数据驱动的高速铁路轮轨作用力反演模型

摘要：

轮轨作用力是列车对轨道状态的激励响应,是列车安全监控的重要信息指标,对保证列车的行车安全意义重大.现有的轮轨力采集设备存在容易磨损、使用周期短等问题,导致数据采集困难,使用成本高昂;而列车的振动信号数据则更容易采集,利用振动信号来反演轮轨力一直是相关研究的热点和重点.但常见的轮轨力反演方法大多基于模型驱动,识别精度低,且辨析条件较为苛刻,难以真正应用于工程实践.结合振动信号和轮轨力的数据特性,提出一种数据驱动的轮轨力反演模型.经过实验验证,在直线轨道工况下,相关系数可达0.9911,而目前传统模型最好结果仅为0.82;在传统模型较难处理的曲线轨道工况下,相关系数也能达到0.9754,与动力学仿真结果高度拟合,为列车轮轨力的安全监测提供了一种新的方案.

关键词：轮轨力反演、数据驱动、深度学习、振动信号

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;四川省科技计划

在线出版日期：2021-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：299-308