高速铁路沿线大风监测优化布网自动搜索方法

摘要

本发明公开了一种高速铁路沿线大风监测优化布网自动搜索方法，包括以下步骤：确定高速铁路沿线各种地形环境对应的系统模块，对单个模块不同地形特征参数获取的有限个变量工况，将对应的风载荷值作为控制数据点，采用插值的方式计算出实际地形情况对应的范围内连续变量工况取值条件下，该系统模块对应的风载荷值插值数据库，搜索并确定最大风载荷值，即为该系统模块在实际地形范围内连续变量工况取值条件下，沿线大风监测优化布网监测点。该自动搜索方法能为高速铁路大风监测站沿线路纵向优化布点提供量化依据，该优化布点能够反应该地形实时大风情况，操作简便、精度较高，尤其适用于高海拔山区复杂地形的铁路沿线大风监测布网点的优化选择。

说明书

技术领域

本发明涉及一种铁路铁路施工测量技术领域，特别涉及一种高速铁路沿线大风监测优化布网自动搜索方法。

背景技术

高速铁路在现在的交通运输领域发挥着越来越大的作用，但是现在的高速列车在高速铁路轨道上运行过程中，对大风特别是横风的作用十分敏感，大风作用对列车的行车安全和准点运行带来了极大的挑战。例如，而在我国兰新铁路的“百里风区”，自通车以来，因大风引起的列车脱轨、倾覆事故达30起，吹翻货车110辆；2003年，因大风封闭时间长达50小时，造成直接经济损失2800万元。

因此，为了降低大风对高速列车安全运行的影响，目前国内外的高速铁路防灾安全系统一般都采用风监测系统，在我国的高速铁路设计过程中，对与风监测系统的相关设置标准进行了明确的规定，包括风监测站设立的风速条件、沿线的设置密度、安装方法以及传感器的类型等。但是，即使国内外诸多高速铁路均设置了风监测系统，由于大风作用导致的列车安全和准点运行的事故却时有发生，风监测系统的可靠性和运营效率还有很大的提升空间。

例如，东日本铁道公司的新干线沿线设立了大风监测系统，2005年，在监测系统正常运营的情况下，“稻穗14号”列车却在100km/h的速度下脱轨，造成4人死亡，33人受伤，事后调查结果显示列车遭受的横风作用正是列车出轨并翻倒的主要原因，而风监测系统并没能提前预警。我国乌鲁木齐铁路局早在2004年底就在新疆铁路沿线风口装设了大风监测系统，2007年，却仍然发生了风致列车脱轨颠覆事故，造成4人死亡，30多人受伤。2013年，台风“天兔”过境，广东深圳站始发的广深港“和谐号”动车组全部停运长达两天时间，而台风真正影响高铁线路运行却只有那么短短几十分钟，大风监测系统的过于保守，这也严重影响了高速铁路应当发挥的效能。

综上所述，现有的大风监测系统的沿线监测点的布置方法，还存在以下不足：

(1)测风站沿高铁线路纵向布置位置的确定缺乏科学量化的选点依据，设置测风站捕捉沿线最不利风监测点的效率不高；我国的《高速铁路设计规范》中规定山区垭口、峡谷、河谷风监测点的平均间距为1～5km，桥梁、高路堤等区段间距则为5～10km；但是在实际的工程环境中，对于这类特征的地形结点，往往带有“小气候”的特征，高铁线路风环境对周围地形的变化十分敏感，规范中建议的1～5km或者5～10km的风监测点布点原则过于粗放、精度较低，不具备量化的科学依据，实际操作难度大；

(2)没有形成一套规范合理的沿线风监测站选点的标准和方法，测风站在现场布置过程中，凭人工感觉和经验确定的成份大，工作效率不高。

因此，函待需要一种实时、准确、高效的大风监测系统，尤其在大风监测系统的设立过程中，沿线监测点的优化布网是整个系统高效运行的基础和前提，对于高速铁路列车的行车安全和准点运行是至关重要的。

发明内容

本发明的目的在于克服现有技术中所存在的现有的大风监测系统布置位置的确定缺乏科学量化的选点依据、精度较低、操作困难的上述不足，提供一种高速铁路沿线大风监测优化布网自动搜索方法，该大风监测系统的布网选点能够更加优化，使大风监测系统能够反应实时大风情况，其反映的风载荷相对更加准确，且高效。

