發(fā)布時間：2021-08-27 18:50

　　為準(zhǔn)確描述各種條件下軌道不平順復(fù)雜劣化過程,本文基于最小描述長度準(zhǔn)則,建立一套動態(tài)檢測數(shù)據(jù)驅(qū)動的軌道不平順劣化自適應(yīng)分段建模方法（Minimum-DescriptionLength-Based Rail Track Deterioration Adaptive Segmentation Framework, MDL-RTDAS）,將維修作業(yè)導(dǎo)致軌道狀態(tài)劣化過程突變的識別問題轉(zhuǎn)化為模型選擇問題,并設(shè)計求解算法.根據(jù)昌福高速鐵路下行方向K21+184～K220+308路段近5年的歷史動態(tài)檢測數(shù)據(jù),驗證MDLRTDAS的有效性;從識別準(zhǔn)確度,模型擬合的殘差和容忍檢測數(shù)據(jù)異常干擾方面驗證了MDL-RTDAS優(yōu)于同類模型.結(jié)果表明:在缺乏完整、準(zhǔn)確維修作業(yè)信息的情況下,MDLRTDAS能夠克服檢測數(shù)據(jù)異常的干擾,感知劣化趨勢變化,自動識別出維修作業(yè)造成的軌道不平順劣化趨勢突變,將劣化過程準(zhǔn)確分段;相比于同類模型,MDL-RTDAS能更精確、有效地實現(xiàn)軌道不平順劣化過程的自適應(yīng)分段建模. 

【文章來源】：交通運輸系統(tǒng)工程與信息. 2020,20(05)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

K103+334～K103+534 (位于直線上)

K106+551～K106+751 (位于直線上)

從表4中EMR和ER-SD可得，MDL-RTDAS建立的分段擬合模型殘差的均值更接近于0且離散程度更��；從圖5(a)可得，MDL-RTDAS的識別準(zhǔn)確度高于Auto-PARM；從圖5(b)可得，MDL-RTDAS擬合殘差的平均絕對值低于Auto-PARM；從圖6可得，隨著區(qū)段中異常檢測數(shù)據(jù)的增加，MDL-RTDAS的識別準(zhǔn)確率沒有隨之變大/變小，說明MDL-RTDAS可克服檢測數(shù)據(jù)異常的影響.綜上，MDL-RTDAS更適用于軌道高低不平順劣化自適應(yīng)分段建模，且具有一定的魯棒性.圖6 異常檢測數(shù)據(jù)對MDL-RTDAS識別準(zhǔn)確率的影響

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)灰色-馬爾可夫鏈的軌道不平順發(fā)展預(yù)測方法[J]. 曲建軍,高亮,辛濤,鄭曉莉.  北京交通大學(xué)學(xué)報. 2010(04)



本文編號：3366899