CN112012060B - 一种铁路轨道基础装备质量状况预测判断方法 - Google Patents
一种铁路轨道基础装备质量状况预测判断方法 Download PDFInfo
- Publication number
- CN112012060B CN112012060B CN201910451539.1A CN201910451539A CN112012060B CN 112012060 B CN112012060 B CN 112012060B CN 201910451539 A CN201910451539 A CN 201910451539A CN 112012060 B CN112012060 B CN 112012060B
- Authority
- CN
- China
- Prior art keywords
- signal
- railway track
- basic equipment
- quality condition
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000010586 diagram Methods 0.000 claims abstract description 55
- 238000011161 development Methods 0.000 claims abstract description 9
- 238000012937 correction Methods 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000005299 abrasion Methods 0.000 claims description 9
- 238000005260 corrosion Methods 0.000 claims description 9
- 230000007797 corrosion Effects 0.000 claims description 9
- 230000006378 damage Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 238000004901 spalling Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000012935 Averaging Methods 0.000 claims 1
- 238000010606 normalization Methods 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 18
- 238000012544 monitoring process Methods 0.000 abstract description 14
- 230000001133 acceleration Effects 0.000 description 91
- 238000012545 processing Methods 0.000 description 12
- 230000002159 abnormal effect Effects 0.000 description 9
- 238000005336 cracking Methods 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241001669679 Eleotris Species 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01B—PERMANENT WAY; PERMANENT-WAY TOOLS; MACHINES FOR MAKING RAILWAYS OF ALL KINDS
- E01B35/00—Applications of measuring apparatus or devices for track-building purposes
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Machines For Laying And Maintaining Railways (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种铁路轨道基础装备质量状况预测判断方法,在绘制铁路轨道基础装备在工作时信号变化信号图后,并对该信号图进行质量状况区域划分,而后在铁路轨道基础装备上设置若干传感器,实时监测铁路轨道基础装备工作时所产生的信号值,根据历史数据在频域图上的变化趋势,用于预测当前铁路轨道基础装备质量状况的发展趋势,以此实现了对铁路轨道基础装备的实时在线监测和铁路轨道基础装备质量状况的预测判断,具有很高的监测效率,并且节约了大量的人力物力,具有很高的市场推广价值。
