CN108592853A - 轨道板拱起位置辨识方法、装置、存储介质及设备 - Google Patents

轨道板拱起位置辨识方法、装置、存储介质及设备 Download PDF

Info

Publication number
CN108592853A
CN108592853A CN201810310406.8A CN201810310406A CN108592853A CN 108592853 A CN108592853 A CN 108592853A CN 201810310406 A CN201810310406 A CN 201810310406A CN 108592853 A CN108592853 A CN 108592853A
Authority
CN
China
Prior art keywords
data
track plates
detection
mileage
upward
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810310406.8A
Other languages
English (en)
Other versions
CN108592853B (zh
Inventor
杨飞
靳海涛
代春平
尤明熙
黎国清
田新宇
陶凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Academy of Railway Sciences Corp Ltd CARS
Infrastructure Inspection Institute of CARS
Beijing IMAP Technology Co Ltd
Original Assignee
China Academy of Railway Sciences Corp Ltd CARS
Infrastructure Inspection Institute of CARS
Beijing IMAP Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Academy of Railway Sciences Corp Ltd CARS, Infrastructure Inspection Institute of CARS, Beijing IMAP Technology Co Ltd filed Critical China Academy of Railway Sciences Corp Ltd CARS
Priority to CN201810310406.8A priority Critical patent/CN108592853B/zh
Publication of CN108592853A publication Critical patent/CN108592853A/zh
Application granted granted Critical
Publication of CN108592853B publication Critical patent/CN108592853B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/30—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring roughness or irregularity of surfaces

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Machines For Laying And Maintaining Railways (AREA)

Abstract

本发明提供了一种轨道板拱起位置辨识方法、装置、存储介质及设备，该方法包括：获取无砟轨道的高低不平顺的检测数据；根据设定条件，从检测数据中识别高低不平顺且具有轨道板拱起特征的变化数据；根据识别的数据确定无砟轨道中轨道板的拱起位置。本发明能够快速有效识别轨道板的拱起位置。

