基于车辆动态响应的轨道不平顺智能感知算法研究

论文摘要

轨道交通是我国最重要的交通运输方式,是国民经济和社会发展的命脉。随着列车运行速度、运载重量和运输密度的大幅度提高,车辆与轨道结构之间的动态相互作用日益增强,导致车辆对线路结构的动力破坏作用也越严重,而线路状态的恶化反过来影响列车运行的安全性和乘坐舒适性,因此及时掌握线路状态对于保证列车运行安全和合理制定维修计划具有重要意义。本文以轨道不平顺为研究对象,结合车辆轨道耦合模型,研究了一种基于车辆振动动态响应的轨道不平顺智能感知算法,能够实现运营列车以不同速度通过线路时轨道不平顺的获取,弥补了轨检车或综合检测车检测周期内轨道不平顺状态无法获知的不足,对于保证行车安全、线路设计、养护维修等具有重要的理论意义和现实意义。论文首先在已有车辆轨道耦合模型的基础上,仿真分析了不同线路(不同轨道不平顺)、不同列车运行速度、不同车辆类型作用下车辆轨道动态振动特性,进一步明确了论文的研究意义,同时为后面轨道几何不平顺的估计提供了仿真数据。为实现利用运营车辆的车辆振动响应感知轨道几何静态不平顺,论文提出了一种基于微种群遗传算法和车辆轨道耦合模型相结合的轨道几何静态不平顺估计算法,将轨道几何静态不平顺看做车辆轨道耦合模型非线性系统的一个参数,进而将轨道不平顺求解转换为模型参数的估计。参数估计准则采用车辆轨道耦合模型与车辆测量模型输出之差平方和最小,利用遗传算法在解空间内直接搜索轨道静态不平顺的最优解。由于车辆轨道耦合模型动力学方程为大型非线性方程组,为缩短计算时间和计算量,论文研究了改进的微种群遗传算法,撇弃了一般微种群遗传算法中的重启步骤,增大了变异概率,在进化过程中使用了最优保留策略,仿真计算结果表明估计的轨道几何静态不平顺在检测误差允许范围内。轨道基础结构缺陷引起的刚度突变是造成轨道刚度不平顺的主要原因,在列车通过时会引起较大的动态不平顺。论文在分析了轨道基础结构缺陷下车辆轨道动态响应的基础上,提出了一种基于支持向量机和车辆振动响应进行轨道刚度突变的识别算法,为了提高轨道刚度不平顺的识别率和分类准确性,在支持向量机的参数选择上,使用了粒子群算法和遗传算法,设计了改进的支持向量机,通过仿真分析表明这两种算法对于提高分类准确率和缩短计算时间都十分有效,在轨道基础结构缺陷的识别中取得了良好效果,同时为构建真实的轨道模型进行轨道动态不平顺估计奠定了基础。由于测量传感器和理论模型都存在误差,为了提高轨道不平顺的估计精度,论文最后提出了一种基于遗传算法和无迹卡尔曼滤波(UKF)技术相嵌套的轨道动态不平顺优化算法。借助车辆轨道耦合模型、测量传感器的已知特性,优化轨道振动响应,提高轨道动态不平顺的估计精度。仿真结果表明,经过GA与UKF嵌套算法后的轨道几何静态不平顺、车辆、轨道振动响应精度都得到了提高,减小了轨道动态不平顺估计误差。论文研究结果实现了根据车辆振动响应估计不同运营列车不同速度通过时的轨道动态不平顺,为实现车对地的检测提供了一种新的解决方案。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 绪论
• 1.1 选题背景和意义
• 1.2 国内外研究现状
• 1.2.1 轨道不平顺检测技术
• 1.2.2 车辆轨道耦合动力学发展及应用
• 1.3 论文主要内容及章节安排
• 2 轨道不平顺及其数值模拟
• 2.1 轨道不平顺分类
• 2.1.1 按激扰方向轨道几何不平顺分类
• 2.1.2 按波长特征轨道不平顺分类
• 2.1.3 静态和动态轨道不平顺
• 2.1.4 轨道刚度不平顺
• 2.2 轨道几何不平顺的随机性描述
• 2.2.1 轨道不平顺的均方值和方差
• 2.2.2 轨道几何不平顺功率谱