Description
技术领域
本发明涉及铁路轨道部件安全监测技术领域,尤其是涉及一种铁路轨道基础装备质量状况预测判断方法。
背景技术
目前,我国铁路轨道以及轨道相关辅助部件,比如道岔、辙叉等等,在长时间的运行和使用过程中会产生磨耗、开裂、腐蚀甚至剥落等安全隐患,对于铁路轨道的运营管理部分,需要经常性地对铁路轨道以及其相关辅助部件进行安全检查,这一安全检查需要在全路网上进行,需要耗费大量的人力物力,而且还只能在没有列车经过的时候进行检修,这就导致检修的效率十分低下,完全不能满足我国日益增长的铁路轨道运力需求。因此,开发一种新的铁路轨道质量状况的分析、监测以及预警方法,以适应现代化铁路轨道运输的需要,实现在铁路轨道车辆运行过程中,对铁路轨道的质量状况结合传感器以及物联网进行无人化远程***监测、评估和预测判断,及时发现铁路轨道的故障以及安全隐患,采取相应措施,避免事故发生,同时提高监测的效率并降低监测的成本。
发明内容
针对上述现有技术存在的问题,本发明的目的在于提供一种铁路轨道基础装备质量状况预测判断方法,以实现对铁路轨道基础装备的质量状况结合传感器以及物联网进行无人化远程***监测预测和判断。
为实现上述目的,本发明所采用的技术方案为:
1.一种铁路轨道基础装备质量状况预测判断方法,其特征在于,包括以下步骤:
①、绘制铁路轨道基础装备工作时信号数据的信号图,进行质量状况区域划分,每种质量状况分别对应相应的信号图区域,出现的质量状况包括但不限于以下情况:正常、断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤等;
②、在铁路轨道基础装备上设置若干传感器,将历史实测信号值统计分析,得出信号值变化趋势,根据信号值的变化趋势,作为铁路轨道基础装备质量状况发展趋势预测判断的依据;历史实测信号汇集后可根据信号值分布拟合成为一条变化趋势曲线,曲线的横轴表示时间轴,竖轴为信号值的变化,这样一来,只要实测需要预测判断的铁路轨道基础装备工作信号,比对相应的频域图对应的值,根据该频域图上此类值的历史数据变化规律,就能预测判断当前实测铁路轨道基础装备的将要发展的变化趋势以及剩余寿命预测,质量状况发展预测;并且,每一种不同的质量状况,都具有彼此各自对应的变化趋势,都能从历史数据中统计分析拟合出来,作为对在线预测的判断根据。
进一步的,信号图质量状况划分包括以下步骤:
1)在铁路轨道基础装备上设置若干传感器,所述传感器用于采集铁路轨道基础装备工作时产生的信号;采集信号按照一定规律或者间隔时间,汇总后按照记录时间成为时域数据储存起来;
2)将步骤1)采集到的信号数据绘制得到信号图;按照信号数据对应时间轴做图,横轴为时间,随着时间的推移,一个个信号值记录在时域图上,竖轴为信号值大小,便可以得到信号数据时域图,而将时域数据经过傅里叶变换,就能得到信号值的频率相关图形,即为信号频域图。
3)选取若干处铁路轨道基础装备实测质量状况出现特征时产生的信号,记为特征信号值;并且实测数据量越大,结果将更趋于稳定准确,所以大数据采集相关实测数据,对应一一记录存储起来。
4)将步骤3)所测得的特征信号值带入到步骤2)绘制得到的信号图中,根据特征信号值在所述信号图上所处的位置对所述信号图进行区域划分;利用大量的实测数据标记当时实测对应质量状况后,信号图上的区域分布初步划分完成,分别是各类质量状况对应信号值的区间,比如,一般正常信号值对应区间,微小的尚可以容忍的裂纹区间,超出容忍范围的裂纹区间;微小的尚可以容忍的剥落区间,超出容忍范围的剥落区间等等。
5)对拟分析质量状况的铁路轨道基础装备进行信号采集,将采集信号带入上述经过区域划分的图中,得到对应质量状况的分析结果;基础数据采集标记越多,对应的质量状况分析就会越精确。
进一步的,在步骤2)中所述信号图包括但不限于信号数据对应时间轴的时域图、将信号时域数据经过傅里叶变换得到的信号频域图;用于质量状况分析既可以用信号时域图,也可以用信号频域图。
进一步的,在步骤3)中所述质量状况出现特征时,出现的特征包括但不限于以下情况:正常、断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤等,对应的范围可以分为许多等级,如微小的,中度的,超出容忍范围的,具体不同的线路国家及主管部门规定和根据相关法律法规铁路维修规定而定
进一步的,对信号时域数据进行降噪处理,处理方法有低通滤波、相关滤波、时域平均滤波、小波滤波。
进一步的,在步骤2)中绘制信号频域图后还需要对信号频域图进行标准化处理。
进一步的,所述的标准化处理为对信号数据进行拟合修正处理,参与拟合修正的参数包括天气、气温、列车载重重量、列车速度。
进一步的,步骤3)中对实际工作工况,不同天气、气温、列车载重重量、列车速度下进行实测质量状况出现特征的若干处铁路轨道基础装备,它们分别对应相应的特征信号值。