Description

轨道板拱起位置辨识方法、装置、存储介质及设备
技术领域
本发明涉及铁路轨道技术领域，尤其涉及一种轨道板拱起位置辨识方法、装置、存储介质及设备。
背景技术
无砟轨道具有高平顺性、高耐久性以及养护维修工作量小等优点。无砟轨道型式主要有单元板式、纵连板式及双块式等，对应的系列有CRTSⅠ型板式、CRTSⅡ型板式、双块式无砟轨道以及CRTSⅢ型板式等。
CRTSⅡ型板式无砟轨道最早应用于京津城际和京沪高铁等线路，其结构特点是单元板端部通过纵连钢筋连接，并在板缝处浇筑C55混凝土，使单元板变纵连板，使结构整体性加强，从而保证线路良好的平顺性。然而，我国幅员辽阔，京沪高速铁路纵跨南北，沿线的线路环境差异较大，在夏季京沪沿线高温天气多发，温度在轨道结构内积存，持续高温天气轨道结构内温度得不到释放，再加上纵连的结构特性，使轨道结构内部产生很大的温度力，这些温度力无法完全释放因此使轨道结构局部出现拱起，当结构受力较大时会使轨道板与砂浆层分离开裂产生离缝，轨道板端部还会将宽窄接缝拉开，产生板端离缝甚至将局部宽窄接缝挤碎。因此，在线路的养护维修过程中应重点关注轨道板上拱区域，并采取有效措施及时抑制上拱病害的影响范围的扩大，保证行车安全和线路的稳定性。
从我国近几年板式无砟轨道的养护维修情况来看，CRTSⅡ型板式无砟轨道个别区段在高温季节出现轨道板拱起、离缝等现象。对温度引起的无砟轨道结构变形的研究发现：轨道板上热下冷产生正温度梯度，单元板式无砟轨道引起轨道板中心椭圆形区域上拱，纵连板式无砟轨道引起轨道板中部长条状上拱；轨道板上冷下热产生负温度梯度，单元板式无砟轨道轨道板四角上翘，纵连板式无砟轨道轨道板板边上扬(CRTSⅡ型板式无砟轨道结构早期温度场特征研究[J].中国铁道科学,2014,01:1-6；高速铁路无砟轨道结构的设计理论研究[D].北京:铁道部科学研究院,2007；单元板式无砟轨道结构轨道板温度翘曲变形研究[J].中国铁道科学,2010,03:9-14；温度对板式无砟轨道结构的影响研究[J].铁道工程学报,2008,05:30-32+45；温度作用下CRTSII型无砟轨道结构体系的性能分析[D].中南大学,2012；路基上CRTSⅢ型板式无砟轨道设计方案比较分析[J].同济大学学报(自然科学版),2013,06:848-855)。
虽然受温度影响产生的轨道板上拱或四角上翘对上部钢轨的轨道几何不平顺影响较小，但是其会引起的轨道结构的伤损及失稳，在列车反复荷载的作用下，结构进一步恶化，会逐渐产生较大的轨道几何不平顺，从而直接影响乘车的舒适度甚至威胁行车安全。如果由人工进行上拱等病害排查，即使长度最短的无砟轨道，上行和下行排查一遍也需要耗费大量的人力和时间，况且无砟轨道线路短则几十公里，长则几千公里，并且人工排查并不能保证面面俱到。影响轨道不平顺的因素有很多，对于板式无砟轨道，轨道板温度变形也是引起轨道不平顺的重要原因。
国内外经验都表明，轨道不平顺会直接影响列车运行的安全性和平稳性。这促使我国轨道质量检测技术迅速发展，高速铁路轨道检测***不断完善，检测质量和检测精确度不断提高，形成一套完整的检测技术、检测质量评判体系以及检测数据处理方法(轨道质量指数及其在高铁动态验收中的应用[J].铁道工程学报，2016,33(11)：41-45；GJ-6型轨道检测***的设计与研制[J].铁道建筑,2012,(02):97-100；轨道检测波形综合展示分析软件的开发与应用[J].铁道建筑,2011,(07):144-146；提速线路轨道不平顺质量指数TQI管理建议值及管理办法的研究[R].北京：中国铁道科学研究院，2008；轨道质量状态评价方法[J].铁路技术创新，2012(1)：106-108；轨道周期性几何不平顺诊断和评价方法[J].铁道建筑，2016,(7)：1-5；高速铁路轨道不平顺预设试验最大幅值的研究[J].铁道建筑，2011,(7)：112-114)。目前，综合检测列车已覆盖我国高速铁路网，可实现每月两次对线路轨道质量的检查，并得到了大量的轨道检测数据。
夏季高温天气持续，轨道结构内积聚较高的温度，轨道结构内部产生较大的温度应力。单元板式无砟轨道板受正温度梯度的影响产生上拱变形，纵连板式无砟轨道因轨道结构纵连温度力难以释放而引起局部轨道板上拱，甚至结构部件开裂产生离缝。为保证运营安全，每年夏季相关铁路局都会组织工务人员进行线路检查，检测方式主要依靠现场人工视觉检查，检查辅助工具主要有测量离缝深度的塞尺、测量离缝长度的钢卷尺等。当轨道板拱起产生离缝时才能被肉眼识别，效率十分低下，若保证检查线路长度通常很难保证检查质量，若保证检查质量很难保证检查线路长度。
当轨道板拱起产生离缝影响到轨道不平顺时，可以利用综合检测列车间接发现，但由于轨道板拱起引起的轨道不平顺存在幅值小、变化小、影响范围小等特点，远达不到我国高铁的日常保养标准，不易定量评判。此外，由于轮对累积误差、速度标定误差、人工置点误差等带来的里程误差，也使得检测效果不易定点评判。
发明内容
本发明实施例提供一种轨道板拱起位置辨识方法、装置、存储介质及设备，以快速有效地识别无砟轨道的上拱离缝等病害位置。
本发明实施例提供一种轨道板拱起位置辨识方法，包括：获取无砟轨道的高低不平顺的检测数据；根据设定条件，从检测数据中识别高低不平顺且具有轨道板拱起特征的变化数据；根据识别的数据确定无砟轨道中轨道板的拱起位置。
一个实施例中，获取无砟轨道的高低不平顺的检测数据，包括：获取经过多次检测无砟轨道高低不平顺得到的多组初始数据；根据不同两次检测所得初始数据的相似度对初始数据进行里程校准，得到检测数据。
一个实施例中，根据不同两次检测所得初始数据的相似度对初始数据进行里程校准，得到检测数据，包括：利用无砟轨道的台账信息对各组初始数据进行里程校核，得到多组第一数据；以其中一组第一数据为基准，利用最小距离法和最大相似系数法对其余组第一数据进行里程修正，得到检测数据。
一个实施例中，根据设定条件，从检测数据中识别高低不平顺且具有轨道板拱起特征的变化数据之前，还包括：对检测数据进行剔除异常数据处理和/或滑动平均处理。
一个实施例中，所述设定条件包括：设定检测时期、设定幅值变化阈值、设定幅值连续增大次数阈值、设定最大幅值阈值、设定最大幅值与最小幅值之差阈值、设定滑动阶梯最大差值阈值及设定线性拟合斜率阈值中的一个或多个。
一个实施例中，根据识别的数据确定无砟轨道中轨道板的拱起位置，包括：将识别的数据中的里程位置确定为轨道板的拱起位置；或者，将识别的数据按设定距离位置合并后得到合并数据，并将合并数据中的里程位置确定为轨道板的拱起位置。
本发明实施例还提供一种轨道板拱起位置辨识装置，包括：检测数据获取单元，用于获取无砟轨道的高低不平顺的检测数据；特征数据识别单元，用于根据设定条件，从检测数据中识别高低不平顺且具有轨道板拱起特征的变化数据；拱起位置确定单元，用于根据识别的数据确定无砟轨道中轨道板的拱起位置。
一个实施例中，检测数据获取单元，包括：初始数据获取模块，用于：获取经过多次检测无砟轨道高低不平顺得到的多组初始数据；数据校准模块，用于：根据不同两次检测所得初始数据的相似度对初始数据进行里程校准，得到检测数据。
