the sleepers or the track; Drainage of the ballastway
    • E01B1/002—Ballastless track, e.g. concrete slab trackway, or with asphalt layers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Civil Engineering (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Structural Engineering (AREA)
  • Architecture (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种考虑不确定性的无砟轨道基床损伤预警方法及系统，包括以下步骤：步骤1：统计基床材料参数以及一段时间内降水量；步骤2：建立FLAC‑PFC无砟轨道基床模型，标定基床表层细观参数；步骤3：生成颗粒接触摩擦系数的对数正态随机场并赋予基床表层颗粒接触节点；步骤4：对降水量进行抽样，并调整相应基床表层流体域；步骤5：确定随机场最不利空间相关距离；步骤6：在最不利空间相关距离下计算基床表层发生损伤概率pf，当pf超过报警阈值p时，则输出报警信息；若否则退出。本发明考虑降水和基床表层材料不确定性，对动荷载下基床表层损伤进行监测及超前预警，保障行车安全。

Description

一种考虑不确定性的无砟轨道基床损伤预警方法及系统
技术领域
本发明涉及铁路工程服役安全领域，特别是一种考虑不确定性的无砟轨道基床损伤预警方法及系统。
背景技术
我国高速铁路已由大规模建设转入养护运营阶段。在交通循环荷载及长期降雨作用下，加之封闭层材料的耐久性有一定时限，不可避免导致雨水通过失效的封闭层及伸缩缝等部位渗入基床，从而诱发无砟轨道路基出现损伤。基床表层损伤病害会引起路基与轨道结构之间的脱空，结构动力响应显著增大，进而影响列车运营安全性及乘客舒适性，已成为铁路工程路基服役安全领域一个亟待解决的问题。
由于环境降水的不确定性、填料的参数本身的不确定性以及施工带来的误差，传统确定性分析方法精度低，且难以实现对无砟轨道路基损伤的超前监测预警，错失了对路基维修的最佳时机，造成严重的经济损失，因此急需一种考虑不确定性的无砟轨道基床损伤预警方法及系统。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提供了一种考虑不确定性的无砟轨道基床损伤预警方法和系统。
本发明的技术解决方案是：一种考虑不确定性的无砟轨道基床损伤预警方法，包括以下步骤：
步骤1：统计基床材料参数以及一段时间内降水量；
步骤2：建立FLAC-PFC无砟轨道基床模型，根据步骤1得到的基床材料参数，对基床表层颗粒材料进行标定，获取颗粒细观参数；
步骤3：生成颗粒接触摩擦系数的对数正态随机场，赋予步骤2 FLAC-PFC模型中基床表层颗粒接触节点；
步骤4：根据步骤1统计的一段时间内降水量按照其概率密度函数进行蒙特卡洛抽样，并根据降水量调整相应基床表层流体域；
步骤5：逐级增加空间相关距离θ，计算结构动力响应，确定最不利空间相关距离θworst；
步骤6：在步骤5的θworst条件下，计算基床表层发生损伤概率pf，当pf超过报警阈值p时，则输出报警信息；若否则退出。
进一步的，所述步骤1中基床材料参数根据现场试验获取，包括：基床底层参数：密度、弹性模量；基床表层和底座板材料参数：密度、级配、弹性模量、粘聚力和摩擦角。
进一步的，所述步骤2中基床表层颗粒接触采用赫兹接触模型，细观参数包括：剪切模量、泊松比和摩擦系数；FLAC为一种连续介质力力学分析软件，用于建立底座板和基床底层有限差分模型，PFC为FLAC软件中内置的颗粒流的程序，用于建立基床表层离散元模型，FLAC-PFC模型为通过FLAC软件内置接口调用PFC程序，实现对FLAC建立的底座板和基床底层有限差分模型与PFC建立的基床表层离散元模型的耦合分析。
进一步的，所述步骤3中颗粒接触摩擦系数的对数正态随机场获取方法如下：
提取基床表层离散元模型颗粒接触节点空间位置及摩擦系数，并导入Matlab脚本；
在Matlab脚本中设置基床表层颗粒接触空间相关距离θ，采用马尔科夫空间相关函数计算任意两坐标点位置处摩擦系数间的相关系数ρ，并生颗粒接触摩擦系数的对数正态随机场。
进一步的，所述Matlab脚本中马尔科夫空间相关函数，公式为：
Figure 849621DEST_PATH_IMAGE002
式中ρ为基床表层两点间的相关系数，τx，τy对应于两点间水平和竖直方向的绝对距离，θ为空间相关长度。
进一步的，所述步骤5中最不利空间相关距离θworst获取方法如下：