进一步的,根据特征信号值在所述信号图不同位置,将所述信号图划分为与质量状况特征相对应不同的区间;在信号频域图上,不同的质量状况特征,是会集中反映在一块频率区域之内,所以很方便就能识别归类。
铁路轨道基础装备为轨道交通基础装备,包括但不限于钢轨、轨枕、轨道板、垫板、扣件、尖轨、辙叉、护轨、导轨、基本轨、接头夹板、紧固件。
本发明在绘制铁路轨道基础装备在工作时信号变化信号图后,并对该信号图进行质量状况区域划分,而后在铁路轨道基础装备上设置若干传感器,实时监测铁路轨道基础装备工作时所产生的信号值,根据历史数据在频域图上的变化趋势,用于预测当前铁路轨道基础装备质量状况的发展趋势,以此实现了对铁路轨道基础装备的实时在线监测和铁路轨道基础装备质量状况的预测判断,具有很高的监测效率,并且节约了大量的人力物力,具有很高的市场推广价值。
本发明首先将设置在铁路轨道基础装备各处的传感器所采集到的数据汇总传输上来,采用这些原始数据统称信号时域数据,这些信号时域数据还存在有诸多的噪音,为了降低噪音的干扰,还需要对这一信号时域数据进行去噪音处理,降噪的方法有低通滤波、相关滤波、时域平均滤波、小波滤波,对降噪后的信号时域数据进行傅里叶变换,绘制得到信号频域图;由于频域图会受到天气、温度、列车载重重量、速度的影响,还需要对这频域图进行标准化处理,标准化处理为对频域图进行拟合修正处理,参与拟合修正的参数包括天气、气温、列车载重重量、列车速度,将这些常见的影响因素作为影响因子带入到拟合算法中对频域图进行拟合修正标准化处理,本发明所使用的拟合修正算法属于是现有技术中常见和常用的拟合修正算法,是在数据处理领域中比较常用的修正算法之一。经过拟合修正后的信号曲线即为在铁路轨道基础装备上的各种工作工况下的标准频域图,为了给这频域图进行区域划分,本发明还对铁路轨道基础装备上的各质量状况进行实地测量。根据现有的判断铁路轨道基础装备质量状况的行业标准,将在铁路轨道基础装备上实际选取正常工作的轨道区域、需要预警的带有微小瑕疵的异常轨道区域以及超出容忍范围的需要立即更换的轨道区域,分别在这多种轨道区域上进行信号的实际大量测量,分别得到与质量状况相对应的多种信号特征值,而后再对上述已经得到的信号频域图进行比对,确定已经实际测量得到的正常工作信号值、需要预警的信号值以及需要立即更换的信号值分别位于该信号频域图的哪些区间段,上述多种信号特征值所处的频域图上的区间段即分别为正常工作的信号区间、需要预警的微小质量状况信号区间以及需要立即更换的超出容忍范围的信号区间,这样就可以把整个频域图划分为不同区域,不同区域中的信号值即反映了轨道的不同实际质量状况和具体的质量状况。完成区域划分的频域图即可以用于对铁路轨道基础装备的实时监测和轨道质量状况预警分析,只需要在铁路轨道基础装备上设置信号传感器即可,将信号传感器监测得到的数据实时处理分析后与频域图进行比对,确定该信号值落入哪个区间内,在哪个区间内即为此时轨道的质量状况,比如:如果铁路轨道基础装备的实时信号值落入了正常工作的信号区间,此时的铁路轨道基础装备即为正常质量状况;如果轨道的实际信号值落入了需要预警的异常信号区间,此时的铁路轨道基础装备即为需要预警的异常质量状况,而且可以指向具体哪个异常的质量状况,细分至具体哪种,是微小的断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤的哪一种表征;如果铁路轨道基础装备的信号值落入了需要立即更换的超出容忍范围信号区间,那么铁路轨道基础装备此时的质量状况即为需要立即更换的状态,具体是断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤中的哪一种也可以直接得出判断;并且,当完成质量状况区域划分后,历史实测信号汇总后,任一质量状况特征表征对应的信号值,按照时间轴罗列拟合后,会形成一条变化趋势的曲线;在实际应用中,测得某处铁路轨道基础装备实时数据时,就可以用对应的变化趋势曲线,预测该处铁路轨道基础装备未来的发展趋势和即将要发生的状态,以此实现了对铁路轨道基础装备的实时在线预测判断方法,节约了大量的人力物力,并具有很高的预测效率。
具体实施方式
为了进一步理解本发明,下面将结合实施例和对比例对本发明的实施方案作进一步详细的描述,但是本发明的实施方式并不限于此。
为了使本发明的目的、技术方案更加清楚明白,以下结合实例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。下面对本发明的应用过程作详细的描述。
本发明为1.一种辙叉质量状况预测判断方法,包括以下步骤:
①、绘制辙叉工作时加速度信号数据的加速度信号图,进行质量状况区域划分;
