CN117391262A - 精测精捣作业过程中有砟铁路动态tqi智能预测方法 - Google Patents
精测精捣作业过程中有砟铁路动态tqi智能预测方法 Download PDFInfo
- Publication number
- CN117391262A CN117391262A CN202311697406.5A CN202311697406A CN117391262A CN 117391262 A CN117391262 A CN 117391262A CN 202311697406 A CN202311697406 A CN 202311697406A CN 117391262 A CN117391262 A CN 117391262A
- Authority
- CN
- China
- Prior art keywords
- tamping
- dynamic
- tqi
- data
- ballast
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005259 measurement Methods 0.000 title claims abstract description 14
- 230000001133 acceleration Effects 0.000 claims abstract description 39
- 241001669679 Eleotris Species 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 230000000149 penetrating effect Effects 0.000 claims abstract description 18
- 238000006073 displacement reaction Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 8
- 230000036962 time dependent Effects 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000011527 multiparameter analysis Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01B—PERMANENT WAY; PERMANENT-WAY TOOLS; MACHINES FOR MAKING RAILWAYS OF ALL KINDS
- E01B27/00—Placing, renewing, working, cleaning, or taking-up the ballast, with or without concurrent work on the track; Devices therefor; Packing sleepers
- E01B27/12—Packing sleepers, with or without concurrent work on the track; Compacting track-carrying ballast
- E01B27/13—Packing sleepers, with or without concurrent work on the track
- E01B27/16—Sleeper-tamping machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Machines For Laying And Maintaining Railways (AREA)
Abstract
本发明公开了一种精测精捣作业过程中有砟铁路动态TQI智能预测方法，包括：在道砟层内部预埋无线压电传感器，在捣固臂上安装加速度传感器，在捣固车头、捣固车尾底部分别均安装探地雷达和结构光扫描仪，在捣固臂和捣固车尾之间的车底安装高清相机，测量并计算道床厚度变化量、道砟密实度变化量、道砟含水率变化量、轨枕横向位移、轨枕纵向位移、床横向阻力、道床纵向阻力、道床支撑刚度、捣固臂最大冲击力、捣固频率、捣固后的道砟板结比例、所述精捣作业后稳定状态下的动态TQI和动态TQI变化量，使用上述数据建立样本库，训练得到动态TQI推算模型。此模型更适合当前作业区域，计算结果更具有针对性，能进一步提高捣固效率。
Description
技术领域
本发明涉及铁路精捣作业领域，特别涉及一种精测精捣作业过程中有砟铁路动态TQI智能预测方法。
背景技术
