详情

原文传递基于列车动态偏移量的轨道水平不平顺检测

论文题名：	基于列车动态偏移量的轨道水平不平顺检测
关键词：	轨道检测;水平平顺性;列车动力学模型;弱信号提取;降噪技术;长短时记忆网络;时序卷积网络
摘要：	铁路系统作为国家交通运输的基础性产业之一，对我国的战略发展有着重要支撑作用。随着列车的长期运行，轨道线路在轮轨力的作用下损伤日益严重，对列车运行的安全性及舒适性产生直接的影响，所以实现对轨道状态的及时检测是一项至关重要的任务。而日前综合轨检车存在高成本、检测周期长的问题，导致检测间隔期内的轨道不平顺维修不及时，从而严重威胁车辆运行安全，因此本文提出利用在役列车运行条件实现轨道状况的快速检测具有重要的意义。　　轨道不平顺会导致车体姿态发生变化，同时车体姿态数据也会隐含轨道不平顺的状态信息，因此可以通过分析车体姿态数据实现轨道不平顺的反向估计。本文以轨道水平不平顺为研究对象，结合列车车辆动力学模型，研究了基于在役列车动态偏移量的轨道水平不平顺估计方法。本文具体研究工作如下：　　(1)SIMPACK仿真模型与实测轨检车数据联合分析。针对轨道水平不平顺与车辆姿态响应之间的复杂关系，采用统计分析的方法对两者进行相关性定量分析；由于在役列车车体响应数据获取困难，本文结合SIMPACK软件搭建列车动力学模型，利用实测水平不平顺作为轨道激励，仿真列车车体的动态偏移数据，为后续水平不平顺检测提供数据基础。　　(2)针对列车车体的动态偏移量呈现低信噪比的特点，本文提出基于多层降噪技术的弱信号提取算法。采用自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise，CEEMDAN)结合灰色模型(Grey Model，GM)完成噪声主导的本征模态函数(Intrinsic Mode Function，IMF)自适应筛选与处理，实现信号高频噪声的有效去除；针对CEEMDAN-Grey重构信号低频去噪不完全问题，采用奇异谱分析(Singular Spectrum Analysis，SSA)实现重构信号的二次降噪，完成信号低频噪声的有效去除。使用仿真信号及列车车体动态偏移数据进行验证，结果表明本文所提方法相较于单一的CEFMDAN-Grey和SSA去噪算法有更好的去噪效果，可以充分提取被噪声淹没的有效信号。　　(3)针对列车车体响应与轨道水平不平顺之间的滞后性问题，本文基于具有数据趋势信息学习能力的长短时记忆网络（Long Short-Term Memory,LSTM）搭建水平不平顺反演估计模型；并结合带有膨胀卷积的时序卷积网络（Temporal Convolutional Network,TCN）提取列车车体动态偏移量的局部特征信息，弥补LSTM难以学习长距离趋势信息的不足，提出基于TCN-LSTM的水平不平顺反演估计模型。利用列车直线路况运行数据进行实验验证，并与TCN、LSTM等模型对比，证明本文所提算法有较好的估计效果与精度。　　(4)由于轨道超高的不同使列车车体动态偏移量会有明显差异，直接利用弯道车体动态偏移数据进行水平不平顺反演估计会导致估计误差较大的问题，因此本文提出基于去趋势项的TCN-LSTM水平不平顺反演估计模型。采用CEEMDAN结合排列熵（Permutation Entropy,PE）去除车体动态偏移量的趋势项信息，提取水平不平顺导致的随机动态偏移量，并进一步结合TCN-LSTM模型实现弯道水平不平顺估计。利用列车弯道路况运行数据进行实验验证，并与未去趋势的TCN-LSTM模型对比，证明本文所提算法的有效性与准确性。
作者：	段海涛
专业：	控制工程
导师：	谢国;王敏
授予学位：	硕士
授予学位单位：	西安理工大学
学位年度：	2022