原文传递
基于动检数据挖掘的铁路线路状态评价与预警方法研究
| 论文题名： | 基于动检数据挖掘的铁路线路状态评价与预警方法研究 |
| 关键词： | 轨道不平顺;灰色关联模型;小波去噪;BP神经网络;模式识别;非线性拟合;动检数据挖掘;超限评分法 |
| 摘要： | 随着普通铁路不断的大规模提速和中国高速铁路的蓬勃发展，铁路线路的轨道不平顺状态越来越显得至关重要，因为它直接影响到行车的安全和旅客的舒适度。目前各铁路局都是采用轨道检查车来检测线路运营状况，于是合理的利用和分析轨检车检测的线路数据来指导现场的养护维修正成为国内外铁路技术人员研究的重点。 本文分别采用超限评分法、轨道质量指数法(TQI)和轨道不平顺功率谱对武广客运专线某段线路进行不平顺状态评价，通过分析发现该段线路总体情况良好，问题主要集中在车体的横向加速度超限上。 为了进一步分析轨检车检测数据，作者运用C语言编程读取了轨检车波形图文件（STE格式）中的各检测项目的数值，然后采用灰色关联模型对轨检车检测数据的里程进行了校正，然而轨检车检测数据还存在毛刺问题，于是作者又使用小波变换方法对轨检车检测数据进行了降噪处理。 作者在现有轨道不平顺状态评价标准的基础上，提出了一种累积升级的评价方法，并以部分轨检车检测数据训练了一个BP神经网络进行预警，该网络很好的识别各超限位置的级别。另外，作者又尝试用静态检测数据加上速度值来预警列车通过某一位置的横向加速度，于是又训练了一个BP神经网络来进行预警，对比预警结果和实测结果，证明此方法是切实可行的。 |
| 作者： | 夏嘉凝 |
| 专业： | 建筑与土木工程 |
| 导师： | 易思蓉 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