有砟铁路是我国最主要的铁路轨道形式之一，由钢轨、轨枕、联结部分、轨道加强设备、有砟道床和道岔等部分组成。有砟铁路列车运营过程中，轨枕受到冲击引起道床振动，一旦道床发生形变或者沉降，不仅影响乘客舒适度，还会造成极大的安全隐患。因此，为提升有砟轨道线路质量，工务部门需要定期使用大型养路机械进行数字化精测精捣作业，以进行轨道平顺性调整，并通过轨道质量指数（TQI）的下降进行定量评估。TQI越小，轨道的平顺度越高，乘客的舒适度就越高。然而，精测精捣作业后存在无轮载作用下的静态TQI下降明显、列车车轮荷载下的动态TQI改善不足的现象。这是因为在精捣作业过程中，捣固力度不足、道砟板结、轨枕位移等有可能会造成捣固失效，影响道床恢复。在列车轮载下，静态平顺的轨道在不稳定道床上会再次发生变形，从而使TQI下降量不足，导致精测精捣作业效率低下。
在运营期，有砟铁路动态TQI会受到多种因素影响，包括捣固力度、频率、道床横向阻力、纵向阻力、支承刚度和道砟密实度、含水率及脏污程度等，且各因素影响程度不一，不同地区现场实际情况差异较大。目前精测精捣中轨道动态TQI主要通过作业后轨道平顺检测进行计算，不能在作业过程中及时发现捣固失效问题和以上影响因素产生的具体作用。已有研究针对道床力学性能和道砟密实度开发了智能检测车，但仅适用于捣固作业稳定后使用。因此，为了进一步提高精测精捣作业效率，亟需一种能够在作业过程中对动态TQI进行快速预测的智能检测方法。
发明内容
为了解决现有技术存在的问题。本发明提供一种精测精捣作业过程中有砟铁路动态TQI智能预测方法，用于在精测精捣作业中预测动态TQI，及时发现捣固失效和提高精捣作业效率。
为此，本发明采用以下技术方案：
一种精测精捣作业过程中有砟铁路动态TQI智能预测方法，其特征在于，包括以下步骤：
S1，在轨枕下方的道砟层内部沿铁路线间隔埋设多个无线压电传感器，所述无线压电传感器与捣固车的中控系统无线连接；其埋设深度不超过50厘米，无线压电传感器的探测半径为5米，其间隔10m。将每个无线压电传感器的探测范围作为一个捣固段。
S2，在捣固臂上安装加速度传感器，在捣固车的捣固车头、捣固车尾底部分别均安装探地雷达和结构光扫描仪，在捣固臂和捣固车尾之间的车底安装高清相机；所述加速度传感器、探地雷达、结构光扫描仪和高清相机均与所述中控系统有线连接；探地雷达和结构光扫描仪用于采集道床、轨道和轨枕的雷达图像数据和点云数据；高清相机用于拍摄捣固位置的图像。
S3，精捣作业开始前，由靠近捣固车至远离捣固车，使用1至n对多个轨枕进行顺序编号；使用1至m对多个无线压电传感器进行顺序编号；n和m为大于1的正整数；
所述中控系统获取每个所述无线压电传感器将其所在位置的道砟含水率BMCm、道砟密实度BCm传输至所述中控系统；测量稳定状态下精捣作业前的动态TQI；
S4，精捣作业开始后，所述捣固车以行进速度V匀速行驶；捣固车头下方的所述探地雷达和结构光扫描仪将雷达图像数据和点云数据传输至所述中控系统，所述中控系统通过所述雷达图像数据和点云数据得到第n个轨枕精捣作业前的中心点坐标Pn（xn，yn）和其位置的道床厚度BTn；
加速度传感器持续获取捣固臂的动态加速度数据Acc并传输至中控系统，中控系统获取加速度数据Acc并转换为动态加速度数据Acc随时间变化的曲线；
加速度传感器以400Hz频率采集捣固臂在每1s内的动态加速度数据Acc。
所述高清相机对当前捣固位置进行拍照并传输至中控系统，通过中控系统的图像识别算法计算精捣作业后的道砟板结比例BCR；
S5，随着捣固车行进，捣固车尾下方的探地雷达和结构光扫描仪获取完成精捣作业的区域中的雷达图像数据和点云数据，并传送至中控系统，中控系统通过获取的所述完成精捣作业的区域中的雷达图像数据和点云数据，得到第n个轨枕精捣作业后的中心点坐标Pn’（xn’，yn’）、其位置的道床厚度BTn’；
在无线压电传感器进入完成精捣作业区域后，所述无线压电传感器将其所在位置的道砟含水率BMCm’、道砟密实度BCm’传输至中控系统；
在精捣作业完成后测得精捣作业后稳定状态下的动态TQI；
捣固车头和捣固车尾的探地雷达和结构光扫描仪，在捣固车运行过程中每十米生成一个数据文件并传送至所述中控系统。
S6，对S3-S5中获取的数据进行处理：
S61，通过下式计算所述捣固臂的最大冲击力：
，
其中：为S4中所述动态加速度数据Acc随时间变化的曲线中的加速度最大值，/>为所述捣固臂的质量；
S62，对所述动态加速度数据Acc随时间变化的曲线进行傅里叶变换，获得振幅-频率数据，取最大振幅对应的频率作为捣固频率fr；
S63，对于精捣作业前后同一个轨枕，通过下式计算轨枕横向位移Lx：
Lx= xn’- xn ，
通过下式计算轨枕纵向位移Ly：
Ly= yn’- yn ，
通过下式计算精捣作业前后道床厚度变化量ΔBT：
ΔBT= BTn’- BTn，
S64，通过下式计算道床横向阻力RL：
RL=fcor+f1×Lx+f2×Lx 2，
通过下式计算道床纵向阻力Rv：
Rv=fv×RL ，
通过下式计算道床支撑刚度SS：
SS= fss+f3×RL ，