依次增加θ，在每个θi下，重复对基床表层颗粒接触摩擦系数进行N次随机场的生成并对降水量进行N次抽样，施加高铁列车荷载并带入模型计算，获得N组底座板动力响应结果，将N组动力响应的平均值作为θi下的底座板动力响应代表值；
对比不同θi下的底座板动力响应代表值，最大动力响应代表值所对应的空间相关距离为最不利空间相关距离θworst。
进一步的，所述步骤6中基床表层发生损伤概率pf获取方法如下：
在θworst条件下，对基床表层颗粒接触摩擦系数进行m次随机场生成并对降水量进行m次抽样，获取m组样本，施加高铁列车荷载，计算每组样本中底座板动力响应结果；
当底座板任一动力响应超出规定的宏观安全阈值判定基床表层发生损伤危及上部结构，统计发生损伤的样本个数i，损伤概率pf=i/m；
一种考虑不确定性的无砟轨道基床损伤预警方法的预警系统，包括信息采集模块、处理模块和预警模块；
信息采集模块用于采集无砟轨道基床材料参数和实时降水量信息；
处理模块用于加载FLAC-PFC模型，根据信息采集模块采集的信息，标定细观参数；加载Matlab脚本，生成随机场将随机场赋予接触节点；计算最不利空间相关距离θworst并计算损伤概率pf；
预警模块用于判断损伤概率是否超过设定阈值，若超过设定阈值则输出预警信息，若否则退出。
发明与现有技术相比的优点在于：
本发明实施例提供的方案，考虑路基区域降水随机性及基床表层材料参数随空间变化不确定性，结合FLAC-PFC耦合数值分析方法，量化预测雨水及动力荷载作用下基床表层损伤概率。本发明为无砟轨道基床损伤监测提供有力手段；分析方法流程清晰，可靠性强。
附图说明
图1为本发明实施例提供的预警方法的的流程示意图；
图2为本发明实施例提供的高铁无砟轨道基床FLAC-PFC耦合模型示意图，图中示出对应的标记：底座板1，基床表层2，基床底层3。
具体实施方式
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1，示出了本发明实施例提供的一种考虑不确定性的无砟轨道基床损伤预警方法，包括以下步骤：
步骤101：获取监测区域一段时间内降水量，采用最大熵原理计算降水量概率密度函数；获取无砟轨道底座板1、基床表层2和基床底层3材料参数；
步骤102：通过FLAC建立底座板1，和基床底层3的有限差分模型并根据步骤101获取的材料参数进行赋值，通过PFC建立基床表层2离散元模型，并基于步骤101获取的材料参数对基床表层2颗粒材料细观参数进行标定；
步骤103：提取基床表层离散元模型颗粒接触节点空间位置及摩擦系数，导入Matlab脚本；在Matlab脚本中设置基床表层颗粒接触摩擦系数空间相关长度θ，采用马尔科夫空间相关函数计算任意两坐标点位置处摩擦系数间的相关系数ρ，生成颗粒接触摩擦系数的对数正态随机场并赋予FLAC-PFC模型中对应的接触节点，马尔科夫空间相关函数为：
Figure 953712DEST_PATH_IMAGE002
式中ρ为基床表层两点间的相关系数，τx，τy对应于两点间水平和竖直方向的绝对距离，θ为空间相关长度。
步骤104：对降水量按照其概率密度函数进行蒙特卡洛抽样，根据降水量调整相应基床表层流体域。
步骤105：施加高铁列车荷载，计算底座板动力响应；重复执行步骤103，逐级增大θ，在每个θi下，重复对基床表层颗粒接触摩擦系数进行N次随机场的生成并对降水量进行N次抽样，分别施加高铁列车荷载并带入模型计算，将N组底座板动力响应的平均值作为θi下的底座板动力响应代表值；通过对比不同θi下的底座板动力响应代表值，确定最不利空间相关距离θworst。
步骤106：在θworst条件下，对基床表层颗粒接触摩擦系数进行m次随机场生成并对降水量进行m次抽样，获取m组样本，施加高铁列车荷载计算每组样本中底座板动力响应结果；根据规范输入动力响应的安全阈值并根据运营状况输入基床表层损伤报警阈值p；底座板动力响应包括底座板最大振动幅值、最大振动加速度、最大动应力、最大动应变；当底座板任一动力响应超出规定的宏观安全阈值判定基床表层发生损伤危及上部结构。计算基床表层发生损伤概率pf，当pf超过报警阈值p时，发送报警信息至监控人员，否则退出；损伤概率pf的计算方法为：统计m组样本模型中发生损伤的样本数量i，pf=i/m。
参照图2建立FLAC-PFC耦合数值模型，建模包括基于弹性材料模型的无砟轨道底座板1，参数包括密度和弹性模量；基于摩尔库伦模型的基床底层3，参数包括密度、弹性模量、粘聚力和摩擦角；基于赫兹接触模型的基床表层，参数包括级配、剪切模量、泊松比和摩擦系数。
本发明实施例提供的方案，考虑路基区域降水随机性和基床表层材料参数随空间不确定性，结合FLAC-PFC耦合数值分析方法，为动力荷载及雨水作用下轨道基床发生损伤进行超前预测，有助于保障高铁行车安全。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (7)