②、在辙叉上设置若干加速度传感器,将历史实测加速度信号值统计分析,得出加速度信号变化趋势,根据加速度信号值的变化趋势,作为辙叉质量状况发展趋势预测判断的依据;历史实测加速度信号汇集后可根据加速度信号值分布拟合成为一条变化趋势曲线,曲线的横轴表示时间轴,竖轴为加速度信号值的变化,这样一来,只要实测需要预测判断的辙叉工作加速度信号,比对相应的频域图对应的值,根据该频域图上此类值的历史数据变化规律,就能预测判断当前实测辙叉的将要发展的变化趋势以及剩余寿命预测,质量状况发展预测。
加速度信号图质量状况划分包括以下步骤:
1)在辙叉上设置若干加速度传感器,所述加速度传感器用于采集辙叉工作时产生的加速度信号;采集加速度信号按照一定规律或者间隔时间,汇总后按照记录时间成为时域数据储存起来;
2)将步骤1)采集到的加速度信号数据绘制得到加速度信号图;按照加速度信号数据对应时间轴做图,可以得到加速度信号数据时域图,采集到的加速度信号反映在时域图上为一个个的波形冲击,对应每一次振动冲击值,连起来在时域图上,形成类似心电图一样的波形图,信号值的大小和区间可以反映在时域图上,而将这些采集到的时域数据经过傅里叶变换,就能得到加速度信号值的频率相关图形,即为加速度信号频域图。
3)选取若干处辙叉实测质量状况出现特征时产生的加速度信号,记为特征加速度信号值;并且实测数据量越大,结果将更趋于稳定准确,所以大数据采集相关实测数据,对应一一记录存储起来。
4)将步骤3)所测得的特征加速度信号值带入到步骤2)绘制得到的加速度信号图中,根据特征加速度信号值在所述加速度信号图上所处的位置对所述加速度信号图进行区域划分;利用大量的实测数据标记当时实测对应质量状况后,加速度信号图上的区域分布初步划分完成,分别是各类质量状况对应加速度信号值的区间,比如,一般正常加速度信号值对应区间,微小的尚可以容忍的裂纹区间,超出容忍范围的裂纹区间;微小的尚可以容忍的剥落区间,超出容忍范围的剥落区间等等。
5)对拟分析质量状况的辙叉进行加速度信号采集,将采集加速度信号带入上述经过区域划分的图中,得到对应质量状况的分析结果;基础数据采集标记越多,对应的质量状况分析就会越精确。
在步骤2)中所述加速度信号图包括但不限于加速度信号数据对应时间轴的时域图、将加速度信号时域数据经过傅里叶变换得到的加速度信号频域图;用于质量状况分析既可以用加速度信号时域图,也可以用加速度信号频域图。
在步骤3)中所述质量状况出现特征时,出现的特征包括但不限于以下情况:正常、断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤等,对应的范围可以分为许多等级,如微小的,中度的,超出容忍范围的,具体不同的线路国家及主管部门规定和根据相关法律法规铁路维修规定而定。
对加速度信号时域数据进行降噪处理,处理方法有低通滤波、相关滤波、时域平均滤波、小波滤波。
在步骤2)中绘制加速度信号频域图后还需要对加速度信号频域图进行标准化处理,处理为对加速度信号数据进行拟合修正处理,参与拟合修正的参数包括天气、气温、列车载重重量、列车速度。
步骤3)中对实际工作工况,不同天气、气温、列车载重重量、列车速度下进行实测质量状况出现特征的若干处辙叉,它们分别对应相应的特征加速度信号值。
根据特征加速度信号值在所述加速度信号图不同位置,将所述加速度信号图划分为与质量状况特征相对应不同的区间;在加速度信号频域图上,不同的质量状况特征,是会集中反映在一块频率区域之内,所以很方便就能识别归类。
辙叉为轨道交通基础装备,包括但不限于钢轨、轨枕、轨道板、垫板、扣件、尖轨、辙叉、护轨、导轨、基本轨、接头夹板、紧固件。
本发明借助设置在辙叉上加速度传感器监测得到此处辙叉的工作所产生的加速度信号,辙叉的质量状况分为多种,这不同质量状况下工作发出的加速度信号,会明显不同,因此,根据不同的实测加速度信号值,可以准确地得知该处辙叉此时的质量状况,为对辙叉道的实时监测提供可能。
本发明首先将设置在辙叉各处的加速度传感器所采集到的数据汇总传输上来,采用这些原始数据统称加速度信号时域数据,这些加速度信号时域数据还存在有诸多的噪音,为了降低噪音的干扰,还需要对这一加速度信号时域数据进行去噪音处理,降噪的方法有低通滤波、相关滤波、时域平均滤波、小波滤波,对降噪后的加速度信号时域数据进行傅里叶变换,绘制得到加速度信号频域图;由于频域图会受到天气、温度、列车载重重量、速度的影响,还需要对这频域图进行标准化处理,标准化处理为对频域图进行拟合修正处理,参与拟合修正的参数包括天气、气温、列车载重重量、列车速度,将这些常见的影响因素作为影响因子带入到拟合算法中对频域图进行拟合修正标准化处理,本发明所使用的拟合修正算法属于是现有技术中常见和常用的拟合修正算法,是在数据处理领域中比较常用的修正算法之一。经过拟合修正后的加速度信号曲线即为在辙叉上的各种工作工况下的标准频域图,为了给这频域图进行区域划分,本发明还对辙叉上的各质量状况进行实地测量。