其中，fcor、f1和f2为横向阻力调整系数，fv为纵向阻力调整系数，fss和f3为支撑刚度调整系数，所述阻力调整系数和所述刚度调整系数均根据现场实际情况测定；
S65，对于精捣作业前后的同一个无线压电传感器，通过下式计算精捣作业前后道砟密实度变化量ΔBC：
ΔBC= BCm’- BCm，
通过下式计算精捣作业前后道砟含水率变化量ΔBMC：
ΔBMC=BMCm’- BMCm；
将所述精捣作业后稳定状态下的动态TQI与所述精捣作业前的动态TQI做差得到动态TQI变化量。
S7，训练TQI推算模型：
S71，通过S3-S6的方式采集多次精捣作业中的多种数据传输至所述中控系统，并由所述中控系统输出至服务器端形成样本库；所属多种数据包括：行进速度V、精捣作业前后的所述雷达图像、道床厚度变化量ΔBT、道砟密实度变化量ΔBC、道砟含水率变化量ΔBMC、轨枕横向位移Lx、轨枕纵向位移Ly、床横向阻力RL、道床纵向阻力Rv、道床支撑刚度SS、捣固臂最大冲击力Fmax、捣固频率fr、捣固后的道砟板结比例BCR、所述精捣作业后稳定状态下的动态TQI和动态TQI变化量；将所述样本库分为训练集和验证集；
S72，利用编写好的多个BP神经网络模型对训练集数据进行训练，训练的内容是以所述精捣作业后稳定状态下的动态TQI作为标准动态TQI，构建标准动态TQI与所述训练集中其它所述多种数据之间的映射关系，并且还能得到所述多种数据中的单项数据在所述动态TQI变化量中的贡献占比。得到多个动态TQI推算模型；
S73，对训练好的所述多个动态TQI推算模型输入验证集中的多种数据，得到多组动态TQI预测值；
S74，将验证集中所述精捣作业后稳定状态下的动态TQI作为真实值，与S73中得到的多组动态TQI预测值进行比较，找到预测值与真实值最接近的结果所对应的模型，将所述对应的模型作为高精度动态TQI推算模型用于智能预测计算。
S8，在后续精捣作业中，使用S7中得到的高精度动态TQI推算模型对每个所述捣固段进行动态TQI预测；并对不符合捣固标准的预测值对应的捣固段进行重新精捣。
S9，在后续精捣作业中，将新采集的多种数据补充进入训练集并对S7中得到的所述高精度动态TQI推算模型进行改进优化。
与现有技术相比，本发明具有以下有益效果：
1、本发明的方法能够同时对运营期内的有砟铁路动态TQI影响的多种参数进行快速检测，并通过大数据和深度学习方法开展多参数分析，适用于多种复杂因素下的结果计算。
2、本发明的方法能够在精捣作业期间预测精捣作业后的动态TQI，提高了精测精捣作业效能。
3、本发明中，结构光扫描仪获取的点云图像能够与高清相机拍摄的影像进行相互印证，本发明中压电传感器检测到的道砟含水率和密实度能够与探地雷达图像进行相互印证，增强了检测结果的准确性与可靠性。
4、本发明结合精捣作业区域现场实际情况建立独立样本库，训练得到的动态TQI推算模型更适合当前作业区域，计算结果更具有针对性和准确性。而且还能通过改变捣固臂加速度和捣固车行进速度实时改变动态TQI预测值，进一步提高了捣固效率。
附图说明
图1为本发明中无线压电传感器的位置示意图；
图2为本发明中无线压电传感器的内部结构示意图；
图3为本发明中用检测设备进行检测时的状态示意图；
图4为本发明中加速度传感器的内部结构示意图。
其中：
1.无线压电传感器；101.含水率传感器；102.声波发射天线；103.声波接收天线；104.主控制器模块；105.声波转换模块；106.无线通信模块；107.电池；2.轨枕；3.道砟层；4.捣固车；5.捣固臂；6.捣固车头；7.捣固车尾；8.探地雷达；9.结构光扫描仪；10.高清相机；11.中控系统；12.加速度传感器；1201.加速度计芯片；1202.微控制器芯片；1203.无线传输模块；1204.电源。
具体实施方式
以下结合附图和实施例对本发明的技术方案作进一步详细说明。
本发明的精测精捣作业过程中有砟铁路动态TQI智能预测方法包括以下步骤：
S1. 把用于检测道砟密实度和含水率的无线压电传感器1放置于轨枕2下方的道砟层3内部并填实道砟层，埋入深度不超过50厘米，如图1所示，并沿铁路线每间隔10米埋设1个无线压电传感器，以每个无线压电传感器为，中心半径5米的区域划分为一个捣固段。
无线压电传感器1的结构如图2所示，包括：含水率传感器101、声波发射天线102、声波接收天线103、主控制器模块104、声波转换模块105、无线通信模块106和电池107。
含水率传感器101用于测量道砟层3内部含水率并将测量数据发送至主控制器模块104。
声波发射天线102用于发射声波信号。声波信号在道砟层中传播后被声波接收天线103接收，并被传输至声波转换模块105。
声波转换模块105用于处理接收到的声波信号，并将转换后的数字声波信号传输至主控制器模块104。
主控制器模块104通过声波信号在道砟层中传播产生的变化确定道砟密实度。
无线通信模块106用于将主控制器模块104得到的道砟密实度和含水率传输至中控系统11。
