鐵路軌檢車檢測數(shù)據(jù)里程偏差修正模型及軌道不平順狀態(tài)預測模型研究.pdf

1、為了保證軌道為列車運行提供可靠的運行基礎，鐵路工務部門針對軌道經(jīng)常組織實施修理作業(yè)。實施修理作業(yè)有三個關鍵問題(3W)需要確定:作業(yè)時間(When)、作業(yè)內(nèi)容(What)及作業(yè)地點(Where)。在基于狀態(tài)的軌道養(yǎng)護維修策略指導下，獲取這三個方面信息的核心基礎是軌道不平順狀態(tài)變化規(guī)律。軌檢車檢測數(shù)據(jù)（Track Geometry Measurements，TGM）是鐵路工務部門把握軌道不平順狀態(tài)最重要的狀態(tài)數(shù)據(jù)之一。利用TGM研究軌道不

2、平順狀態(tài)變化規(guī)律提取3W信息有多個方面的問題需要探討。
　　本文主要針對其中的兩個關鍵問題進行了研究:一是TGM里程偏差修正問題;二是軌道不平順狀態(tài)短期預測問題。本文的研究將為在中國鐵路上實現(xiàn)基于狀態(tài)的軌道養(yǎng)護維修提供理論和技術基礎。這種維修策略的實現(xiàn)將能夠提高軌道系統(tǒng)可靠性，提高列車運行的安全性，延長軌道設備使用壽命，從而降低軌道設備生命周期成本。
　　在綜合分析國內(nèi)外專家學者圍繞這兩個問題提出的解決方案的基礎上，本文首先

3、利用均一閾值處理（Uniform Thresholding，UT）、地圖匹配(Map Matching)、相關分析和動態(tài)規(guī)劃等技術，研究建立了一個新的修正TGM里程與線路上設備里程之間偏差（簡稱為第一類里程偏差）的模型，基于關鍵設備的里程偏差修正模型(Key Equipment based Mileage Error Correction method, KE-BMEC)。模型KE-BMEC，首先利用TGM、車站平面布置圖和已經(jīng)在鐵路上

4、推廣使用近6年的鐵路工務管理信息系統(tǒng)（Permanent of Way Management Information System，PWMIS）的數(shù)據(jù)庫（以下簡稱PWMIS數(shù)據(jù)庫）中存儲的工務設備臺帳數(shù)據(jù)，在TGM中確定一些工務設備（稱為關鍵設備）特征點上的采樣點;其次根據(jù)PWMIS數(shù)據(jù)庫中存儲的這些采樣點的里程，修正軌檢車一次檢測產(chǎn)生的整個TGM文件中所有采樣點的里程。模型KE-BMEC的性能分析結果表明:經(jīng)過該模型修正里程偏差后，第

5、一類里程偏差大幅減小了，遠小于GPS里程自動修正系統(tǒng)修正后的里程偏差;一般情況下，同一采樣點上經(jīng)過KE-BMEC修正里程的多次檢測數(shù)據(jù)中的里程偏差（簡稱為第二類里程偏差）小于1m。
　　其次，利用相關分析、Dynamic Time Warping(DTW)和動態(tài)規(guī)劃等技術研究建立了一個新的修正第二類里程偏差的模型，基于TGM的里程偏差修正模型(TGMbased Mileage Error Correction method，TGM

6、-BMEC)。DTW技術被首次用來解決TGM里程偏差問題。模型TGM-BEMC對經(jīng)過KE-BMEC處理的TGM（簡稱為待修正TGM）做進一步里程修正，以盡可能減小第二類里程偏差。以最新的并且經(jīng)過TGM-BMEC修正的TGM為參考數(shù)據(jù)，TGM-BMEC首先在參考數(shù)據(jù)中確定距離待修正TGM中每個采樣點最近的采樣點（簡稱為對應采樣點），其次利用參考數(shù)據(jù)記錄的對應采樣點的里程修正待修正TGM中每個采樣點的里程。模型TGM-BMEC的性能分析結果

7、表明:經(jīng)過該模型修正里程偏差以后，第二類里程偏差小于1個采樣點間距0.25m，小于已有里程修正模型處理后的第二類里程偏差。
　　最后，在以上兩個模型修正里程的基礎上，根據(jù)軌道不平順狀態(tài)劣化特點研究建立了一個新的對軌道不平順狀態(tài)進行短期預測的模型(Short-Range PredictionModel for Track Irregularities，TI-SRPM)。模型TI-SRPM對每個采樣點上所有軌道不平順指標在未來一段時期

8、（長度由軌檢車檢測的時間間隔決定）內(nèi)每一天的幅值進行預測。模型TI-SRPM的性能分析結果表明:TI-SRPM預測的各采樣點的幅值與軌檢車檢測出的各采樣點的幅值非常接近;根據(jù)TI-SRPM預測的幅值，能夠提前一個軌檢車檢測周期預測出至少80％的軌道不平順超限，并且幅值較大超限的預測可靠性比幅值較小超限的預測可靠性高;根據(jù)TI-SRPM的預測結果，能夠提前一個軌檢車檢測周期較準確地預測出各種長度區(qū)段的整體不平順狀態(tài)指數(shù)，為精細化管理軌道不