根据现有的判断辙叉质量状况的行业标准,将在辙叉上实际选取正常工作的轨道区域、需要预警的带有微小瑕疵的异常轨道区域以及超出容忍范围的需要立即更换的轨道区域,分别在这多种轨道区域上进行加速度信号的实际大量测量,分别得到与质量状况相对应的多种加速度信号特征值,而后再对上述已经得到的加速度信号频域图进行比对,确定已经实际测量得到的正常工作加速度信号值、需要预警的加速度信号值以及需要立即更换的加速度信号值分别位于该加速度信号频域图的哪些区间段,上述多种加速度信号特征值所处的频域图上的区间段即分别为正常工作的加速度信号区间、需要预警的微小质量状况加速度信号区间以及需要立即更换的超出容忍范围的加速度信号区间,这样就可以把整个频域图划分为不同区域,不同区域中的加速度信号值即反映了轨道的不同实际质量状况和具体的质量状况。完成区域划分的频域图即可以用于对辙叉的实时监测和轨道质量状况预警分析,只需要在辙叉上设置加速度信号加速度传感器即可,将加速度信号加速度传感器监测得到的数据实时处理分析后与频域图进行比对,确定该加速度信号值落入哪个区间内,在哪个区间内即为此时轨道的质量状况,比如:如果辙叉的实时加速度信号值落入了正常工作的加速度信号区间,此时的辙叉即为正常质量状况;如果轨道的实际加速度信号值落入了需要预警的异常加速度信号区间,此时的辙叉即为需要预警的异常质量状况,而且可以指向具体哪个异常的质量状况,细分至具体哪种,是微小的断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤的哪一种表征;如果辙叉的加速度信号值落入了需要立即更换的超出容忍范围加速度信号区间,那么辙叉此时的质量状况即为需要立即更换的状态,具体是断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤中的哪一种也可以直接得出判断;并且,当完成质量状况区域划分后,历史实测加速度信号汇总后,任一质量状况特征表征对应的加速度信号值,按照时间轴罗列拟合后,会形成一条变化趋势的曲线;在实际应用中,测得某处辙叉实时数据时,就可以用对应的变化趋势曲线,预测该处辙叉未来的发展趋势和即将要发生的状态,以此实现了对辙叉的实时在线预测判断方法,节约了大量的人力物力,并具有很高的预测效率。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作任何其他形式的限制,依据本发明的技术实质所作的任何修改或等同变化,仍属于本发明所要求保护的范围。
Claims (6)
1.一种铁路轨道基础装备质量状况预测判断方法,其特征在于,包括以下步骤:
①、绘制铁路轨道基础装备工作时信号数据的信号图,进行质量状况区域划分;
②、在铁路轨道基础装备上设置若干传感器,将历史实测信号值统计分析,得出信号值变化趋势,根据信号值的变化趋势,作为铁路轨道基础装备质量状况发展趋势预测判断的依据;
信号图质量状况区域划分包括以下步骤:
1)在铁路轨道基础装备上设置若干传感器,所述传感器用于采集铁路轨道基础装备工作时产生的信号;
2)将步骤1)采集到的信号数据绘制得到信号图;
3)选取若干处铁路轨道基础装备实测质量状况出现特征时产生的信号,记为特征信号值;
4)将步骤3)所测得的特征信号值带入到步骤2)绘制得到的信号图中,根据特征信号值在所述信号图上所处的位置对所述信号图进行区域划分;
5)对拟分析质量状况的铁路轨道基础装备进行信号采集,将采集信号带入上述经过区域划分的图中,得到对应质量状况的分析结果。
2.根据权利要求1所述的方法,其特征在于,在步骤2)中所述信号图包括但不限于信号数据对应时间轴的时域图、将信号时域数据经过傅里叶变换得到的信号频域图。
3.根据权利要求1所述的方法,其特征在于,在步骤3)中所述质量状况出现特征时,出现的特征包括但不限于以下情况:正常、断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤。
4.根据权利要求2所述的方法,其特征在于,对信号时域数据进行降噪处理,处理方法有低通滤波、相关滤波、时域平均滤波、小波滤波。
5.根据权利要求2所述的方法,其特征在于,在步骤2)中绘制信号频域图后还需要对信号频域图进行标准化处理。
6.根据权利要求5所述的方法,其特征在于,所述的标准化处理为对信号数据进行拟合修正处理,参与拟合修正的参数包括天气、气温、列车载重重量、列车速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910451539.1A CN112012060B (zh) | 2019-05-28 | 2019-05-28 | 一种铁路轨道基础装备质量状况预测判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910451539.1A CN112012060B (zh) | 2019-05-28 | 2019-05-28 | 一种铁路轨道基础装备质量状况预测判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112012060A CN112012060A (zh) | 2020-12-01 |