一个实施例中，数据校准模块，包括：第一校准模块，用于：利用无砟轨道的台账信息对各组初始数据进行里程校核，得到多组第一数据；第二校准模块，用于：以其中一组第一数据为基准，利用最小距离法和最大相似系数法对其余组第一数据进行里程修正，得到检测数据。
一个实施例中，还包括：数据预处理模块，用于：对检测数据进行剔除异常数据处理和/或滑动平均处理。
一个实施例中，特征数据识别单元，还用于执行：所述设定条件包括：设定检测时期、设定幅值变化阈值、设定幅值连续增大次数阈值、设定最大幅值阈值、设定最大幅值与最小幅值之差阈值、设定滑动阶梯最大差值阈值及设定线性拟合斜率阈值中的一个或多个。
一个实施例中，拱起位置确定单元，包括：拱起位置确定模块，用于：将识别的数据中的里程位置确定为轨道板的拱起位置；或者，将识别的数据按设定距离位置合并后得到合并数据，并将合并数据中的里程位置确定为轨道板的拱起位置。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述各实施例所述方法的步骤。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述各实施例所述方法的步骤。
本发明实施例，应用无砟轨道检测数据识别具有高低不平顺幅值连续增大特征的数据，进而确定轨道板拱起位置，对轨道板上拱离缝部位进行识别判断和分析，可快速有效地识别无砟轨道的上拱离缝等病害位置，从而可以减少人力成本并节约大量天窗时间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1是本发明实施例的轨道板拱起位置辨识方法的流程示意图；
图2是本发明一实施例中获取无砟轨道的高低不平顺的检测数据方法的流程示意图；
图3是本发明一实施例中根据不同两次检测所得初始数据的相似度对初始数据进行里程校准得到检测数据的方法流程示意图；
图4是本发明一实施例中超高通道的基准存在差异的曲线示意图；
图5是本发明另一实施例的轨道板拱起位置辨识方法的流程示意图；
图6是本发明一实施例中疑似上拱区段的识别流程图；
图7是本发明一实施例的轨道板拱起位置识别方法的流程示意图；
图8是根据本发明实施例中方法进行异常值剔除和滑动平均后的数据波形图；
图9是本发明实施例中轨道板离缝位置处的高低波形对比图；
图10是本发明实施例中轨道板离缝位置处高低幅值随检测日期变化趋势图；
图11是本发明一实施例中里程自动校准方法的流程示意图；
图12是利用本发明一实施例中的修正方法修正的波形示意图；
图13是本发明实施例中现场复核轨道板离缝图；
图14是本发明实施例中K73+663、K74+751、K75+261处高低变化图；
图15是本发明实施例中K74+57、K75+352、K75+530处高低变化图；
图16是本发明实施例中K76+824、K77+475、K77+904处高低变化图；
图17是本发明实施例中K78+506、K78+753、K78+928处高低变化图；
图18是本发明实施例的轨道板拱起位置识别框架示意图；
图19是本发明一实施例的轨道板拱起位置辨识装置的结构示意图；
图20是本发明一实施例中检测数据获取单元的结构示意图；
图21是本发明一实施例中数据校准模块的结构示意图；
图22是本发明另一实施例的轨道板拱起位置辨识装置的结构示意图；
图23是本发明一实施例的计算机设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
为了快速有效地识别无砟轨道的上拱离缝等病害位置，本发明实施例提供了一种轨道板拱起位置辨识方法。图1是本发明实施例的轨道板拱起位置辨识方法的流程示意图。如图1所示，本发明实施例的轨道板拱起位置辨识方法，可包括：
步骤S110：获取无砟轨道的高低不平顺的检测数据；
步骤S120：根据设定条件，从检测数据中识别高低不平顺且具有轨道板拱起特征的变化数据；
步骤S130：根据识别的数据确定无砟轨道中轨道板的拱起位置。
上述步骤S110中，检测数据可以是关于无砟轨道上检测点的高低不平顺幅值的数据。在不同日期对无砟轨道进行检测，可以得到多组数据。检测数据可以包括多组数据。上述步骤S120中，轨道板拱起主要影响轨面的高低不平顺，发明人发现在特定高温时期，不同日期在同一轨道板拱起位置检测到的高低不平顺幅值可呈现连续增大的特征(高低不平顺且具有轨道板拱起特征)，利用该特征可以检测出轨道板拱起位置的数据。该高低不平顺且具有轨道板拱起特征的变化数据可以指疑似上拱区段的数据。
本实施例，应用无砟轨道检测数据识别高低不平顺具有轨道板拱起特征的变化数据，进而确定轨道板拱起位置，对轨道板上拱离缝部位进行识别判断和分析，可快速有效地识别无砟轨道的上拱离缝等病害位置，从而可以减少人力成本并节约大量天窗时间。
图2是本发明一实施例中获取无砟轨道的高低不平顺的检测数据方法的流程示意图。如图2所示，在上述步骤S110中，获取无砟轨道的高低不平顺的检测数据的方法，可包括：
步骤S111：获取经过多次检测无砟轨道高低不平顺得到的多组初始数据；
步骤S112：根据不同两次检测所得初始数据的相似度对初始数据进行里程校准，得到检测数据。
在上述步骤S111中，可以在不同日期检测无砟轨道，例如，在5月至8月，每月检测两次无砟轨道，可以得到8组初始数据。
在上述步骤S112中，无砟轨道的轨道几何状态比较稳定，大部分区段的检测数据差异不大，因此，可以根据两次检测数据的相似度进行里程的校准。例如可采用最小距离法和最大相似系数法进行里程校准。
本实施例中，通过对初始数据进行里程校准，可以使得高低不平顺幅值和里程位置更好地对齐，从而有助于更准确地识别轨道板拱起位置。
图3是本发明一实施例中根据不同两次检测所得初始数据的相似度对初始数据进行里程校准得到检测数据的方法流程示意图。如图3所示，在上述步骤S112中，根据不同两次检测所得初始数据的相似度对初始数据进行里程校准，得到检测数据的方法，可包括：
步骤S1121：利用无砟轨道的台账信息对各组初始数据进行里程校核，得到多组第一数据；
步骤S1122：以其中一组第一数据为基准，利用最小距离法和最大相似系数法对其余组第一数据进行里程修正，得到检测数据。
在上述步骤S1121中，无砟轨道的台账信息可以包括地面、桥梁等的特征信息，例如桥梁头尾位置。利用台账信息进行里程校核，可以在很大程度上使得高低不平顺幅值数据与里程位置对齐。在上述步骤S1122中，利用最小距离法和最大相似系数法可以对检测的数据作更精准地对齐。
实施例中，步骤S1122的具体实施方式可如下所述：
(1)台账数据整理：
①读取台账数据，对其进行清理。台账数据一般含有字符、空值、重复、缺失等问题，通过自动化程序对齐进行验证与补充，确保数据的唯一性与有效性。对应到具体字段，根据业务规则进行判断其是否符合常理，确保其准确度。
②根据设备信息生成规范的详细设备数据。台账数据具有唯一性、客观性，将曲线台账、长短链台账等信息转化为详细的里程数据，对检测数据的提供初始的参照信息。
(2)里程初调：
①统计台账的典型特征，包括曲线的超高、直缓点里程、缓圆点里程、曲线数目、缓和曲线对应波形图的斜率，结合特征进行模式匹配，对检测数据和台账数据进行双向匹配，确保达到准确的对应关系。