• 2.2.3 美国轨道谱
• 2.2.4 德高高速轨道谱
• 2.2.5 中国干线轨道谱
• 2.3 轨道几何不平顺数值模拟
• 2.3.1 功率谱函数空间域向时间域的转换
• 2.3.2 基于IFFT的轨道不平顺数值模拟原理
• 2.3.3 算例仿真
• 2.4 本章小结
• 3 轨道不平顺作用下车辆轨道振动动态响应分析
• 3.1 车辆轨道耦合模型
• 3.1.1 车辆系统振动方程
• 3.1.2 轨道动力学方程
• 3.1.3 车辆轨道耦合关系方程
• 3.2 车辆轨道耦合动力学方程求解
• 3.2.1 中心差分法
• 3.2.2 Newmark隐式积分法
• 3.2.3 基于Newmark的多步预测-校正算法
• 3.2.4 新型预测-校正显式积分法
• 3.2.5 不同直接积分方法的比较
• 3.3 轨道高低不平顺作用下车辆轨道振动响应分析
• 3.3.1 不同线路等级下车辆轨道振动响应分析
• 3.3.2 不同列车运行速度下车辆轨道振动响应分析
• 3.3.3 不同车型的车辆作用下车辆轨道振动响应分析
• 3.4 本章小结
• 4 基于微种群遗传算法和车轨耦合模型的轨道不平顺估计
• 4.1 遗传算法基本理论
• 4.1.1 遗传算法的基本原理
• 4.1.2 遗传算法的主要步骤
• 4.1.3 微种群遗传算法
• 4.2 基于微种群遗传算法的轨道静态不平顺估计原理
• 4.2.1 轨道静态不平顺估计基本原理
• 4.2.2 非线性系统参数估计求解算法
• 4.3 轨道静态不平顺估计
• 4.3.1 基于微种群遗传算法的静态不平顺估计流程
• 4.3.2 静态不平顺估计结果
• 4.4 基于估计的静态不平顺下列车通过时动态不平顺求解
• 4.4.1 车辆轨道振动响应
• 4.4.2 轨道动态不平顺估计
• 4.5 本章小结
• 5 基于支持向量机的轨道刚度参数突变识别算法研究
• 5.1 支持向量机基本理论
• 5.1.1 传统机器学习理论缺陷
• 5.1.2 统计学习理论概述
• 5.1.3 支持向量机分类原理
• 5.2 轨道刚度突变下车辆轨道耦合系统振动响应分析
• 5.2.1 轨下基础结构缺陷的模拟
• 5.2.2 轨枕失效情况下的车辆轨道振动响应分析
• 5.2.3 空吊板情况下的车辆轨道振动响应分析
• 5.3 基于支持向量机的轨道刚度突变辨识算法
• 5.3.1 训练样本的选取
• 5.3.2 核函数的选择
• 5.3.3 支持向量机在轨道刚度突变识别算法中的应用
• 5.4 改进支持向量机在轨道刚度突变识别算法中的应用
• 5.4.1 粒子群优化算法改进支持向量机
• 5.4.2 遗传算法改进支持向量机
• 5.4.3 改进支持向量机效果对比
• 5.4.4 基于轨道刚度突变识别结果的钢轨动态位移估计
• 5.5 本章小结
• 6 基于UKF的轨道动态不平顺估计优化
• 6.1 卡尔曼滤波（KF）算法
• 6.1.1 卡尔曼滤波基本原理
• 6.1.2 线性离散系统卡尔曼滤波算法
• 6.2 无迹卡尔曼滤波算法（UKF算法）
• 6.2.1 非线性系统滤波算法
• 6.2.2 无迹变换（UT）
• 6.2.3 UKF算法设计
• 6.3 状态模型与测量模型
• 6.3.1 车辆轨道耦合系统状态模型的建立
• 6.3.2 传感器测量模型的建立
• 6.4 基于GA与UKF嵌套算法的轨道动态不平顺优化
• 6.4.1 基于UKF算法的车辆轨道耦合系统振动响应优化
• 6.4.2 基于GA与UKF嵌套算法的轨道动态不平顺估计
• 6.5 本章小结
• 7 总结与展望
• 参考文献
• 攻读博士期间参与科研项目与发表论文情况
• 学位论文数据集