CN112012060B true CN112012060B (zh) | 2022-06-28 |
Family
ID=73500710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910451539.1A Active CN112012060B (zh) | 2019-05-28 | 2019-05-28 | 一种铁路轨道基础装备质量状况预测判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112012060B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010091296A (ja) * | 2008-10-03 | 2010-04-22 | Tokyo Keiki Inc | 軌道位置データ付与システム及び軌道位置データ付与方法 |
CN102416970A (zh) * | 2011-10-12 | 2012-04-18 | 北京安通伟业铁路工务技术有限公司 | 一种钢轨断裂在线监测***及其敲击检测方法 |
CN202669851U (zh) * | 2012-05-23 | 2013-01-16 | 上海嘉国信息科技有限公司 | 一种铁路轨道损伤的检测装置 |
CN105113349A (zh) * | 2015-08-05 | 2015-12-02 | 湘潭大学 | 一种无砟轨道安全检测方法 |
CN105109517A (zh) * | 2015-08-13 | 2015-12-02 | 中国神华能源股份有限公司 | 一种钢轨伤损分析方法及钢轨探伤车 |
CN105346561A (zh) * | 2015-12-02 | 2016-02-24 | 北京交通大学 | 基于运营车辆的轨道道岔病害检测***及方法 |
CN107858883A (zh) * | 2017-11-29 | 2018-03-30 | 北京交通大学 | 一种轨道***安全状态综合监测及智能分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9187104B2 (en) * | 2013-01-11 | 2015-11-17 | International Buslness Machines Corporation | Online learning using information fusion for equipment predictive maintenance in railway operations |
-
2019
- 2019-05-28 CN CN201910451539.1A patent/CN112012060B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010091296A (ja) * | 2008-10-03 | 2010-04-22 | Tokyo Keiki Inc | 軌道位置データ付与システム及び軌道位置データ付与方法 |
CN102416970A (zh) * | 2011-10-12 | 2012-04-18 | 北京安通伟业铁路工务技术有限公司 | 一种钢轨断裂在线监测***及其敲击检测方法 |
CN202669851U (zh) * | 2012-05-23 | 2013-01-16 | 上海嘉国信息科技有限公司 | 一种铁路轨道损伤的检测装置 |
CN105113349A (zh) * | 2015-08-05 | 2015-12-02 | 湘潭大学 | 一种无砟轨道安全检测方法 |
CN105109517A (zh) * | 2015-08-13 | 2015-12-02 | 中国神华能源股份有限公司 | 一种钢轨伤损分析方法及钢轨探伤车 |
CN105346561A (zh) * | 2015-12-02 | 2016-02-24 | 北京交通大学 | 基于运营车辆的轨道道岔病害检测***及方法 |
CN107858883A (zh) * | 2017-11-29 | 2018-03-30 | 北京交通大学 | 一种轨道***安全状态综合监测及智能分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112012060A (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Molodova et al. | Health condition monitoring of insulated joints based on axle box acceleration measurements | |