②如图4所示，超高通道的基准存在差异，应对每次检测数据的超高通道进行数据标准化，确保其均值为0，可以有效的提高匹配准确率。
③考虑到轮径不一造成采样间隔不一致的问题，在关键设备对应的过程中，在指定误差范围内寻求最佳的对应关系，降低轮径问题导致的里程误差。
④对波形数据的里程进行初步调整，确保其和关键台账信息一致，对长短链数据进行额外的剔除或里程修正。
⑤头尾数据处理：对头尾如K1+750m～K2+000和K3+000～K3+250m数据，结合台账信息进行拼接，确保里程连贯性。
⑥待里程校正完成后，对里程标签通道的里程信息和校正完成后的里程信息进行对比，判断其误差分布是否符合均匀分布，若其符合，改用里程标签通道的里程信息进行里程初调。
实施例中，步骤S1122的具体实施方式可以是，以其中一组第一数据为基准，利用最小距离法和最大相似系数法对其余组第一数据按设定里程分段进行里程修正，得到至少两组第二数据。本实施例中，通过按设定里程分段进行里程修正，可以针对不同轮径的区段分别进行修正，从而可以做到更准确地对齐。
一个实施例中，最小距离法可如下所述：
第i次检测数据和第j次检测数据之间的闵可夫斯基距离定义为：
公式(1)中：p为计算点数，例如大于1000点；
xik和xjk+n分别为第i次检测数据第k个点的数值和第j次检测数据第k+n个点的数值；
n为移动的点数；
q为整数，当q＝1时，闵可夫斯基距离dij(q,n)称为绝对值距离；当q＝2时，闵可夫斯基距离dij(q,n)称为欧氏距离；当q→∞时，闵可夫斯基距离dij(q,n)称为切比雪夫距离。
通过改变不同的n值，可以得到不同的dij值，按照以下公式：
ntarget＝arg min(dij(2,n)) (2)
可以确定需要移动的点数ntarget。
一个实施例中，最大相似系数法可如下所述：
两次检测数据之间的相关系数定义为：
式中：xi和yi+n为两次不同时期的轨道几何检测数据；
p为计算点数，建议大于1000点；
n为移动的点数；
为选取区段的平均值；
r为相关系数。
通过改变不同的n值，可以得到不同的r值，按照以下公式：
ntarget＝arg max(rij(n)) (4)
可以确定需要移动的点数ntarget。
具体实施中，从dij(q,n)、r(n)、线路质量评级(先验指标)三个方面来寻求最佳的调整位置，确保调整的可靠性。本实施例中结合大量的典型数据特征，运用二次多项式回归或基于规则的方法判断调整方式的可靠性。
图5是本发明另一实施例的轨道板拱起位置辨识方法的流程示意图。如图5所示，图1所示的轨道板拱起位置辨识方法，在步骤S120之前，即根据设定条件，从检测数据中识别高低不平顺且具有轨道板拱起特征的变化数据之前，还可包括：
步骤S140：对检测数据进行剔除异常数据处理和/或滑动平均处理。
本实施例中：
(1)对异常数据进行自动剔除。采用的方法可为：若两点之间的变化率大于15‰，且连续出现该序列，则清空值；若两点之间的变化率大于3‰，且序列长度为2，则用前后5个点的平均值代替；若两个点的变化率分别大于3‰，且其值为相反数，且两点之间的序列呈极度平稳状态，且点数不超过10，则认为是异常值，并清空；若出现连续增大的序列a，以及连续减小的序列b，且之间的a尾和b头的间隔点数小于4，且a和b的序列长度小于等于3，且a和b的序列变化值至少有一次大于3‰，则认为是异常值并清空。
(2)对检测数据进行滑动平均处理。为消除检测数据的波动性，一般采用4～6点进行滑动平均。
步骤S120中，疑似上拱区段的识别流程概括如下(如图6所示)：
(1)变化分析
微小变化识别实现多次检测数据相对一次检测数据变化量的计算，同时对任意通道(一般为左高低或右高低)，如果有任一次检测、某个里程的变化超过指定阈值，将记录该里程历史上所有的峰值以及相对基准数据的变化值。并结合变化值、变化速率、重复次数(即有多少次检测数据的变化量超过阈值)对该里程的病害风险计算置信度并进行分级。
对新的检测数据计算完微小变化之后，该成果与上次的结果进行合并，并且标注哪几次的检测数据的变化量超过阈值，同时计算风险等级置信度。
(2)趋势分析
用于发现高低不平顺幅值连续增大特征的区段，根据一系列条件进行判别，实施例中，所述设定条件可包括：检测时期、幅值变化值、幅值连续增大次数、最大幅值、峰值标准差、偏度、峰度、最大幅值与最小幅值之差、滑动阶梯最大差值及线性拟合斜率。
需根据积累的经验规则，对上述条件做初步过滤，从而减小数据计算量，并剔除一部分干扰。例如，设定检测时期、设定幅值变化阈值、设定幅值连续增大次数阈值、设定最大幅值阈值、设定最大幅值与最小幅值之差阈值、设定滑动阶梯最大差值阈值及设定线性拟合斜率阈值，可以分别设置为5-8月、0.5mm、3次、0.8mm、0.7mm、1.2及0.0069。
实施例中，识别过程可以满足如下情况中的一个或多个：
数据检测时期在设定检测时期内；
对于同一检测位置/检测点，相邻两次检测无砟轨道的数据中高低不平顺幅值变化大于或等于设定幅值变化阈值；
对于同一检测位置/检测点，多次检测无砟轨道的数据中高低不平顺幅值连续增大次数大于或等于设定幅值连续增大次数阈值；
对于同一检测位置/检测点，多次检测无砟轨道的数据中高低不平顺幅值中的最大值大于或等于设定最大幅值阈值；
对于同一检测位置/检测点，多次检测无砟轨道的数据中高低不平顺幅值中的最大值和最小值之差大于或等于设定最大幅值与最小幅值之差阈值；
对于同一检测位置/检测点，多次检测无砟轨道的数据中高低不平顺幅值的滑动阶梯最大差值大于或等于设定滑动阶梯最大差值阈值，该值计算公式如下：
y＝max(f1-f0)
式中：y代表目标值，f1代表除第一个值以后的序列，f0代表除最后一个值以后的序列。
对于同一检测位置/检测点，多次检测无砟轨道的数据中高低不平顺幅值的线性拟合斜率大于或等于设定线性拟合斜率阈值。
实施例中，可以对同一检测位置的多次检测数据进行线性拟合，得到直线的斜率。例如可以利用回归的方法。
对于任意峰值，需满足如下公式：
y(i)＝θTx(i)+ε(i)
式中：y(i)代表任意一次检测的峰值，x(i)代表对应检测的日期，θT表示待求参数向量的转置，ε(i)表示该次检测值的残差。
假设ε(i)独立同分布，服从均值为0(可通过变换后满足)，方差为某定值σ2的高斯分布。
公式(5)中，p表示该残差的概率。
公式(5)等同于：
公式(6)中，p、x、θ、θT分别表示该残差的概率、对应检测的日期、待求参数向量、待求参数向量的转置。
对样本发生的联合概率求似然函数并取对数后得到：
公式(8)中，L、m分别表示似然函数、样本数。
因而转化为使目标函数J(θ)最小，其中：
由于向量的转置乘以向量等于向量中所有元素的平方和，故：
式中：X代表行为不同样本，列为1和不同特征变量组成的矩阵，θ代表参数向量，y表示所有检测峰值的向量的转置。
对公式(9)进行求导得到：
令公式(10)为0，得到：
θ＝(XTX)-1XTy (11)
为防止过拟合，加惩罚项：
θ＝(XTX+ωI)-1XTy (12)
公式(12)中，上标T表示转置，ω表示惩罚因子，I表示单位阵。
对应的目标函数为：
式中：m代表样本个数，n代表特征个数加1。
通过随机梯度下降的方式求θ更为高效，需先求偏导：
公式(14)中，θj表示第j个待求参数，hθ(x)表示某一样本的估计值，xj表示某一样本第j个特征的值。
