文档名：基于PSOSVM的无砟轨道路基沉降病害识别
摘要：为了探究实时、准确的路基不均匀沉降识别方法,以CRTSⅠ双块式无砟轨道路基沉降病害为研究对象,建立车辆-轨道-路基垂向耦合动力学模型,讨论不同路基沉降状态下的车辆-轨道系统振动规律,选取路基沉降识别敏感特征,并基于粒子群优化支持向量机算法实现对无砟轨道路基沉降病害的有效识别.研究结果表明:钢轨及道床的垂向位移对路基沉降变化较为敏感,随沉降幅值的增大而增大,随沉降波长的增大而减小,而路基沉降对钢轨及道床垂向振动加速度影响较小,利用轨道结构振动响应判断路基沉降状态可行性较低.车体、转向架及轮对垂向振动加速度随着路基沉降幅值增大而增大,其中车体、转向架对路基沉降幅值变化相对敏感,而轮对相对不敏感.随着沉降波长增加,车体与转向架垂向振动加速度先增大后减小,车体对沉降波长的敏感程度远高于转向架,故可将车体垂向振动加速度作为识别敏感特征.车体垂向加速度振动信号对无砟轨道路基沉降波长的识别准确率高于对沉降幅值的识别准确率,其中沉降幅值为20mm时的识别准确率为84.78％,表明算法在该工况下的识别性能相对较低,但仍能保证一定的准确率,而对于无沉降和不同沉降波长工况,算法识别准确率接近100％.研究成果证明了粒子群优化支持向量机算法可实现对无砟轨道路基沉降的有效识别.
作者：任娟娟 张亦弛 刘伟 章恺尧 杜威 Author：RENJuanjuan ZHANGYichi LIUWei ZHANGKaiyao DUWei
作者单位：西南交通大学高速铁路线路工程教育部重点实验室,四川成都610031;西南交通大学土木工程学院,四川成都610031;长沙理工大学交通运输工程学院,湖南长沙410114西南交通大学高速铁路线路工程教育部重点实验室,四川成都610031;西南交通大学土木工程学院,四川成都610031同济大学交通运输工程学院,上海201804
刊名：铁道科学与工程学报 ISTICPKU
Journal：JournalofRailwayScienceandEngineering
年，卷(期)：2023, 20(11)
分类号：U213
关键词：无砟轨道 路基沉降 动力响应 粒子群优化算法 支持向量机
Keywords：ballastlesstrack subgradesettlement dynamicresponse particleswarmoptimizationalgorithm supportvectormachine
机标分类号：
在线出版日期：2024年1月3日
基金项目：国家重点研发计划，国家自然科学基金，国家自然科学基金，四川省青年科技创新研究团队项目基于PSO-SVM的无砟轨道路基沉降病害识别[
期刊论文] 铁道科学与工程学报--2023, 20(11)任娟娟 张亦弛 刘伟 章恺尧 杜威为了探究实时、准确的路基不均匀沉降识别方法,以CRTSⅠ双块式无砟轨道路基沉降病害为研究对象,建立车辆-轨道-路基垂向耦合动力学模型,讨论不同路基沉降状态下的车辆-轨道系统振动规律,选取路基沉降识别敏感特征,并基于粒...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于PSO-SVM的无砟轨道路基沉降病害识别 Identification of subgrade settlement diseases in ballastless track based on PSO-SVM
基于PSO-SVM的无砟轨道路基沉降病害识别.pdf
- 文件大小:
- 25.44 MB
- 下载次数:
- 60
-
高速下载
|
