铁路轨检车检测数据里程偏差修正模型及轨道不平顺状态预测模型研究

摘要

为了保证轨道为列车运行提供可靠的运行基础，铁路工务部门针对轨道经常组织实施修理作业。实施修理作业有三个关键问题(3W)需要确定:作业时间(When)、作业内容(What)及作业地点(Where)。在基于状态的轨道养护维修策略指导下，获取这三个方面信息的核心基础是轨道不平顺状态变化规律。轨检车检测数据（Track Geometry Measurements，TGM）是铁路工务部门把握轨道不平顺状态最重要的状态数据之一。利用TGM研究轨道不平顺状态变化规律提取3W信息有多个方面的问题需要探讨。
　　本文主要针对其中的两个关键问题进行了研究:一是TGM里程偏差修正问题;二是轨道不平顺状态短期预测问题。本文的研究将为在中国铁路上实现基于状态的轨道养护维修提供理论和技术基础。这种维修策略的实现将能够提高轨道系统可靠性，提高列车运行的安全性，延长轨道设备使用寿命，从而降低轨道设备生命周期成本。
　　在综合分析国内外专家学者围绕这两个问题提出的解决方案的基础上，本文首先利用均一阈值处理（Uniform Thresholding，UT）、地图匹配(Map Matching)、相关分析和动态规划等技术，研究建立了一个新的修正TGM里程与线路上设备里程之间偏差（简称为第一类里程偏差）的模型，基于关键设备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、车站平面布置图和已经在铁路上推广使用近6年的铁路工务管理信息系统（Permanent of Way Management Information System，PWMIS）的数据库（以下简称PWMIS数据库）中存储的工务设备台帐数据，在TGM中确定一些工务设备（称为关键设备）特征点上的采样点;其次根据PWMIS数据库中存储的这些采样点的里程，修正轨检车一次检测产生的整个TGM文件中所有采样点的里程。模型KE-BMEC的性能分析结果表明:经过该模型修正里程偏差后，第一类里程偏差大幅减小了，远小于GPS里程自动修正系统修正后的里程偏差;一般情况下，同一采样点上经过KE-BMEC修正里程的多次检测数据中的里程偏差（简称为第二类里程偏差）小于1m。
　　其次，利用相关分析、Dynamic Time Warping(DTW)和动态规划等技术研究建立了一个新的修正第二类里程偏差的模型，基于TGM的里程偏差修正模型(TGMbased Mileage Error Correction method，TGM-BMEC)。DTW技术被首次用来解决TGM里程偏差问题。模型TGM-BEMC对经过KE-BMEC处理的TGM（简称为待修正TGM）做进一步里程修正，以尽可能减小第二类里程偏差。以最新的并且经过TGM-BMEC修正的TGM为参考数据，TGM-BMEC首先在参考数据中确定距离待修正TGM中每个采样点最近的采样点（简称为对应采样点），其次利用参考数据记录的对应采样点的里程修正待修正TGM中每个采样点的里程。模型TGM-BMEC的性能分析结果表明:经过该模型修正里程偏差以后，第二类里程偏差小于1个采样点间距0.25m，小于已有里程修正模型处理后的第二类里程偏差。
　　最后，在以上两个模型修正里程的基础上，根据轨道不平顺状态劣化特点研究建立了一个新的对轨道不平顺状态进行短期预测的模型(Short-Range PredictionModel for Track Irregularities，TI-SRPM)。模型TI-SRPM对每个采样点上所有轨道不平顺指标在未来一段时期（长度由轨检车检测的时间间隔决定）内每一天的幅值进行预测。模型TI-SRPM的性能分析结果表明:TI-SRPM预测的各采样点的幅值与轨检车检测出的各采样点的幅值非常接近;根据TI-SRPM预测的幅值，能够提前一个轨检车检测周期预测出至少80％的轨道不平顺超限，并且幅值较大超限的预测可靠性比幅值较小超限的预测可靠性高;根据TI-SRPM的预测结果，能够提前一个轨检车检测周期较准确地预测出各种长度区段的整体不平顺状态指数，为精细化管理轨道不平顺状态提供状态数据。

目录

声明

致谢

摘要

图目录

表目录

1 绪论

1．1 研究背景及问题提出

1．2 研究内容及意义

1．2．1 研究内容

1．2．2 研究意义

1．3 国内外研究综述

1．3．1 TGM里程偏差修正

1．3．2 不平顺状态预测

1．4 研究思路及技术路线

1．5 论文结构

2 基于关键设备的里程偏差修正模型-(KE-BMEC)

2．1 GJ-4型轨检车检测原理简介

2．2 PWMIS数据库简介及关键设备选取

2．2．1 PWMIS数据库简介

2．2．2 关键设备选取

2．3 关键设备对轨检车检测项目的影响分析

2．3．1 曲线对轨检车检测项目的影响

2．3．2 道岔对轨检车检测项目的影响

2．3．3 站线曲线对轨检车检测项目的影响

2．3．4 关键设备对轨检车检测项目影响的总结

2．4 关键设备识别模型

2．4．1 关键设备提取算法

2．4．2 关键设备匹配模型

2．4．3 关键设备定位模型

2．5 里程修正方法

2．6 案例分析

2．7 本章小结

3 基于TGM的里程偏差修正模型(TGM-BMEC)

3．1 问题描述

3．2 修正第二类里程偏差的方法

3．2．1 建立TGM-BMEC的不平顺波形特征基础

3．2．2 修正里程偏差的方法

3．3 模型TGM-BMEC的建立

3．3．1 建立模型TGM-BMEC的思路

3．3．2 变量说明

3．3．3 模型建立

3．3．4 模型求解

3．4 案例分析

3．4．1 有明显里程偏差的区段

3．4．2 里程偏差不明显的区段

3．4．3 两次检测之间进行过经常保养或临时补修作业的区段

3．5 本章小结

4 不平顺状态短期预测模型-(TI-SRPM)

4．1 变量说明

4．2 模型TI-SRPM

4．2．1 影响不平顺劣化的因素

4．2．2 TI-SRPM研究对象的确定

4．2．3 单元区段Sec上不平顺指标Ti的劣化过程

4．2．4 模型TI-SRPM的建立

4．2．5 TI-SRPM时间长度T的确定

4．3 案例分析

4．3．1 预测幅值的误差分析

4．3．2 不平顺病害的对比分析

4．3．3 区段整体不平顺状态评价指数的误差分析

4．4 本章小结

5 结论与展望

5．1 主要研究成果

5．2 主要创新点

5．3 研究展望

参考文献

作者简历

学位论文数据集