为了实现上述发明目的，本发明提供了以下技术方案：

一种高速铁路沿线大风监测优化布网自动搜索方法，包括以下步骤：

步骤一、确定高速铁路沿线各种地形环境中，至少两种不同地形之间的过渡区域作为系统模块，建立系统模块组；

步骤二、对系统模块组中每个系统模块的地形特征参数作为研究变量，建立所述系统模块对应独立的风洞试验模型或CFD数值模拟模型；

步骤三、对每个系统模块包括的地形特征参数中，改变地形特征参数取值以得到有限个变量工况，通过在风洞试验模型或CFD数值模拟模型中，得到每个变量工况对应的风载荷值，并作为该变量工况对应的控制数据点；

步骤四、根据该系统模块的有限个变量工况以及对应的有限个控制数据点，根据实际地形情况对应的范围内连续变量工况取值条件下，采用插值计算的方式，得到所述系统模块的过渡区域内的在所述范围内连续变量工况取值条件下对应的每个风载荷值，建立所述系统模块独立的各变量工况对应风载荷值插值数据库；

步骤五、针对步骤四中所述风载荷值插值数据库，搜索并确定最大风载荷值，并得到最大风载荷值对应的变量工况，该变量工况在所述系统模块中所对应的地形位置，即为所述系统模块在实际地形所述范围内连续变量工况取值条件下，沿线大风监测优化布网监测点；

步骤六、根据实际地形特征参数，确定相应系统模块，重复步骤三至步骤五，即可得到该地形特征参数对应的沿线大风监测优化布网监测点。

该高速铁路沿线大风监测优化布网自动搜索方法，通过在首先确定高速铁路沿线各种地形环境对应的系统模块，再针对单个模块的研究过程中，基于不同地形特征参数获取的有限个变量工况研究结果，以此将对应的风载荷值作为控制数据点，采用插值的方式计算出实际地形情况对应的范围内连续变量工况取值条件下的该系统模块独立的各变量工况对应风载荷值插值数据库，从而形成针对单个系统模块搜索并确定最大风载荷值，即为该系统模块在实际地形所述范围内连续变量工况取值条件下，沿线大风监测优化布网监测点(即将最不利大风监测站确定为优化位置布置)，为高速铁路大风监测站沿线路的纵向优化布点提供量化的依据，并且使大风监测点能够反应该地形实时大风情况，其反映的风载荷相对更加准确，该方法操作简便、精度较高，尤其适用于高海拔山区复杂地形的铁路沿线大风监测布网点的优化选择。

优选地，所述步骤一中的高速铁路沿线地形环境系统模块包括：一般桥梁、隧道、峡谷桥梁、高路堤、深路堑、弯道超高6种地形结点，按照两两组合的原则，根据实际情况，形成一般桥梁+隧道、一般桥梁+峡谷桥梁、一般桥梁+高路堤、一般桥梁+深路堑、一般桥梁+弯道超高、隧道+峡谷桥梁、峡谷桥梁+高路堤、峡谷桥梁+深路堑、峡谷桥梁+弯道超高、高路堤+深路堑、高路堤+弯道超高、深路堑+弯道超高共计12个系统模块。

其中上述的一般桥梁是指修建于地势较为平坦、空旷区域的普通桥梁。

隧道是指埋置于地层内的地下建筑物，尤其指交通隧道。

峡谷桥梁是指跨越河流、山谷等峡谷地形而使用的具有承载能力的桥梁构造。

高路堤是指填土高度大于18m土质或20m石质的路堤。

深路堑是指低于原地面的挖方一定深度的路基，即从原地面向下开挖而成的路基形式，当路基为土质边坡时，垂直挖方深度超过20米时的路堑，当路基为岩质边坡时，其垂直挖方深度超过30米的路堑。

