鋼軌磨耗數(shù)據(jù)分析與預測研究.pdf

1、隨著近年來客貨運量的增加和列車運行速度的大幅度提升，線路上鋼軌磨耗程度日益嚴重。軌檢車采集的磨耗數(shù)據(jù)種類多，但單一類型磨耗數(shù)據(jù)其數(shù)據(jù)量較大，正常磨耗數(shù)據(jù)和超限磨耗數(shù)據(jù)混合在一起，缺少相應方法將超限數(shù)據(jù)分離并有效利用。
　　運用有效方法進行數(shù)據(jù)分析將磨耗超限數(shù)據(jù)分離，根據(jù)提取的超限數(shù)據(jù)進行鋼軌磨耗預測，不僅能夠準確掌握鋼軌變化趨勢為指導鋼軌更換或打磨作業(yè)提供科學依據(jù)，并且可以減少經(jīng)濟損失和安全隱患。
　　結(jié)合鐵路局軌檢車采集的

2、檢測數(shù)據(jù)和參考相關區(qū)段磨耗情況，將垂直磨耗、側(cè)面磨耗作為數(shù)據(jù)分析和預測的主要研究對象，分析了鋼軌磨耗主要影響因素，總結(jié)出車速、軌距和軸重等幾個可用數(shù)值表征的影響參數(shù)。利用單類支持向量機進行磨耗數(shù)據(jù)分析，將磨耗超限數(shù)據(jù)進行分離并作為磨耗預測的參照。采用兩種不同方法進行了磨耗預測，根據(jù)總結(jié)的磨耗影響參數(shù)建立磨耗預測的非線性模型，將RBF(RadialBasisFunction，徑向基函數(shù))模糊神經(jīng)網(wǎng)絡運行于鋼軌磨耗預測模型中，并結(jié)合實際數(shù)據(jù)

3、進行了仿真實驗。根據(jù)小波多分辨率分析的特點和組合算法較高的泛化能力與預測精度，將小波分析和粒子群優(yōu)化最小二乘支持向量機組合算法應用于磨耗預測中，利用小波分解技術(shù)將數(shù)據(jù)按照頻率的不同分解成各分量信號，結(jié)合粒子群優(yōu)化最小二乘支持向量機對各分量進行預測，采用小波重構(gòu)技術(shù)得到了完整的預測數(shù)據(jù)，結(jié)合具體線路數(shù)據(jù)進行預測仿真。
　　基于單類支持向量機的數(shù)據(jù)分析仿真結(jié)果表明該方法能夠?qū)崿F(xiàn)數(shù)據(jù)分析，分類速度快并且具有較高的分類精度。對比RBF模糊