电池107用于给无线压电传感器1内其它部件供电。
无线压电传感器1的探测半径为5米。
S2. 如图3所示，将加速度传感器12安装至捣固车4下方的捣固臂5上，在捣固车头6、捣固车尾7底部分别均安装探地雷达8和结构光扫描仪9，在捣固臂5和捣固车尾7之间的车底安装高清相机10，上述仪器均与中控系统11有线连接。
加速度传感器12的结构如图4所示，包括加速度计芯片1201、微控制器芯片1202、无线传输模块1203和电源1204。
加速度计芯片1201用于测量捣固臂5的实时加速度并传输至微控制器芯片1202；
无线传输模块1203用于将微控制器芯片1202接收的数据传输至中控系统11；
电源1204用于为加速度传感器12中其它部件供电。
S3. 精捣作业开始前，以捣固车为起点将轨枕由近至远编号为1至n，以捣固车为起点将无线压电传感器由近至远编号为1至m，n和m为大于1的正整数。
每个无线压电传感器将其所在位置的道砟含水率BMCm、道砟密实度BCm传输至中控系统11。
S4. 精捣作业开始后，捣固车4以行进速度V匀速行驶，捣固车头6下方的探地雷达和结构光扫描仪快速对道床、轨道和轨枕进行扫描，采集雷达图像数据和点云数据，每10米生成一个数据文件并传送至中控系统11。中控系统11通过获取的数据，得到第n个轨枕2精捣作业前的中心点坐标Pn（xn，yn）和其位置的道床厚度BTn。
加速度传感器12以400Hz频率采集捣固臂1s内的动态加速度数据Acc并传输至中控系统11，中控系统11获取加速度数据Acc并转换为动态加速度数据Acc随时间变化的曲线。
高清相机对当前捣固位置进行拍照，并通过中控系统的图像识别算法计算精捣作业后的道砟板结比例BCR。
S5. 随着捣固车行进，捣固车尾7下方的探地雷达8和结构光扫描仪9扫描完成精捣作业的区域，得到精捣作业后的雷达图像数据和点云数据，每10米生成一个数据文件并传送至中控系统11。中控系统11通过获取的数据，得到精捣作业后的第n个轨枕2的中心点坐标Pn’（xn’，yn’）、轨枕位置的道床厚度BTn’。
所述中控系统11获取完成精捣作业区域内无线压电传感器1所在位置的道砟含水率BMCm’和道砟密实度BCm’；
S6. 中控系统通过轨枕位移计算捣固臂最大冲击力、频率及精捣作业后道床厚度变化量、横向阻力、纵向阻力、支撑刚度、道床厚度变化量、道砟密实度变化量和道砟含水率变化量，具体计算方法如下：
在中控系统11中的动态加速度数据Acc随时间变化的曲线中找到加速度最大值，并结合捣固臂5的质量/>；通过式（1）计算捣固臂5的最大冲击力/>：
（1）
对动态加速度数据Acc随时间变化的曲线进行傅里叶变换，获得振幅-频率数据，即频谱Spec(Am，fr)=FFT(Acc)，取最大振幅对应的频率作为捣固频率fr；
对于精捣作业前后的同一个轨枕，通过式（2）计算轨枕横向位移Lx：
Lx= xn’- xn （2）
通过式（3）计算轨枕纵向位移Ly；
Ly= yn’- yn （3）
其中，Lx和Ly的单位为mm；
通过式（4）计算精捣作业前后道床厚度变化量ΔBT：
ΔBT= BTn’- BTn （4）
通过式（5）计算道床横向阻力RL：
RL=fcor+f1×Lx+f2×Lx 2 （5）
通过式（6）计算道床纵向阻力Rv：
Rv=fv×RL （6）
其中，RL和Rv的单位为kN；fcor、f1和f2为横向阻力调整系数；fv为纵向阻力调整系数。
通过式（7）计算道床支撑刚度SS：
SS= fss+f3×RL （7）
其中，SS的单位为kN/mm；fss和f3为支撑刚度调整系数。
式（6）和式（7）中的阻力调整系数和刚度调整系数均根据现场实际情况测定。
对于精捣作业前后的同一个无线压电传感器，通过式（8）计算其精捣作业前后道砟密实度变化量ΔBC：
ΔBC= BCm’- BCm （8）
通过式（9）计算其精捣作业前后道砟含水率变化量ΔBMC：
ΔBMC=BMCm’- BMCm （9）
将精捣作业后稳定状态下的动态TQI与精捣作业前的动态TQI做差得到动态TQI变化量。
S7. 训练TQI推算模型：
S71，将多次精捣作业中得到的多种数据输出至服务器端形成样本库，多种数据包括捣固车行进速度V、精捣作业前后的雷达图像、道床厚度变化量ΔBT、道砟密实度变化量ΔBC、道砟含水率变化量ΔBMC、轨枕横向位移Lx、轨枕纵向位移Ly、床横向阻力RL、道床纵向阻力Rv、道床支撑刚度SS、捣固臂最大冲击力Fmax、捣固频率fr、捣固后的道砟板结比例BCR、动态TQI变化量和精捣作业前后稳定状态下测得的动态TQI。将样本库分为训练集和验证集。
S72，利用编写好的多个BP神经网络模型对训练集数据进行训练，训练的内容是以精捣作业后稳定状态下测定的动态TQI作为标准动态TQI，构建标准动态TQI与数据库中对应次的精捣作业过程中得到的多种数据之间的映射关系。进一步得到通过每次精捣作业获取的多种数据在精捣作业前后动态TQI变化量中的贡献占比，形成多个动态TQI推算模型。