US6416020B1 (en) | Method and apparatus for detecting defective track wheels | |
EP3219574B1 (en) | Method and system for determining a vertical profile of a rail surface | |
CN101900708A (zh) | 一种基于振动和声频信号的高速列车轨道伤损探测方法 | |
CN104364629A (zh) | 基于超声频谱学分析的轨道部件检查 | |
Hoelzl et al. | On-board monitoring for smart assessment of railway infrastructure: A systematic review | |
Molodova et al. | Monitoring the railway infrastructure: Detection of surface defects using wavelets | |
Kundu et al. | A review on condition monitoring technologies for railway rolling stock | |
CN108860220B (zh) | 一种车轮脱轨预警方法、装置及*** | |
CN108974041B (zh) | 一种车轮脱轨预警方法、装置及*** | |
Lingamanaik et al. | Using instrumented revenue vehicles to inspect track integrity and rolling stock performance in a passenger network during peak times | |
CN112014593B (zh) | 一种铁路轨道基础装备质量状况监测评估装置和方法 | |
CN112012060B (zh) | 一种铁路轨道基础装备质量状况预测判断方法 | |
Huang | Integrated railway remote condition monitoring | |
Balouchi et al. | Detecting railway under-track voids using multi-train in-service vehicle accelerometer | |
CN113032907A (zh) | 基于波形相关关系的晃车病害数据偏差纠正方法及*** | |
Meixedo et al. | Weighing in motion and wheel defect detection of rolling stock | |
CN112013895B (zh) | 一种铁路轨道基础装备质量状况监测和评估方法 | |
CN112016180B (zh) | 一种铁路轨道基础装备质量状况分析方法 | |
CN110956164A (zh) | 一种基于噪声信号的列车车轮损伤识别方法 | |
AU2021290913B2 (en) | Method for monitoring a railway track and monitoring system for monitoring a railway track | |
CN115931399A (zh) | 一种实时在线检测高速列车轮多边形故障的方法 | |
Cantini et al. | Optimization of in-service UT inspections intervals based on wheelset loads moni-toring–SMARTSET® | |
Li et al. | A novel approach to assessing railway track quality based on ensemble empirical mode decomposition | |
CN111507629A (zh) | 一种轨道故障诊断方法及*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CB03 | Change of inventor or designer information |
Inventor after: Lu Shenlin Inventor after: Guan Weiwei Inventor before: Guan Weiwei Inventor before: Lu Shenlin |
|
CB03 | Change of inventor or designer information |