对其逆梯度方向进行累加求和即可逼近其真实参数。
按上述方法进行特征提取与过滤之后，为不同特征赋予不同的权值，从而对每一条数据进行置信度评分。
针对每次检测数据，计算关键特征数据并存储，每次计算新的检测数据时，更新该增量数据用以提高计算效率。
具体的特征数据包括：历次检测数据的峰峰值、最大值变化量、峰峰值与最近半峰值的距离。
(3)频谱分析
基于变化分析的结果和趋势分析的结果，分别做频谱分析，分析流程如下：
①对峰值变化或有上升趋势的里程，选定两次检测数据，分别将其附近26米波形做降采样或升采样，使离散数据点个数保持一致。
②分别对两次波形做快速傅里叶变换，找出计算结果的模的峰值点。
③对轨道板上拱而言，关注频域的上下限分别是4.5和7.5，据此找到相应的频段，确认相应频段内有峰值。
④如果上一步中判定有峰值，且最大峰值差值大于阈值，则输出该里程的左右高低峰值，将其最大峰值作为置信度，进行结果的排序。
(4)综合分析
基于变化分析、短期趋势分析、频谱分析算法、天气数据、历史维修数据，综合评估二型板拱起的风险，分为高、中、低三个风险等级；将搭载式高低数据的分析成果与基于综合检测车检测数据的分析成果融合，每日更新拱起风险。具体包括下述流程：
特征提取：提取发展趋势的斜率、截距、历次检测数据、均值、最值、方差、滑动变化量、最新变化量、谱分析权重、现场发现时间和维修时间等。
数据合并：按照里程合并不同来源数据，合并左右高低数据，区段型数据合并时计算其最近的差异距离、发现日期与检测日期的差值等指标。
区段剔除：将未对齐区段的数据剔除，避免影响后续的判别。
数据归一化：结合业务特点进行噪声平滑处理、非线性归一化、分位数归一化。
PU数据处理：运用标签传播算法等方法处理PU(正例不足)问题。
算法训练：结合现场检测数据修正拱起风险，基于泛化能力和调参灵活性，暂定使用GBDT进行处理。
模型融合：以综合检测车检测数据的分析成果作为基准，采用“级联”的方式融合搭载式数据的分析成果，从而发布更为及时的分析成果。
其中，气象数据和历史维修数据作为调参因子，以指定权重进行风险评分的修正，从而提高拱起判别的准确性。
实施例中，上述步骤S140中，根据识别的数据确定无砟轨道中轨道板的拱起位置的方法，具体实施方式可以是：将识别的数据中的里程位置确定为轨道板的拱起位置；或者，将识别的数据按设定距离位置合并后得到合并数据，并将合并数据中的里程位置确定为轨道板的拱起位置。例如，可以通过对设定距离内的数据的里程位置取平均作为合并后数据的里程位置，即识别位置。具体地，例如，将识别结果20m以内的位置合并为1处。本实施例中，通过合并可以大大减少识别得到的数据量，以此提高识别效率，而且因轨道板拱起引起的高低变化往往是一个范围，所以合并的同时不会降低轨道板拱起位置识别的准确性。
由于每次检测数据产生后，都会重新运行算法，新旧计算结果的合并策略如下：
对新的检测数据分析完成之后，该成果与上次的计算结果进行合并，并且标注哪几次的检测数据的变化量超过阈值，同时计算风险等级置信度。
数据结果分为四类，分别为【已关注】、【本次发现】、【历史遗留】、【已删除】，四类数据的里程点没有交集。
数据字段包括里程区间、基准峰值、历次峰值、历次变化值、重复次数、置信度评分、风险等级等。
【关注】类别的数据中，包括用户关注的里程点，例如计划维修但无法立即维修的里程，同时可查看维修后的效果。
【本次发现】类别的数据中，包括最新一次检测数据分析的结果(曾经可能也发现过)，该类别可通过软件***实现修改，即对指定的记录进行【关注】、【删除(误判)】、【删除(已修复)】等操作。
【历史遗留】类别的数据中，包括本次未发现但曾经发现的问题。该类别可通过软件***实现修改，即可对指定的记录进行【关注】、【删除(误判)】、【删除(已修复)】等操作。
【已删除】类别的数据中，包括用户曾经不再关注的里程点，并查看该里程点每次检测数据变化分析的成果。该类别可通过软件***实现修改，用户可修改指定疑似病害的状态，修改为【关注】或【取消删除】。
图7是本发明一实施例的轨道板拱起位置识别方法的流程示意图。如图7所示，轨道板拱起位置识别方法，可包括：
步骤S201：利用里程校准方法对原始的检测波形文件进行里程自动校准。
步骤S202：对异常数据进行自动剔除。例如，采用的方法为若两点之间的变化率大于3‰，则用前5个点的平均值代替。
步骤S203：对检测数据进行滑动平均处理。以此，可以消除检测数据的波动性，例如，采用4～6点进行滑动平均。
步骤S204：设置特定的分析时期。例如，为5～8月；
步骤S205：设定变化阙值。以此可以考虑到检测***的准确度，提高识别的准确性，例如，变化阈值大于0.5mm；
步骤S206：设定连续增大的次数。例如，一般为3次及以上。设置最大值阈值，例如，最大值需大于0.8。设置最大值与最小值之差阈值，最大值与最小值之差需大于0.7。设置滑动阶梯最大差值阈值，例如，滑动阶梯最大差值需大于1.2。设置斜率阈值，例如，斜率需大于0.0069。斜率可通过线性拟合所得直线的斜率得到，可采用最小二乘法进行拟合。
步骤S207：将识别结果按设定区段合并。鉴于轨道板拱起引起的高低变化往往是一个范围，因此，例如，将识别结果20m以内的位置合并为1处。
图8是根据本发明实施例中方法进行异常值剔除和滑动平均后的数据波形图。如图8所示，对原始数据进行异常值剔除和滑动平均后，所得修正数据更平滑。
本发明各实施例中，发明人之所以能够想到利用高低不平顺幅值连续增大特征识别轨道板拱起位置，是经过创造性劳动的过程后发现的。具体发现过程如下：
通过在高温季节加密人工检查发现轨道板拱起。例如，有些养护维修单位规定每两天检查一遍。南方某高铁I通过人工检查方式在K81、K134发现几处轨道板拱起处所，如表1所示。
表1南方某高铁I人工检查出的轨道板离缝位置
高速铁路轨道几何状态主要通过综合检测列车来检测，例如，执行每月两次的检测周期。轨道板拱起主要影响轨面的高低不平顺，对以上位置进行不同时段的高低不平顺分析，结果如图9和图10所示。图9是本发明实施例中轨道板离缝位置处的高低波形对比图，显示4月19日、6月13日及8月06日的检测高低不平顺幅值的波形图。图10是本发明实施例中轨道板离缝位置处高低幅值随检测日期变化趋势图。从表1和图9框出部分的曲线可以看出，沿着线路纵向方向，部分轨道板离缝位置处高低波形相对于其它位置有明显变化，但高低幅值很小。最大时仅为2.7mm，远小于我国的日常养护标准5mm，易被养护维修人员忽略。通过图10可以看出，K81+742，K81+770，K134三处(对应图中的81.75km、81.77km、81.80km、134.00km的曲线)轨道板离缝位置处的高低幅值在6月至8月期间有明显的连续增大趋势，最大改变量可达到1mm以上。而K81+794处轨道板离缝位置处的高低幅值保持稳定变化不大，这主要是因为轨道板离缝的程度较小，还未影响到轨面高低不平顺。因此，对于已影响到轨面不平顺的轨道板离缝位置，可以利用特定高温时期的高低不平顺幅值连续增大特征可以来识别，以提高检查效率。
图11是本发明一实施例中里程自动校准方法的流程示意图。如图11所示，里程自动校准方法可包括：