1.一种考虑不确定性的无砟轨道基床损伤预警方法，其特征在于，包括以下步骤：
步骤1：统计基床材料参数以及一段时间内降水量；
步骤2：建立FLAC-PFC无砟轨道基床模型，根据步骤1得到的基床材料参数，对基床表层颗粒材料进行标定，获取颗粒细观参数；FLAC为一种连续介质力力学分析软件，用于建立底座板和基床底层有限差分模型，PFC为FLAC软件中内置的颗粒流的程序，用于建立基床表层离散元模型，FLAC-PFC模型为通过FLAC软件内置接口调用PFC程序，实现对FLAC建立的底座板和基床底层有限差分模型与PFC建立的基床表层离散元模型的耦合分析；
步骤3：生成颗粒接触摩擦系数的对数正态随机场，赋予步骤2 FLAC-PFC模型中基床表层颗粒接触节点；
步骤4：根据步骤1统计的一段时间内降水量按照其概率密度函数进行蒙特卡洛抽样，并根据降水量调整相应基床表层流体域；
步骤5：逐级增加空间相关距离θ，计算底座板动力响应，确定最不利空间相关距离θworst；
步骤6：在步骤5的θworst条件下，计算基床表层发生损伤概率pf，当pf超过报警阈值p时，则输出报警信息；若否则退出。
2.如权利要求1所述的一种考虑不确定性的无砟轨道基床损伤预警方法，其特征在于，所述步骤1中基床材料参数包括：底座板参数：密度、弹性模量；基床表层和基床底层材料参数：密度、级配、弹性模量、粘聚力、摩擦角。
3.如权利要求1所述的一种考虑不确定性的无砟轨道基床损伤预警方法，其特征在于，所述步骤3中颗粒接触摩擦系数的对数正态随机场获取方法如下：
提取基床表层离散元模型颗粒接触节点空间位置及摩擦系数，并导入Matlab脚本；
在Matlab脚本中设置基床表层颗粒接触摩擦系数空间相关距离θ，采用马尔科夫空间相关函数计算任意两坐标点位置处摩擦系数间的相关系数ρ，并生成颗粒间接触摩擦系数的对数正态随机场。
4.如权利要求3所述的一种考虑不确定性的无砟轨道基床损伤预警方法，其特征在于：
所述Matlab脚本中马尔科夫空间相关函数公式为：
Figure 761257DEST_PATH_IMAGE001
式中ρ为基床表层两点间的相关系数，τx，τy对应于两点间水平和竖直方向的绝对距离，θ为空间相关长度。
5.如权利要求1所述的一种考虑不确定性的无砟轨道基床损伤预警方法，其特征在于，所述步骤5中最不利空间相关距离θworst获取方法如下：
逐级增加θ，在每个θi下，重复对基床表层颗粒接触摩擦系数进行N次随机场的生成并对降水量进行N次抽样，施加高铁列车荷载并带入模型计算，获得N组底座板动力响应结果，将N组动力响应的平均值作为θi下的底座板动力响应代表值；
对比不同θi下的底座板动力响应代表值，最大动力响应代表值所对应的空间相关距离为最不利空间相关距离θworst。
6.如权利要求1所述的一种考虑不确定性的无砟轨道基床损伤预警方法，其特征在于，所述步骤6中基床表层发生损伤概率pf获取方法如下：
在θworst条件下，对基床表层颗粒接触摩擦系数进行m次随机场生成并对降水量进行m次抽样，获取m组样本，施加高铁列车荷载，计算每组样本中底座板动力响应结果；
当底座板任一动力响应超出规定的安全阈值判定基床表层发生损伤危及上部结构，统计发生损伤的样本个数i，损伤概率pf=i/m。
7.采用权利要求1~6任一所述考虑不确定性的无砟轨道基床损伤预警方法的预警系统，其特征在于，包括信息采集模块、处理模块和预警模块；
信息采集模块用于采集无砟轨道基床材料参数和实时降水量信息；
处理模块用于加载FLAC-PFC模型，根据信息采集模块采集的信息，标定细观参数；加载Matlab脚本，生成随机场将随机场赋予接触节点；计算最不利空间相关距离θworst并计算损伤概率pf；
预警模块用于判断损伤概率是否超过设定阈值，若超过设定阈值则输出预警信息，若否则退出。
CN202210366148.1A 2022-04-08 2022-04-08 一种考虑不确定性的无砟轨道基床损伤预警方法及系统 Active CN114491781B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210366148.1A CN114491781B (zh) 2022-04-08 2022-04-08 一种考虑不确定性的无砟轨道基床损伤预警方法及系统
US18/297,455 US11782185B1 (en) 2022-04-08 2023-04-07 Ballastless track roadbed damage forewarning method and system considering uncertainty

