摘要
稳定车作为一种大型轨道交通运维装备,对保障铁路线路运行安全性至关重要,但是不具备道床横向阻力的在线感知能力,难以实时智能控制作业参数。为探究稳定车作业时在线感知道床横向阻力的方法,在试验线路上开展轨排动力学试验,测量稳定车-轨道耦合作用下的轨排横向载荷和轨排横向位移,并依据现有标准及现场原位试验法,测量标记轨枕处的道床横向阻力。根据实测的试验数据,采用函数模型拟合道床横向阻力与轨排横向载荷及轨排横向位移的关系式。并进一步构建RBF神经网络,采用正交最小二乘学习算法训练网络参数,建立三者之间的非线性模型,对比函数拟合与RBF神经网络模型的准确性。结果表明:道床横向阻力测试中,随着测试轨枕承受横向载荷的增加,轨枕横向位移非线性增大。轨排动力学试验中,轨排横向载荷、轨排横向位移与道床横向阻力之间存在非线性关系。采用函数拟合得到的关系式一定程度上反映了道床横向阻力的非线性变化趋势,但拟合误差较大。采用RBF神经网络建立的模型,在测试集验证中精度更高。道床横向阻力的离线检测方法效率低下,基于RBF神经网络模型的车载感知方法可以提高检测效率。研究成果可为稳定车作业中实时在线感知道床横向阻力及智能控制作业参数提供理论支撑。
- 单位