弯道超高是指在弯道上设置单一向内侧倾斜的横坡，该横坡所在的弯道部分(从平曲线起点至终点)则称为弯道超高。

进一步优选地，所述步骤一中的一般桥梁的参数包括跨度和主梁断面形式。

进一步优选地，所述步骤一中的隧道的参数包括山体高度和边坡坡度。

进一步优选地，所述步骤一中的峡谷桥梁的参数包括峡谷坡度、峡谷深度、桥梁跨度和主梁断面形式。

进一步优选地，所述步骤一中的高路堤参数包括高度和边坡坡度。

进一步优选地，所述步骤一中的深路堑参数包括边坡坡度和坡体水平长度。

进一步优选地，所述步骤一中的弯道超高参数包括曲线半径和线路倾斜角度。

优选地，所述步骤二中根据每个地形系统模块的参数，分别对每个参数改变至少三个取值，构成所述系统模块的参数对应的范围，得到所有参数的取值改变后所对应的若干个不同变量工况组，然后分别进行风洞试验模型或CFD数值模拟模型计算，获取在该变量工况组下对应所有风载荷值，然后在所述系统模块的参数对应的范围内进行连续变量工况取值，得到所述范围内的风载荷值插值数据库，从所述插值数据库中搜索得到最大风载荷值对应的变量工况，该变量工况所对应的地形位置，即为所述系统模块在实际地形所述范围内沿线大风监测优化布网的监测点位置。

优选地，所述步骤二中同时建立所述系统模块对应独立的风洞试验模型和CFD数值模拟模型，分别通过风洞试验模型和CFD数值模拟模型实施步骤三，根据风洞试验模型得到的每个变量工况对应的风载荷值，对通过CFD数值模拟模型得到的相应变量工况对应的风载荷值进行修正，然后以修正后的CFD数值模拟模型得到的风载荷值为准，再实施步骤四至步骤六。进一步的提高了该方法的布网优化选择的精度。

与现有技术相比，本发明的有益效果：

1、本发明所述的高速铁路沿线大风监测优化布网自动搜索方法，通过在首先确定高速铁路沿线各种地形环境对应的系统模块，再针对单个模块的研究过程中，基于不同地形特征参数获取的有限个变量工况研究结果，以此将对应的风载荷值作为控制数据点，采用插值的方式计算出实际地形情况对应的范围内连续变量工况取值条件下的该系统模块独立的各变量工况对应风载荷值插值数据库，从而形成针对单个系统模块搜索并确定最大风载荷值，即为该系统模块在实际地形所述范围内连续变量工况取值条件下，沿线大风监测优化布网监测点(即将最不利大风监测站确定为优化位置布置)，为高速铁路大风监测站沿线路的纵向优化布点提供量化的依据，并且使大风监测点能够反应该地形实时大风情况，其反映的风载荷相对更加准确，该方法操作简便、精度较高，尤其适用于高海拔山区复杂地形的铁路沿线大风监测布网点的优化选择；

2、本发明所述一种高速铁路沿线大风监测优化布网自动搜索方法，提供了统一规范的高速铁路大风监测站优化布网的原则和方法，能大幅提高工作效率。

附图说明：

图1为本发明所述一种高速铁路沿线大风监测优化布网自动搜索方法流程图；

图2为本发明一种高速铁路沿线大风监测优化布网自动搜索系统的搜索方法框图；

图3为峡谷桥梁+高路堤的系统模块的示意图。

具体实施方式

下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。

实施例1

如图1、2所示，一种高速铁路沿线大风监测优化布网自动搜索方法，包括以下步骤：

步骤一、确定高速铁路沿线各种地形环境中，至少两种不同地形之间的过渡区域作为系统模块，建立系统模块组；

步骤二、对系统模块组中每个系统模块的地形特征参数作为研究变量，建立所述系统模块对应独立的风洞试验模型或CFD数值模拟模型；

步骤三、对每个系统模块包括的地形特征参数中，改变地形特征参数取值以得到有限个变量工况，通过在风洞试验模型或CFD数值模拟模型中，得到每个变量工况对应的风载荷值，并作为该变量工况对应的控制数据点；

步骤四、根据该系统模块的有限个变量工况以及对应的有限个控制数据点，根据实际地形情况对应的范围内连续变量工况取值条件下，采用插值计算的方式，得到所述系统模块的过渡区域内的在所述范围内连续变量工况取值条件下对应的每个风载荷值，建立所述系统模块独立的各变量工况对应风载荷值插值数据库；

步骤五、针对步骤四中所述风载荷值插值数据库，搜索并确定最大风载荷值，并得到最大风载荷值对应的变量工况，该变量工况在所述系统模块中所对应的地形位置，即为所述系统模块在实际地形所述范围内连续变量工况取值条件下，沿线大风监测优化布网监测点；