S73，对训练好的多个动态TQI推算模型输入验证集中的多种数据，得到多组动态TQI预测值。
S74，将得到的多组动态TQI预测值与验证集中真实测量的动态TQI进行比较，找到预测值与真实值最为相近结果所对应的模型，作为高精度动态TQI推算模型用于智能预测计算。
S8，在后续精捣作业中，使用S7中得到的高精度动态TQI推算模型对每个所述捣固段进行动态TQI预测；并对不符合捣固标准的预测值对应的捣固段进行重新精捣。
S9，在后续精捣作业中，将新采集的多种数据补充进入训练集并对S7中得到的所述高精度动态TQI推算模型进行改进优化。
Claims (10)
1.一种精测精捣作业过程中有砟铁路动态TQI智能预测方法，其特征在于，包括以下步骤：
S1，沿铁路线由靠近捣固车（4）至远离捣固车（4）将精捣作业区域划分为多个捣固段，在每个所述捣固段中点的道砟层（3）内部埋设一个无线压电传感器（1），所述无线压电传感器（1）与捣固车（4）的中控系统（11）无线连接；
S2，在捣固臂（5）上安装加速度传感器（12），在捣固车（4）的捣固车头（6）、捣固车尾（7）底部分别均安装探地雷达（8）和结构光扫描仪（9），在捣固臂（5）和捣固车尾（7）之间的车底安装高清相机（10）；所述加速度传感器（12）、探地雷达（8）、结构光扫描仪（9）和高清相机（10）均与所述中控系统（11）有线连接；
S3，精捣作业开始前，由靠近捣固车（4）至远离捣固车（4），使用1至n为多个轨枕（2）进行顺序编号；使用1至m为多个无线压电传感器（1）进行顺序编号；其中，n和m为≥1的正整数；
所述中控系统（11）获取每个所述无线压电传感器（1）所在位置的道砟含水率BMCm、道砟密实度BCm；
测量稳定状态下精捣作业前的动态TQI；
S4，精捣作业开始后，所述捣固车（4）以行进速度V匀速行驶；捣固车头（6）下方的所述探地雷达（8）和结构光扫描仪（9）将雷达图像数据和点云数据传输至所述中控系统（11），所述中控系统（11）通过所述雷达图像数据和点云数据得到第n个轨枕（2）精捣作业前的中心点坐标Pn（xn，yn）和其位置的道床厚度BTn；
所述加速度传感器（12）持续获取捣固臂（5）的动态加速度数据Acc并传输至中控系统（11），中控系统（11）获取加速度数据Acc并转换为动态加速度数据Acc随时间变化的曲线；
所述高清相机（10）对当前捣固位置进行拍照并传输至中控系统（11），通过中控系统（11）的图像识别算法计算精捣作业后的道砟板结比例BCR；
S5，随着捣固车行进，捣固车尾（7）下方的探地雷达（8）和结构光扫描仪（9）获取完成精捣作业的区域中的雷达图像数据和点云数据，并传送至中控系统（11），中控系统（11）通过获取的所述完成精捣作业的区域中的雷达图像数据和点云数据，得到第n个轨枕（2）精捣作业后的中心点坐标Pn’（xn’，yn’）、其位置的道床厚度BTn’；
所述中控系统（11）获取完成精捣作业区域内无线压电传感器（1）所在位置的道砟含水率BMCm’和道砟密实度BCm’；
在精捣作业完成后测得精捣作业后稳定状态下的动态TQI；
S6，对S3-S5中获取的数据进行处理，得到行进速度V、精捣作业前后的所述雷达图像、道床厚度变化量ΔBT、道砟密实度变化量ΔBC、道砟含水率变化量ΔBMC、轨枕横向位移Lx、轨枕纵向位移Ly、床横向阻力RL、道床纵向阻力Rv、道床支撑刚度SS、捣固臂最大冲击力Fmax、捣固频率fr、捣固后的道砟板结比例BCR、所述精捣作业后稳定状态下的动态TQI和动态TQI变化量；
S7，训练TQI推算模型，找到预测值与真实值最接近的结果所对应的模型，将其作为高精度动态TQI推算模型用于智能预测计算；
S8，在后续精捣作业中，使用S7中得到的高精度动态TQI推算模型对每个所述捣固段进行动态TQI预测；并对不符合捣固标准的预测值对应的捣固段进行重新精捣。
2.根据权利要求1所述的方法，其特征在于，步骤S6包括以下分步骤：
S61，通过下式计算所述捣固臂（5）的最大冲击力：
，
其中：为S4中所述动态加速度数据Acc随时间变化的曲线中的加速度最大值，为所述捣固臂（5）的质量；
S62，对所述动态加速度数据Acc随时间变化的曲线进行傅里叶变换，获得振幅-频率数据，取最大振幅对应的频率作为捣固频率fr；
S63，对于精捣作业前后同一个轨枕，通过下式计算轨枕横向位移Lx：
Lx= xn’- xn ，
通过下式计算轨枕纵向位移Ly：
Ly= yn’- yn ，
通过下式计算精捣作业前后道床厚度变化量ΔBT：
ΔBT= BTn’- BTn，
S64，通过下式计算道床横向阻力RL：
RL=fcor+f1×Lx+f2×Lx 2，
通过下式计算道床纵向阻力Rv：
Rv=fv×RL ，
通过下式计算道床支撑刚度SS：
SS= fss+f3×RL ，
