基于軸箱振動的軌道不平順估計方法研究.pdf

1、軌道不平順的檢測對于軌道平順狀態(tài)的控制以及行車安全的保障具有十分重要的意義。鐵路交通運輸不斷向著高速、重載和高密度方向發(fā)展，促使輪軌間動力作用顯著提高，軌道狀態(tài)的變化周期縮短，并且導(dǎo)致車輛軌道振動加劇，車輛乘坐舒適度降低，從而對軌道不平順的監(jiān)測與管控提出了更高的要求。目前的軌道不平順檢測技術(shù)具有經(jīng)濟成本高、系統(tǒng)構(gòu)成復(fù)雜、必須占用運營時段以及運用效率低等缺點。因此，迫切需要研究開發(fā)一種低成本、簡捷高效的軌道檢測技術(shù)以適應(yīng)軌道交通整體發(fā)展的

2、趨勢。
　　本文提出的軌道不平順估計研究課題是以動力學(xué)反問題為理論背景，綜合運用信號處理、系統(tǒng)辨識與激勵辨識、車輛動力學(xué)及車載測試技術(shù)相關(guān)理論展開研究，以軸箱振動加速度信號為研究對象，著重從車輪失圓致軸箱振動分量提取與分離、頻域軌道譜的識別和時域軌道不平順估計三個方向進行了深入研究。
　　本文開展的主要研究工作和得出的結(jié)論如下:
　　(1)總結(jié)了國內(nèi)外車載監(jiān)測技術(shù)在軌道不平順估計中的運用和發(fā)展現(xiàn)狀，指出由系統(tǒng)辨識和載荷

3、（激勵）識別構(gòu)成的動力學(xué)反問題是軌道不平順估計的理論基礎(chǔ)，分析了軸箱振動信號與軌道不平順的相關(guān)性，并且建立了車輛軌道動力學(xué)模型。
　　(2)指出了運營車輛車輪失圓存在的客觀性，針對車輪失圓對軸箱振動的影響問題，提出了基于信號原子分解理論和改進匹配追蹤算法的干擾信號提取與分離技術(shù)。首先，對車輪失圓進行了分類并簡要闡述了其產(chǎn)生機理，建立了車輪失圓的數(shù)學(xué)模型;其次，介紹了信號原子分解相關(guān)理論，包括信號的稀疏表示、字典定義及典型原子構(gòu)造等

4、，研究了匹配追蹤算法及其與智能算法結(jié)合的方式。目前的軌道檢車技術(shù)原理中均假設(shè)車輪踏面處于理想的圓順狀態(tài)，但是實際中運營車輛甚至軌道檢測車的檢測輪踏面均存在各種不圓順缺陷。車輪失圓是最常見的車輪踏面缺陷，車輪扁疤和車輪多邊形是最具代表性的失圓形式，車輛動力學(xué)仿真計算結(jié)果表明車輪扁疤引起的振動信號具有周期脈沖衰減特征，而車輪多邊形引起的軸箱振動具有正弦波特征，將信號原子分解理論引入車輪失圓信號的提取和分離中，構(gòu)造出了統(tǒng)一的沖擊衰減原子，利用

5、匹配追蹤算法逐一搜尋信號中存在的沖擊衰減原子或諧波分量，結(jié)合原子參數(shù)、輪徑和車速能有效地判斷故障提取的分量是否來由車輪失圓激發(fā)。為了提高原子全局參數(shù)尋優(yōu)的計算效率，提出了基于粒子群優(yōu)化算法的改進匹配追蹤方法，將搜尋提取到的原子按時序疊加在一起，通過Wigner-Ville分布得到原子疊加的時頻分布圖，從圖中可以清晰地看出車輪擦傷的存在。結(jié)果表明，該方法能有效地提取與分離車輪踏面擦傷引入的沖擊信號，去除周期沖擊信號后的信號能最大程度地表征

6、軌道狀態(tài)，為下一步應(yīng)用提供平穩(wěn)數(shù)據(jù)。
　　(3)提出了基于逆虛擬激勵法的軌道譜識別方法。軌道譜即軌道不平順功率譜，是軌道不平順在頻域（空間域）的表現(xiàn)形式。軌道譜可以從波長和幅值兩方面反映軌道的整體平順狀態(tài)，在軌道的養(yǎng)護中具有廣闊的應(yīng)用前景，傳統(tǒng)的軌道譜獲取方法依賴于軌道檢測車檢測數(shù)據(jù)，限制了其應(yīng)用。論文將隨機振動逆虛擬激勵法應(yīng)用于軌道譜的識別，結(jié)果表明，該方法極大地提高了計算效率，識別精度較高，使得軌道譜易于獲取，為其進一步的推廣

7、應(yīng)用奠定基礎(chǔ)。
　　(4)提出了基于NARX神經(jīng)網(wǎng)絡(luò)的時域軌道不平順估計方法。軌道不平順激勵通過輪軌接觸產(chǎn)生車輛振動響應(yīng)，實際的輪軌接系統(tǒng)具有非線性特征。為了利用車輛響應(yīng)信號估計軌道不平順，首先需要利用系統(tǒng)辨識算法建立車輛響應(yīng)到軌道不平順的逆向系統(tǒng)模型。傳統(tǒng)的線性參數(shù)模型ARX等不能很好的反映相同的非線性本質(zhì)，對系統(tǒng)的辨識能力較差，導(dǎo)致激勵辨識出現(xiàn)較大的誤差。因此，本文提出了基于NARX神經(jīng)網(wǎng)絡(luò)模型的軌道不平順時域估計方法。NAR

8、X模型是在線性ARX模型上的擴展，NARX神經(jīng)網(wǎng)絡(luò)具有多步輸入輸出延遲，能很好地反映系統(tǒng)的動態(tài)特性。輸入輸出階數(shù)作為NARX神經(jīng)網(wǎng)絡(luò)重要的模型參數(shù)，目前仍然沒有標(biāo)準(zhǔn)的確定準(zhǔn)則，本文提出了基于遺傳尋優(yōu)的NARX神經(jīng)網(wǎng)絡(luò)算法，以相對平均誤差為目標(biāo)函數(shù)，以此確定最優(yōu)的輸入輸出階數(shù)組合。為了更好地接近實際，利用多體動力學(xué)軟件ADAMS/rail進行仿真計算，獲取軌道不平順輸入及軸箱振動信號，對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，結(jié)果表明遺傳算法優(yōu)化的NARX神經(jīng)