基于结构振动响应的长型浮置板轨道隔振器失效检测方法

摘要

目前钢弹簧浮置板轨道的隔振器失效判别主要依赖于人工巡检或视觉成像系统,但此类方法效率低、检测滞后且成本高昂。本文提出了一种自动化的检测方法,该方法利用残差学习思想和卷积神经网络基本理论构建数据分类器,并通过列车动荷载作用下的结构动力响应对现役某常见的长型浮置板轨道进行隔振器失效的检测识别。首先,基于车-轨垂向耦合动力学建立考虑隔振器不同服役状态的地铁车辆-浮置板轨道垂向耦合动力学仿真分析模型,进而生成多种运营工况下的数据集,用于网络的训练和性能测试;其次,进一步研究了传感器布置方式对网络检测性能的影响,以决定适宜的传感器布置方案;最后,在实际地铁线路中开展试验,对所提出的方法进行了验证。结果表明:通过对传感器布置位置进行优化,深度残差网络模型的检测准确性显著提升;合理设置传感器的数量也可以提高本文方法的检测性能;此外,通过适当选取传感器布置方案,本文提出的基于深度残差网络的隔振器失效检测方法在仿真数据中实现了98.99%的准确度,并在试验数据中实现了96.33%的准确度。该方法具有较高的可行性和应用潜力,可为地铁浮置板隔振器智能运维提供参考,并有望在未来用于隔振器失效的自动化检测。