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210366148.1A CN114491781B (zh) 2022-04-08 2022-04-08 一种考虑不确定性的无砟轨道基床损伤预警方法及系统

Publications (2)

Publication Number Publication Date
CN114491781A CN114491781A (zh) 2022-05-13
CN114491781B true CN114491781B (zh) 2022-07-01

Family

ID=81487618

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210366148.1A Active CN114491781B (zh) 2022-04-08 2022-04-08 一种考虑不确定性的无砟轨道基床损伤预警方法及系统

Country Status (2)

Country Link
US (1) US11782185B1 (zh)
CN (1) CN114491781B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115266929B (zh) * 2022-08-09 2023-05-23 成都工业职业技术学院(成都市工业职业技术学校) 一种基于深度学习的高铁路基共振预警方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108447377A (zh) * 2018-05-21 2018-08-24 西南交通大学 无砟轨道基床表层翻浆病害的模拟装置以及模拟方法
CN109610253A (zh) * 2018-11-19 2019-04-12 西南交通大学 一种评定无砟轨道路基冒浆危害等级的方法
CN109629347A (zh) * 2018-11-19 2019-04-16 西南交通大学 评定无砟轨道路基冒浆危害等级的方法
CN110390176A (zh) * 2019-07-31 2019-10-29 西南交通大学 一种无砟轨道冻结与损伤行为计算方法
CN110781628A (zh) * 2019-11-08 2020-02-11 西南交通大学 一种双块式无砟轨道道床板和轨枕块连接面损伤识别方法
CN112364553A (zh) * 2021-01-13 2021-02-12 西南交通大学 高铁无砟轨道基床表层渗蚀有限元-离散元耦合评估方法
CN113657041A (zh) * 2021-08-25 2021-11-16 哈尔滨工业大学 一种高寒区路基物理力学状态智能感知与预报系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105507085B (zh) * 2015-12-01 2017-05-10 北京交通大学 有砟道床结构
CN209447406U (zh) * 2018-05-21 2019-09-27 西南交通大学 无砟轨道基床表层翻浆病害的模拟装置
CN110188442B (zh) * 2019-05-23 2023-04-21 南京金蓝智慧城市规划设计有限公司 高铁无砟轨道路基基础耦合动力有限元仿真分析方法
CN110728000B (zh) * 2019-09-29 2021-06-29 华中科技大学 一种无砟轨道弹性扣件损伤识别方法
CN112214919B (zh) * 2020-10-19 2021-08-17 西南交通大学 一种板式无砟轨道ca砂浆高周疲劳损伤行为计算方法
CN114228786B (zh) * 2021-12-29 2024-03-26 中铁第四勘察设计院集团有限公司 板式无砟轨道及其板缝错台监测系统和健康监测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108447377A (zh) * 2018-05-21 2018-08-24 西南交通大学 无砟轨道基床表层翻浆病害的模拟装置以及模拟方法
CN109610253A (zh) * 2018-11-19 2019-04-12 西南交通大学 一种评定无砟轨道路基冒浆危害等级的方法
CN109629347A (zh) * 2018-11-19 2019-04-16 西南交通大学 评定无砟轨道路基冒浆危害等级的方法
CN110390176A (zh) * 2019-07-31 2019-10-29 西南交通大学 一种无砟轨道冻结与损伤行为计算方法
CN110781628A (zh) * 2019-11-08 2020-02-11 西南交通大学 一种双块式无砟轨道道床板和轨枕块连接面损伤识别方法
CN112364553A (zh) * 2021-01-13 2021-02-12 西南交通大学 高铁无砟轨道基床表层渗蚀有限元-离散元耦合评估方法
CN113657041A (zh) * 2021-08-25 2021-11-16 哈尔滨工业大学 一种高寒区路基物理力学状态智能感知与预报系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"The nonlinear dynamical analysis of damaged concrete slab of high speed railway track using the revised Fourier pseudo-spectral method";XinwenYang;《Construction and Building Materials》;20200530;第244卷(第30期);第1-15页 *
"高速铁路无砟轨道基床表层级配碎石翻浆机理与加固效果研究";PHAM Duc Phong;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》;20170415(第04期);第C033-9页 *
"高速铁路无砟轨道结构伤损行为及其对动态性能的影响";朱胜阳;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》;20170415(第04期);第C033-14页 *