步骤六、根据实际地形特征参数，确定相应系统模块，重复步骤三至步骤五，即可得到该地形特征参数对应的沿线大风监测优化布网监测点。

上所述步骤一中的高速铁路沿线地形环境系统模块包括：一般桥梁、隧道、峡谷桥梁、高路堤、深路堑、弯道超高6种地形结点，按照两两组合的原则，根据实际情况，形成一般桥梁+隧道、一般桥梁+峡谷桥梁、一般桥梁+高路堤、一般桥梁+深路堑、一般桥梁+弯道超高、隧道+峡谷桥梁、峡谷桥梁+高路堤、峡谷桥梁+深路堑、峡谷桥梁+弯道超高、高路堤+深路堑、高路堤+弯道超高、深路堑+弯道超高共计12个系统模块。

针对所述步骤一，其中的一般桥梁的参数包括跨度和主梁断面形式。该隧道的参数包括山体高度和边坡坡度。该峡谷桥梁的参数包括峡谷坡度、峡谷深度、桥梁跨度和主梁断面形式。该高路堤参数包括高路堤高度和高路堤边坡坡度。该深路堑参数包括边坡坡度和坡体水平长度。该弯道超高参数包括曲线半径和线路倾斜角度。

上步骤二中所述步骤二中根据每个地形系统模块的参数，分别对每个参数改变至少三个取值，构成所述系统模块的参数对应的范围，得到所有参数的取值改变后所对应的若干个不同变量工况组，然后分别进行风洞试验模型或CFD数值模拟模型计算，获取在该变量工况组下对应所有风载荷值，然后在所述系统模块的参数对应的范围内进行连续变量工况取值，得到所述范围内的风载荷值插值数据库，从所述插值数据库中搜索得到最大风载荷值对应的变量工况，该变量工况所对应的地形位置，即为所述系统模块在实际地形所述范围内沿线大风监测优化布网的监测点位置，通过得到对应所述地形系统模块变量的系统模块的数据库，依次类推得到其他系统模块的数据库。

例如，在建立峡谷桥梁+高路堤的系统模块的数据库的过程中，分别制作3D桥梁、峡谷和高路堤的风洞试验试验模型或建立CFD数值模拟模型，针对桥梁的主梁断面形式、跨度、峡谷的坡度、深度、路堤的边坡坡度、高度6个参数，对每个参数分别取值3个，那么则形成3×3×3×3×3×3＝729个变量工况组，对该变量工况组分别进行试验或计算，获取相应变量工况下峡谷桥梁+高路堤环境中的最大风载荷值(即最不利风荷载)的工况变量所对应的位置作为风监测点的纵向优化位置，3个控制数据点之外的参数取值条件下测风站的量化布置位置，采用插值的方式确定，再得到该系统模块在实际地形所述范围内沿线大风监测优化布网的监测点位置。

该高速铁路沿线大风监测优化布网自动搜索方法，通过在首先确定高速铁路沿线各种地形环境对应的系统模块，再针对单个模块的研究过程中，基于不同地形特征参数获取的有限个变量工况研究结果，以此将对应的风载荷值作为控制数据点，采用插值的方式计算出实际地形情况对应的范围内连续变量工况取值条件下的该系统模块独立的各变量工况对应风载荷值插值数据库，从而形成针对单个系统模块搜索并确定最大风载荷值，即为该系统模块在实际地形所述范围内连续变量工况取值条件下，沿线大风监测优化布网监测点(即将最不利大风监测站确定为优化位置布置)，为高速铁路大风监测站沿线路的纵向优化布点提供量化的依据，并且使大风监测点能够反应该地形实时大风情况，其反映的风载荷相对更加准确，该方法操作简便、精度较高，尤其适用于高海拔山区复杂地形的铁路沿线大风监测布网点的优化选择。

另外，上述在过渡区域测风站的纵向优化位置，在横风作用下，以单组地形过渡区域(例如，高路堤+峡谷桥梁的地形过渡段)为例，以相应的地形特征参数为研究变量，采用风洞试验和CFD数值模拟等研究手段，获取风荷载在过渡区域的变化特征，从而确定最不利风监测站的位置；