步骤S301：利用台账信息对初始数据进行里程校核。
步骤S302：每次的自动校准长度仅选取设定里程。
例如设定里程为1.5km，共6000个点。具体例如，K1+750m～K3+250m。
步骤S303：以初次检测的数据为准，其它检测数据利用最小距离分类法或最大相关系数法与初次检测的数据进行里程修正。
步骤S304：去掉头尾数据。
例如，去掉K1+750m～K2+000和K3+000～K3+250m数据，保留K2整公里数据。
步骤S305：对各段校准长度数据依次进行，直到所有数据完成。
通常，轮径不一会造成采样间隔不一致，这样会造成较长的一定区段里实际采样数目不一致，本实施例的自动校准方法可以解决该问题。
图12是利用本发明一实施例中的修正方法修正的波形示意图。如图12所示，从2014年9月、2015年8月及2016年6月的修正波形对比可以看出，即使间隔几年的数据，仍可以做到精准的对齐。
基于以上实施例的识别方法对南方某高铁II上行线路进行识别。设定高低不平顺连续增大的时期为5～8月份，连续增大次数为3次，结果在K73-K79区段中共筛选出24处疑似轨道板拱起位置，识别的里程位置如表2所示。
73.663 75.530 77.188 78.118 78.607
74.057 76.402 77.449 78.221 78.753
74.751 76.597 77.478 78.312 78.823
75.261 76.824 77.903 78.414 78.928
75.352 77.086 78.031 78.506
表2识别的疑似轨道板拱起位置
经过与现场养护维修人员沟通，在7～8月份通过人工检查已发现且纳入轨道板病害问题库的，在K74～K79区段共有5处，详细的病害信息表如下表3所示：
里程 路基/桥梁 曲线/直线 发现日期 问题描述
74.75 桥梁 直线 7月31日 轨道板离缝5mm*1800mm*2540mm
75.58 桥梁 直线 8月16日 轨道板离缝3mm*2000*600
77.9 桥梁 直线 7月31日 轨道板离缝4.5mm*2400mm*2540mm
78.5 桥梁 直线 8月16日 轨道板离缝4mm*2500*50mm
78.75 桥梁 直线 8月16日 轨道板离缝3mm*200*500mm
表3病害库中的轨道板拱起位置
从表2～表3可以知道，病害库中的4处病害位置K74+750、K77+900、K78+500、K78+750都能正确识别，剩余的1处K75+580识别的里程有一定的误差。由于已过高温季节，在1月份对其余处所进行现场复核时，还会发现现场部分处所仍然存在轨道板微小离缝现象，最大离缝值达到1mm，实际离缝值还需要在下一年6～8月份进行再次复核。现场复核轨道板离缝图如图13所示，辨识位置处的高低变化时程曲线图如图14～图17所示。其中，图14是本发明实施例中K73+663、K74+751、K75+261处高低变化图；图15是本发明实施例中K74+57、K75+352、K75+530处高低变化图；图16是本发明实施例中K76+824、K77+475、K77+904处高低变化图；图17是本发明实施例中K78+506、K78+753、K78+928处高低变化图。由图13～图17可知，本发明实施例的方法，能够有效识别轨道板的拱起位置。
因此，具体实施例时，如图18所示，首先按照检测数据里程修正，然后确定轨道结构变形引起的轨道几何变化特征，提出辨识方法，再经过验证流程来进行辨识轨道板位置的分析方法发现轨道板拱起的潜在位置，以此可以指导轨道板的养护维修。
基于与图1所示的轨道板拱起位置辨识方法相同的发明构思，本申请实施例还提供了一种轨道板拱起位置辨识装置，如下面实施例所述。由于该轨道板拱起位置辨识装置解决问题的原理与轨道板拱起位置辨识方法相似，因此该轨道板拱起位置辨识装置的实施可以参见轨道板拱起位置辨识方法的实施，重复之处不再赘述。
图19是本发明一实施例的轨道板拱起位置辨识装置的结构示意图。如图19所示，本发明实施例的轨道板拱起位置辨识装置，可包括：检测数据获取单元410、特征数据识别单元420及拱起位置确定单元430，上述各单元顺序连接。
检测数据获取单元410，用于获取无砟轨道的高低不平顺的检测数据；
特征数据识别单元420，用于根据设定条件，从检测数据中识别高低不平顺且具有轨道板拱起特征的变化数据；
拱起位置确定单元430，用于根据识别的数据确定无砟轨道中轨道板的拱起位置。
图20是本发明一实施例中检测数据获取单元的结构示意图。如图20所示，检测数据获取单元410，可包括：初始数据获取模块411和数据校准模块412，二者相互连接。
初始数据获取模块411，用于：获取经过多次检测无砟轨道高低不平顺得到的多组初始数据；
数据校准模块412，用于：根据不同两次检测所得初始数据的相似度对初始数据进行里程校准，得到检测数据。
图21是本发明一实施例中数据校准模块的结构示意图。如图21所示，数据校准模块412，可包括：第一校准模块4121和第二校准模块4122，二者相互连接。
第一校准模块4121，用于：利用无砟轨道的台账信息对各组初始数据进行里程校核，得到多组第一数据；
第二校准模块4122，用于：以其中一组第一数据为基准，利用最小距离法和最大相似系数法对其余组第一数据进行里程修正，得到检测数据。
图22是本发明另一实施例的轨道板拱起位置辨识装置的结构示意图。如图22所示，图19所示的轨道板拱起位置辨识装置，还可包括：数据预处理模块440，连接于检测数据获取单元410和特征数据识别单元420之间。
数据预处理模块440，用于：对检测数据进行剔除异常数据处理和/或滑动平均处理。
实施例中，特征数据识别单元420，还可用于执行：
所述设定条件包括：设定检测时期、设定幅值变化阈值、设定幅值连续增大次数阈值、设定最大幅值阈值、设定最大幅值与最小幅值之差阈值、设定滑动阶梯最大差值阈值及设定线性拟合斜率阈值中的一个或多个。
实施例中，拱起位置确定单元430，可包括：拱起位置确定模块。
拱起位置确定模块，用于：将识别的数据中的里程位置确定为轨道板的拱起位置；或者，将识别的数据按设定距离位置合并后得到合并数据，并将合并数据中的里程位置确定为轨道板的拱起位置。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述各实施例所述方法的步骤。
本发明实施例还提供一种计算机设备，如图23所示，计算机设备500可包括存储器510、处理器520及存储在存储器上并可在处理器520上运行的计算机程序，所述处理器520执行所述程序时实现上述各实施例所述方法的步骤。
综上所述，本发明实施例的轨道拱起位置识别方法、装置、存储介质及设备，应用无砟轨道检测数据识别具有高低不平顺幅值连续增大特征的数据，进而确定轨道板拱起位置，对轨道板上拱离缝部位进行识别判断和分析，可快速有效地识别无砟轨道的上拱离缝等病害位置，从而可以减少人力成本并节约大量天窗时间。
在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本发明的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (14)