其中，fcor、f1和f2为横向阻力调整系数，fv为纵向阻力调整系数，fss和f3为支撑刚度调整系数，所述阻力调整系数和所述刚度调整系数均根据现场实际情况测定；
S65，对于精捣作业前后的同一个无线压电传感器，通过下式计算精捣作业前后道砟密实度变化量ΔBC：
ΔBC= BCm’- BCm，
通过下式计算精捣作业前后道砟含水率变化量ΔBMC：
ΔBMC=BMCm’- BMCm；
将所述精捣作业后稳定状态下的动态TQI与所述精捣作业前的动态TQI做差得到动态TQI变化量。
3.根据权利要求1所述的方法，其特征在于，步骤S7包括以下分步骤：
S71，通过S3-S6的方式采集多次精捣作业中的多种数据传输至所述中控系统（11），并由所述中控系统（11）输出至服务器端形成样本库；将所述样本库分为训练集和验证集；
S72，利用编写好的多个BP神经网络模型对训练集数据进行训练，训练的内容是以所述精捣作业后稳定状态下的动态TQI作为标准动态TQI，构建标准动态TQI与所述训练集中其它所述多种数据之间的映射关系，得到多个动态TQI推算模型；
S73，对训练好的所述多个动态TQI推算模型输入验证集中的多种数据，得到多组动态TQI预测值；
S74，将验证集中所述精捣作业后稳定状态下的动态TQI作为真实值，与S73中得到的多组动态TQI预测值进行比较，找到预测值与真实值最接近的结果所对应的模型，将所述对应的模型作为高精度动态TQI推算模型用于智能预测计算。
4.根据权利要求3所述的方法，其特征在于：S72中通过对所述多个BP神经网络模型的训练还能得到所述多种数据中的单项数据在所述动态TQI变化量中的贡献占比。
5.根据权利要求1所述的方法，其特征在于：S1中所述无线压电传感器（1）的埋设深度不超过50厘米，所述无线压电传感器（1）的探测半径为5米，所述无线压电传感器（1）间隔≤10m。
6.根据权利要求1所述的方法，其特征在于：S2中所述探地雷达（8）和结构光扫描仪（9）用于采集道床、轨道和轨枕的雷达图像数据和点云数据；所述高清相机（10）用于拍摄捣固位置的图像。
7.根据权利要求1所述的方法，其特征在于：S4和S5中所述捣固车头（6）和捣固车尾（7）的所述探地雷达和结构光扫描仪，在所述捣固车运行过程中每十米生成一个数据文件并传送至所述中控系统（11）。
8.根据权利要求1所述的方法，其特征在于：S4中加速度传感器（12）以400Hz频率采集捣固臂（5）在每1s内的动态加速度数据Acc。
9.根据权利要求1所述的方法，其特征在于：还包括S9，在后续精捣作业中，将新采集的多种数据补充进入训练集并对S7中得到的所述高精度动态TQI推算模型进行改进优化。
10.根据权利要求9所述的方法，其特征在于： S1中所述的捣固段的长度与所述无线压电传感器（1）的有效范围相适应。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311697406.5A CN117391262B (zh) | 2023-12-12 | 2023-12-12 | 精测精捣作业过程中有砟铁路动态tqi智能预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311697406.5A CN117391262B (zh) | 2023-12-12 | 2023-12-12 | 精测精捣作业过程中有砟铁路动态tqi智能预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117391262A true CN117391262A (zh) | 2024-01-12 |
| CN117391262B CN117391262B (zh) | 2024-03-22 |
Family
ID=89463434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311697406.5A Active CN117391262B (zh) | 2023-12-12 | 2023-12-12 | 精测精捣作业过程中有砟铁路动态tqi智能预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117391262B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117604840A (zh) * | 2024-01-19 | 2024-02-27 | 中国铁路设计集团有限公司 | 一种用于无控制网的运营普速铁路精测精捣作业方法 |
| CN117709134A (zh) * | 2024-02-06 | 2024-03-15 | 同济大学 | 一种基于单元体试验的有砟轨道精捣参数优化方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110533229A (zh) * | 2019-08-13 | 2019-12-03 | 中国铁路总公司 | 轨道维修时刻预测方法及装置 |