针对单个模块的研究过程中，基于有限组地形特征参数获取的研究结果，以此作为控制数据点，采用插值的方式计算出空缺部分的取值，从而形成针对单个系统模块最不利大风监测站沿纵向优化位置布置的确定方法；

例如，高路堤+峡谷桥梁的地形过渡段，如图3所示，分别以高路堤边坡水平长度(L)、垂直高度(H)、坡度(α)，桥梁的主梁断面形式(钝体、流线体)、尺寸(B×D)、跨度(L)，以及桥梁段线下峡谷的坡度(α)、深度(H)、跨度(L)等多个变量为研究对象开展对比研究，以风洞试验或者CFD数值模拟为研究手段，获取变量组参数在不同取值条件下(研究工况较多，每个研究参数取少数3个左右控制点)的研究结果，分别给出高路堤+峡谷桥梁的地形过渡段最不利测风站优化布置位置；最后通过相关的插值计算，获取变量组在一定范围内连续取值条件下的测风站优化布置位置。

类似的，采用上述针对单模块最不利测风站优化位置的确定方法，分别针对其他地形组合条件下的模块开展研究，从而形成针对高速铁路线路在常遇地形过渡条件下最不利测风站的纵向优化布置位置系统的搜索方法。

实施例2

本实施例2通过一个案例来描述采用高速铁路沿线大风监测优化布网自动搜索方法的应用，其具体过程包括：

(1)收集资料

分别针对线I(沿海地区)的和线II(艰险山区)两条高铁线路收集整理沿线地形、线路以及气象等资料；

(2)确定研究对象

①一般桥梁：

线I：DK212+631～DK214+325，隧道+高路堤+大桥

②隧道：线I DK212+631～DK214+325，隧道+高路堤+大桥

③峡谷桥梁：某铁路，某大桥

④高路堤：线I DK212+631～DK214+325，隧道+高路堤+大桥

⑤深路堑：线II D1K210～D1K230，弯道+双线特大桥

⑥弯道超高：线II D1K210～D1K230，弯道+双线特大桥

(3)风洞试验

①试验模型标准

模型的缩尺比以线路宽度控制，例如双线铁路宽度约为15m，为保证风洞试验模型中铁路模型宽度不小于5～15cm，模型缩尺比总体按1/300～1/100控制。

②试验模型类别

以实际调研结果为基础，按照相应的缩尺比，分别制作一般桥梁、隧道、峡谷桥梁、高路堤、深路堑、弯道超高6种地形结点的风洞试验模型，模型制作过程中注意保持各个单体模型在高度、宽度等总体尺寸上的协调性，确保两两之间能够顺利对接。

③试验工况

分别针对6种典型地形单体模型的开展风洞试验，实测不同风速、风向、紊流度以及风攻角来流情况下模型的风场分布；

分别基于一般桥梁-隧道、一般桥梁-峡谷桥梁、一般桥梁-高路堤、一般桥梁-深路堑、一般桥梁-弯道超高、隧道-峡谷桥梁、隧道-高路堤、隧道-深路堑、隧道-弯道超高、峡谷桥梁-高路堤、峡谷桥梁-深路堑、峡谷桥梁-弯道超高、高路堤-深路堑、高路堤-弯道超高、深路堑-弯道超高15种地形组合下的试验模型开展风洞试验，实测不同风速、风向、紊流度以及风攻角来流情况下模型的风场分布。

④试验结果提取与分析

基于风洞试验结果，明确最不利的地形组合，获取线路横断面风场分布与来流的相关关系。

(4)CFD数值模拟

分别针对风洞试验中的一般桥梁、隧道、峡谷桥梁、高路堤、深路堑、弯道超高6种典型地形单体模型建立1:1的2D横断面CFD数值模型并开展数值计算，实测不同风速、风向、紊流度以及风攻角来流情况下模型的风场分布特征并与风洞试验结果对比，通过对CFD数值模型的计算网格调整和修正，确保数值计算结果与风洞试验结果一致；

(5)现场实测

在研究条件允许的情况下，针对风洞试验和CFD数值计算研究确定的最不利地形组合，在实际高铁线路中的相应位置安装3～5个现场测风站，通过现场实测的风场数据对研究结论进行进一步的校核的确认，校核结果在精度范围之内，满足实际需要。

本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。