1.一种轨道板拱起位置辨识方法，其特征在于，包括：
获取无砟轨道的高低不平顺的检测数据；
根据设定条件，从检测数据中识别高低不平顺且具有轨道板拱起特征的变化数据；
根据识别的数据确定无砟轨道中轨道板的拱起位置。
2.如权利要求1所述的轨道板拱起位置辨识方法，其特征在于，获取无砟轨道的高低不平顺的检测数据，包括：
获取经过多次检测无砟轨道高低不平顺得到的多组初始数据；
根据不同两次检测所得初始数据的相似度对初始数据进行里程校准，得到检测数据。
3.如权利要求2所述的轨道板拱起位置辨识方法，其特征在于，根据不同两次检测所得初始数据的相似度对初始数据进行里程校准，得到检测数据，包括：
利用无砟轨道的台账信息对各组初始数据进行里程校核，得到多组第一数据；
以其中一组第一数据为基准，利用最小距离法和最大相似系数法对其余组第一数据进行里程修正，得到检测数据。
4.如权利要求2所述的轨道板拱起位置辨识方法，其特征在于，根据设定条件，从检测数据中识别高低不平顺且具有轨道板拱起特征的变化数据之前，还包括：
对检测数据进行剔除异常数据处理和/或滑动平均处理。
5.如权利要求1所述的轨道板拱起位置辨识方法，其特征在于，所述设定条件包括：设定检测时期、设定幅值变化阈值、设定幅值连续增大次数阈值、设定最大幅值阈值、设定最大幅值与最小幅值之差阈值、设定滑动阶梯最大差值阈值及设定线性拟合斜率阈值中的一个或多个。
6.如权利要求1所述的轨道板拱起位置辨识方法，其特征在于，根据识别的数据确定无砟轨道中轨道板的拱起位置，包括：
将识别的数据中的里程位置确定为轨道板的拱起位置；或者，将识别的数据按设定距离位置合并后得到合并数据，并将合并数据中的里程位置确定为轨道板的拱起位置。
7.一种轨道板拱起位置辨识装置，其特征在于，包括：
检测数据获取单元，用于获取无砟轨道的高低不平顺的检测数据；
特征数据识别单元，用于根据设定条件，从检测数据中识别高低不平顺且具有轨道板拱起特征的变化数据；
拱起位置确定单元，用于根据识别的数据确定无砟轨道中轨道板的拱起位置。
8.如权利要求7所述的轨道板拱起位置辨识装置，其特征在于，检测数据获取单元，包括：
初始数据获取模块，用于：获取经过多次检测无砟轨道高低不平顺得到的多组初始数据；
数据校准模块，用于：根据不同两次检测所得初始数据的相似度对初始数据进行里程校准，得到检测数据。
9.如权利要求8所述的轨道板拱起位置辨识装置，其特征在于，数据校准模块，包括：
第一校准模块，用于：利用无砟轨道的台账信息对各组初始数据进行里程校核，得到多组第一数据；
第二校准模块，用于：以其中一组第一数据为基准，利用最小距离法和最大相似系数法对其余组第一数据进行里程修正，得到检测数据。
10.如权利要求8所述的轨道板拱起位置辨识装置，其特征在于，还包括：
数据预处理模块，用于：对检测数据进行剔除异常数据处理和/或滑动平均处理。
11.如权利要求7所述的轨道板拱起位置辨识装置，其特征在于，特征数据识别单元，还用于执行：
所述设定条件包括：设定检测时期、设定幅值变化阈值、设定幅值连续增大次数阈值、设定最大幅值阈值、设定最大幅值与最小幅值之差阈值、设定滑动阶梯最大差值阈值及设定线性拟合斜率阈值中的一个或多个。
12.如权利要求7所述的轨道板拱起位置辨识装置，其特征在于，拱起位置确定单元，包括：
拱起位置确定模块，用于：将识别的数据中的里程位置确定为轨道板的拱起位置；或者，将识别的数据按设定距离位置合并后得到合并数据，并将合并数据中的里程位置确定为轨道板的拱起位置。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至6所述方法的步骤。
14.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至6所述方法的步骤。
CN201810310406.8A 2018-04-09 2018-04-09 轨道板拱起位置辨识方法、装置、存储介质及设备 Active CN108592853B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810310406.8A CN108592853B (zh) 2018-04-09 2018-04-09 轨道板拱起位置辨识方法、装置、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810310406.8A CN108592853B (zh) 2018-04-09 2018-04-09 轨道板拱起位置辨识方法、装置、存储介质及设备

