基于线路单元的轨道质量管理和预测研究

摘要

随着我国铁路新线的大量投入使用，列车的行车密度的不断提高，铁路客运的高速化、快速化以及铁路货运的重载化、快捷化的不断发展，给轨道结构的冲击和破坏也愈加严重，同时也给轨道不平顺性管理提出来越来越高的要求。线路单元作为铁路线路管理中一切管理工作的基本分析单位，是单元管理决策分析的基本对象，直接影响着养护维修计划的制定和工务部门的维修效率。因此，本文结合国内外轨道质量管理模式的特点，针对线路管理单元，对于线路单元的划分以及线路单元质量的变化规律进行了研究。
　　(1)在轨检车的200m检测单元基础上，为方便后期的生产组织应用以及简化线路单元质量管理工作，本文在满足轨道结构基本相同、设备变化规律一致、长短合适和适应不同需要的条件下，分别对直线、曲线、道岔区段总结了线路单元划分的方法。
　　(2)为了完善线路单元的管理办法，本文在研究大量轨道质量管理的相关文献，对于目前国内外铁路维修管理模式进行了详细归纳。在现有的峰值管理、均值管理、波长管理方法基础上，利用合武线动态检测数据，重新划分了超限等级和扣分档次，并确定了敏感波长的范围。
　　(3)为了消除轨检车的检测数据中所存在的异常点，分别采用波形图识别法和绝对修正法对于异常点进行修正。对于轨检数据与实际里程的漂移里程误差，分别采用ALD信号识别和计算相对关联度度量检测波形间的相似程度的方法，来进行里程校正。
　　(4)利用武汉铁路局合武线2014年至2016年的校正后的轨道检测数据，对于区段的轨道质量指数TQI以及其7个子项标准差数据进行了统计分析和数据挖掘。计算发现高低、水平、三角坑标准差与轨道质量指数TQI的相关性最为显著，并且在时域上，高低、水平、三角坑标准差与TQI均呈现出周期性变化特点，在一个周期内体现出指数型增长特点。依据以上特点，为了反映一个维修周期内线路单元质量的真实变化，将轨道质量指数简化为高低、水平、三角坑几何不平顺标准差的组合，记做TQIM。由于在一个维修周期内，线路单元质量呈现指数型增长的趋势的特点，并且对于同一个线路单元，检测批次往往较少，这些数据特点都非常采用适合灰色预测模型进行预测。因此，本文在研究灰色预测模型特点上，建立单周期内非等时距GM(1,1)残差修正预测模型。为了考虑工务维修对于线路单元质量的改善影响，本文建立基于维修周期的非等时距GM(1,1)残差修正预测模型。为了验证模型的预测精度，本文依据武汉铁路局合武线的轨道检测数据，对TQI和TQIM进行了拟合和预测，结果表明多维修周期非等时距GM(1,1)残差修正预测模型能够在短中期较好的预测线路单元质量的变化，因此可以以此模型的预测结果指导轨道维修计划的制订。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 国内外线路质量管理研究

1．2．1 日本的线路质量管理

1．2．2 法国的线路质量管理

1．2．3 德国的线路质量管理

1．3 国内外线路质量状态预测研究

1．3．1 日本线路质量状态预测研究情况

1．3．2 加拿大线路质量状态预测研究情况

1．3．3 国内线路质量预测研究

1．3 本文研究的主要内容

1．4 论文创新点

第2章 线路单元划分方法研究

2．1 线路单元划分的背景和意义

2．1 线路单元划分原则

2．2 线路单元划分方法

2．3 线路单元实例

2．4 本章小结

第3章 线路单元质量检测和管理研究

3．1 轨道不平顺分类

3．1．1 垂向轨道不平顺

3．1．2 横向轨道不平顺

3．1．3 复合不平顺

3．1．4 静态和动态轨道不平顺的差异和关系

3．2 轨道不平顺的检测

3．2．1 静态检测

3．2．2 动态检测

3．3 线路单元质量管理

3．3．1 峰值管理研究

3．3．2 均值管理研究

3．3．3 波长管理研究

3．4 本章小结

第4章 轨检数据预处理及变化趋势研究

4．1 轨检数据异常值的剔除和修正

4．1．1 特定区段的异常值剔除

4．1．2 一般区段的异常值剔除

4．2 里程校正

4．2．1 第一类里程误差校正

4．2．2 第二类里程误差校正

4．3 轨道质量指数的时间变化趋势及轨道维修质量指数建立

4．3．1 TQI的时间变化趋势

4．3．2 TQI各分项的时间变化规律

4．3．3 维修作业对于TQI以及各分项指标的影晌

4．3．4 轨道维修质量指数的分布的建立

4．4 本章小结

第5章 线路单元质量预测模型研究

5．1 线性预测模型

5．2 灰色系统理论及应用

5．2．1 GM(1，1)建模理论

5．2．2 非等时距常参数GM(1，1)预测模型

5．2．3 优化背景值

5．2．4 基于残差修正的非等时距GM(1，1)预测模型

5．3 基于维修周期的灰色预测模型的建立与验实例分析

5．3．1 灰色预测模型建立

5．3．2 实例分析

5．4 本章小结

结论与展望

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果