Also Published As

Publication number Publication date
US20230324581A1 (en) 2023-10-12
US11782185B1 (en) 2023-10-10
CN114491781A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
Fitzgerald et al. Drive-by scour monitoring of railway bridges using a wavelet-based approach
Astarita et al. A mobile application for road surface quality control: UNIquALroad
An et al. Recent progress and future trends on damage identification methods for bridge structures
CN114491781B (zh) 一种考虑不确定性的无砟轨道基床损伤预警方法及系统
Huang Discrete element modeling of railroad ballast using imaging based aggregate morphology characterization
Zhan et al. Wireless rail fastener looseness detection based on MEMS accelerometer and vibration entropy
Soper et al. Aerodynamic forces on railway acoustic barriers
Ngamkhanong et al. A review on modelling and monitoring of railway ballast
CN102353717B (zh) 基于非负张量分解振动特征的钢轨伤损探测装置和方法
Mortensen et al. Discrete element modelling of track ballast capturing the true shape of ballast stones
Ning et al. Feature recognition of small amplitude hunting signals based on the MPE-LTSA in high-speed trains
JP2015102329A (ja) 列車情報の推定方法および橋梁の健全度評価方法
CN104713692A (zh) 车辆撞击监测装置、系统及方法
Rana et al. A statistical index based damage identification method of a bridge using dynamic displacement under moving vehicle
Gonzalo et al. Review of data analytics for condition monitoring of railway track geometry
Wang et al. Damage detection of spatial track–bridge system with interlayer connection using high-speed train response and sensitivity analysis
Zhang et al. Response analysis and effect evaluation of dynamic stabilization for ballasted track
CN115266929B (zh) 一种基于深度学习的高铁路基共振预警方法及系统
Wan et al. Binary segmentation for structural condition classification using structural health monitoring data
Chen et al. Discrete element modelling of the effects of particle angularity on the deformation and degradation behaviour of railway ballast
Nannan et al. The detection of structural damage using Convolutional Neural Networks on vibration signal
Barkhordari et al. Monitoring of turnout ballast degradation using statistical low-complexity behavioral models
Milošević et al. Demonstration of a digital twin framework for model-based operational condition monitoring of crossing panels
De Melo et al. Hybrid approach to predict the track deterioration in a railway in-service: a conceptual design
Xiao et al. Stress random distributions on railway subgrade surface unde r train loads considering irregular shapes of ballas t

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