| CN111045004A (zh) * | 2019-12-25 | 2020-04-21 | 中国铁路设计集团有限公司 | 一种铁路道砟厚度无损快速测量系统及测量方法 |
| CN112414470A (zh) * | 2020-11-26 | 2021-02-26 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种智能轨枕及有砟道床状态智能监测系统 |
| CN112733390A (zh) * | 2021-03-29 | 2021-04-30 | 北京交通大学 | 一种基于中长波平顺性的精捣调整量优化方法 |
| CN112941992A (zh) * | 2021-02-02 | 2021-06-11 | 北京铁科特种工程技术有限公司 | 一种新建有砟铁路的轨道平顺性自动捣固系统 |
| CN115219596A (zh) * | 2022-07-18 | 2022-10-21 | 北京交通大学 | 一种测量捣固稳定作业后道床密实度的智能检测车 |
| WO2023005803A1 (zh) * | 2021-07-28 | 2023-02-02 | 常州中车瑞泰装备科技有限公司 | 一种激振捣固装置 |
| CN115979232A (zh) * | 2023-03-21 | 2023-04-18 | 中国铁路设计集团有限公司 | 基于统一里程体系的轨道交通精测精捣一体化方法 |
| CN116259151A (zh) * | 2021-12-10 | 2023-06-13 | 北京铁科普拉塞养路机械设备有限公司 | 一种大型养路机械施工作业周边配合人员安全预警系统 |
| CN116680931A (zh) * | 2023-07-21 | 2023-09-01 | 中国铁建高新装备股份有限公司 | 捣固车起拨道仿真系统、仿真方法、电子设备及存储介质 |
| CN116837669A (zh) * | 2023-04-18 | 2023-10-03 | 中国铁建高新装备股份有限公司 | 捣固车及防止捣固车捣镐插伤钢轨的方法 |
-
2023
- 2023-12-12 CN CN202311697406.5A patent/CN117391262B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110533229A (zh) * | 2019-08-13 | 2019-12-03 | 中国铁路总公司 | 轨道维修时刻预测方法及装置 |
| CN111045004A (zh) * | 2019-12-25 | 2020-04-21 | 中国铁路设计集团有限公司 | 一种铁路道砟厚度无损快速测量系统及测量方法 |
| CN112414470A (zh) * | 2020-11-26 | 2021-02-26 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种智能轨枕及有砟道床状态智能监测系统 |
| CN112941992A (zh) * | 2021-02-02 | 2021-06-11 | 北京铁科特种工程技术有限公司 | 一种新建有砟铁路的轨道平顺性自动捣固系统 |
| CN112733390A (zh) * | 2021-03-29 | 2021-04-30 | 北京交通大学 | 一种基于中长波平顺性的精捣调整量优化方法 |
| WO2023005803A1 (zh) * | 2021-07-28 | 2023-02-02 | 常州中车瑞泰装备科技有限公司 | 一种激振捣固装置 |
| CN116259151A (zh) * | 2021-12-10 | 2023-06-13 | 北京铁科普拉塞养路机械设备有限公司 | 一种大型养路机械施工作业周边配合人员安全预警系统 |
| CN115219596A (zh) * | 2022-07-18 | 2022-10-21 | 北京交通大学 | 一种测量捣固稳定作业后道床密实度的智能检测车 |
| CN115979232A (zh) * | 2023-03-21 | 2023-04-18 | 中国铁路设计集团有限公司 | 基于统一里程体系的轨道交通精测精捣一体化方法 |
| CN116837669A (zh) * | 2023-04-18 | 2023-10-03 | 中国铁建高新装备股份有限公司 | 捣固车及防止捣固车捣镐插伤钢轨的方法 |