Publications (2)

Publication Number Publication Date
CN108592853A true CN108592853A (zh) 2018-09-28
CN108592853B CN108592853B (zh) 2020-06-19

Family

ID=63621506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810310406.8A Active CN108592853B (zh) 2018-04-09 2018-04-09 轨道板拱起位置辨识方法、装置、存储介质及设备

Country Status (1)

Country Link
CN (1) CN108592853B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109895808A (zh) * 2019-02-26 2019-06-18 武汉武大卓越科技有限责任公司 轨道离缝检测方法及测速***
CN110031248A (zh) * 2019-05-20 2019-07-19 西南交通大学 一种轨道板自动化检测***性能分析和运行精度评定方法
CN110197133A (zh) * 2019-05-13 2019-09-03 中国铁路总公司 将检测波形进行对齐的方法和装置
CN112320520A (zh) * 2020-11-09 2021-02-05 浙江新再灵科技股份有限公司 基于残差分析的电梯异常振动检测方法
CN113111554A (zh) * 2021-04-09 2021-07-13 中国铁道科学研究院集团有限公司铁道建筑研究所 时速80km通行的高速铁路临时架空线路变形指标计算方法
CN113177259A (zh) * 2021-04-14 2021-07-27 西南交通大学 基于极值理论的轨道不平顺峰值超限管理方法
CN113255825A (zh) * 2021-06-16 2021-08-13 中国铁道科学研究院集团有限公司 一种轨道道床病害识别方法及装置
CN114061534A (zh) * 2021-11-01 2022-02-18 中国国家铁路集团有限公司 轨道板变形的检测方法、装置和电子设备
CN114417921A (zh) * 2022-01-05 2022-04-29 中国国家铁路集团有限公司 轨道几何异常数据的识别方法、装置、设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009300398A (ja) * 2008-06-17 2009-12-24 Central Japan Railway Co 軌道狂い検測装置
CN201575794U (zh) * 2009-11-27 2010-09-08 刘洪云 高速铁路轨道长波不平顺精密测量仪
CN107187464A (zh) * 2017-05-18 2017-09-22 武汉汉宁轨道交通技术有限公司 轨道板检测车、***以及方法
CN107314776A (zh) * 2017-06-12 2017-11-03 西南交通大学 一种基于铁路轨道检测数据进行里程校准的方法
CN206954227U (zh) * 2017-05-18 2018-02-02 武汉汉宁轨道交通技术有限公司 轨道板检测车以及***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009300398A (ja) * 2008-06-17 2009-12-24 Central Japan Railway Co 軌道狂い検測装置
CN201575794U (zh) * 2009-11-27 2010-09-08 刘洪云 高速铁路轨道长波不平顺精密测量仪
CN107187464A (zh) * 2017-05-18 2017-09-22 武汉汉宁轨道交通技术有限公司 轨道板检测车、***以及方法
CN206954227U (zh) * 2017-05-18 2018-02-02 武汉汉宁轨道交通技术有限公司 轨道板检测车以及***
CN107314776A (zh) * 2017-06-12 2017-11-03 西南交通大学 一种基于铁路轨道检测数据进行里程校准的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
汤国防: "铁路轨道几何不平顺变化特征及其预测模型研究", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *
黎国清 等: "高速铁路简支梁徐变上拱引起的高低不平顺变化规律及其对行车动力性能的影响", 《中国科学》 *
黎国清 等: "高速铁路简支梁徐变上拱引起的高地不平顺变化规律及其对行车动力性能的影响", 《中国科学》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109895808A (zh) * 2019-02-26 2019-06-18 武汉武大卓越科技有限责任公司 轨道离缝检测方法及测速***
CN109895808B (zh) * 2019-02-26 2020-08-04 武汉武大卓越科技有限责任公司 轨道离缝检测方法及测速***
CN110197133A (zh) * 2019-05-13 2019-09-03 中国铁路总公司 将检测波形进行对齐的方法和装置
CN110197133B (zh) * 2019-05-13 2021-06-25 中国铁路总公司 将检测波形进行对齐的方法和装置
CN110031248A (zh) * 2019-05-20 2019-07-19 西南交通大学 一种轨道板自动化检测***性能分析和运行精度评定方法
CN112320520A (zh) * 2020-11-09 2021-02-05 浙江新再灵科技股份有限公司 基于残差分析的电梯异常振动检测方法
CN113111554A (zh) * 2021-04-09 2021-07-13 中国铁道科学研究院集团有限公司铁道建筑研究所 时速80km通行的高速铁路临时架空线路变形指标计算方法
CN113111554B (zh) * 2021-04-09 2024-03-08 中国铁道科学研究院集团有限公司铁道建筑研究所 时速80km通行的高速铁路临时架空线路变形指标计算方法
CN113177259A (zh) * 2021-04-14 2021-07-27 西南交通大学 基于极值理论的轨道不平顺峰值超限管理方法
CN113255825A (zh) * 2021-06-16 2021-08-13 中国铁道科学研究院集团有限公司 一种轨道道床病害识别方法及装置
CN114061534A (zh) * 2021-11-01 2022-02-18 中国国家铁路集团有限公司 轨道板变形的检测方法、装置和电子设备
CN114417921A (zh) * 2022-01-05 2022-04-29 中国国家铁路集团有限公司 轨道几何异常数据的识别方法、装置、设备和存储介质
CN114417921B (zh) * 2022-01-05 2024-04-30 中国国家铁路集团有限公司 轨道几何异常数据的识别方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN108592853B (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN108592853A (zh) 轨道板拱起位置辨识方法、装置、存储介质及设备
Madanat et al. Estimation of infrastructure transition probabilities from condition rating data
CN110377943B (zh) 一种基于移动荷载试验的桥梁承载能力评估方法
CN110210776B (zh) 一种基于监控量测的隧道施工动态风险评估方法
CN103293014A (zh) 一种桥梁疲劳损伤状态与剩余寿命的评估方法
CN113516258B (zh) 公路养护智能决策分析***
Edara et al. Analytical methods for deriving work zone capacities from field data
CN113191660A (zh) 公路沥青路面养护智能决策方法
Tahir et al. Influence of segmentation approaches on the before-after evaluation of engineering treatments: A hypothetical treatment approach
Mubaraki Identification of pavement distress types and pavement condition evaluation based on network level inspection for Jazan City road network
Singer Endogenous markups, input misallocation and geographical supplier access
CN110254478B (zh) 路基变形病害识别方法及装置
Amador-Jiménez et al. Roads performance modeling and management system from two condition data points: case study of Costa Rica
Hand et al. Development of performance models based on department of transportation pavement management system data
Chang et al. Multistage linear prediction model of track quality index
Hachem et al. Bridge inspection strategies
Duvvuri et al. Identifying road links and variables influencing the applicability of variable speed limits using supervised machine learning and travel time data
MATSUMOTO et al. Modeling an optimal track maintenance schedule in consideration of timing of grinding and tamping
Winurseto et al. Modeling of road performance assessment based on pavement, shoulder, and drainage
Yichang et al. Study of Georgia’s pavement deterioration/life and potential risks of delayed pavement resurfacing and rehabilitation.
CN117351367B (zh) 一种公路养护巡检方法、介质以及设备
Serigos Bayesian estimation of finite mixture roughness model
Spławińska The problem of imputation of the missing data from the continuous counts of road traffic
Rodríguez et al. Probabilistic model for prediction of international roughness index based on Monte Carlo
Soufiane Impact of adjacent support condition on premature crosstie failure

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: No. 2, Da Liu Shu Road, Haidian District, Beijing

Applicant after: China Railway Scientific Research Institute Group Co., Ltd.

Applicant after: Institute of infrastructure inspection, China Railway Research Institute Group Co., Ltd.

Applicant after: Beijing IMAP Technology Co., Ltd.

Address before: No. 2, Da Liu Shu Road, Haidian District, Beijing

Applicant before: China Academy of Railway Sciences

Applicant before: Infrastructure Testing Institute of China Academy of Railway Sciences

Applicant before: Beijing IMAP Technology Co., Ltd.

GR01 Patent grant
GR01 Patent grant