| CN116680931A (zh) * | 2023-07-21 | 2023-09-01 | 中国铁建高新装备股份有限公司 | 捣固车起拨道仿真系统、仿真方法、电子设备及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| 周志伟;: "如何降低有砟高铁轨道质量指数TQI值", 北方建筑, no. 02, 30 April 2020 (2020-04-30) * |
| 孙和金;张杰;: "高速铁路有砟轨道不平顺的解决方法", 中国铁路, no. 09, 15 September 2017 (2017-09-15) * |
| 张国全;: "降低高速铁路TQI指标相关分析", 铁道建筑技术, no. 02, 20 February 2016 (2016-02-20) * |
| 樊玉华;: "高速铁路有砟轨道竖向位移影响因素探究", 高速铁路技术, no. 04, 28 August 2012 (2012-08-28) * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117604840A (zh) * | 2024-01-19 | 2024-02-27 | 中国铁路设计集团有限公司 | 一种用于无控制网的运营普速铁路精测精捣作业方法 |
| CN117709134A (zh) * | 2024-02-06 | 2024-03-15 | 同济大学 | 一种基于单元体试验的有砟轨道精捣参数优化方法 |
| CN117709134B (zh) * | 2024-02-06 | 2024-04-30 | 同济大学 | 一种基于单元体试验的有砟轨道精捣参数优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117391262B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117391262B (zh) | 精测精捣作业过程中有砟铁路动态tqi智能预测方法 | |
| CN107858883B (zh) | 一种轨道系统安全状态综合监测及智能分析方法 | |
| CN112424050B (zh) | 用于监控轨道段的方法和系统 | |
| CN109614674B (zh) | 一种高速铁路无砟轨道层间离缝脱空动态检测方法 | |
| CN107215353A (zh) | 一种轨道结构病害的远程监控预警方法 | |
| CN105865387A (zh) | 无线缆的路基竖向位移测试方法及竖向位移预警系统 | |
| CN106091951A (zh) | 一种城轨列车轮缘参数在线检测系统及方法 | |
| CN106758602A (zh) | 一种轨道静态平顺性检测系统及方法 | |
| CN107328496A (zh) | 一种基于钢轨竖向振动特性检测钢轨纵向力的方法 | |
| EP0401260A1 (en) | DEVICE AND METHOD FOR DETERMINING THE LOCATION OF A RAIL. | |
| CN114329726B (zh) | 一种基于列车行车性能的铁路桥梁成桥线形评价方法 | |
| CN114580145A (zh) | 市域城际铁路环境振动预测评估方法及系统 | |
| CN108318126A (zh) | 一种基于钢轨竖向振动特性检测轨下垫板刚度的方法 | |
| CN109406096B (zh) | 一种浮式海上风电机组测量装置及其方法 | |
| CN113771917B (zh) | 一种基于路基动应力时程信号的列车运行速度确定方法 | |
| KR100751076B1 (ko) | 차량의 윤거 산출에 의한 차량정보 검출시스템 | |
| CN106570299A (zh) | 高速铁路钢桁拱桥车‑桥共振性能曲线测定方法 | |
| CN113844274B (zh) | 悬浮电磁铁横向位移修正系统、方法、设备及存储介质 | |
| JP6587982B2 (ja) | 軌道情報収集装置及びレール軸力測定装置 | |
| CN106596002A (zh) | 高速铁路钢桁拱桥车‑桥共振性能曲线测定方法 | |
| CN115219596A (zh) | 一种测量捣固稳定作业后道床密实度的智能检测车 | |
| CN113916368B (zh) | 轨道交通地下线引起的环境振动及二次结构噪声预测方法 | |
| CN116090051A (zh) | 轨道交通-土-结构耦合模型的建立方法及装置 | |
| CN113447163B (zh) | 一种基于钢轨模态整体变化测量锁定轨温的方法 | |
| CN113514030B (zh) | 一种道床断面检测方法及系统 |
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 |