CN113358053B - 轨道不平顺检测评估***、方法、电子设备及轨道车辆 - Google Patents
轨道不平顺检测评估***、方法、电子设备及轨道车辆 Download PDFInfo
- Publication number
- CN113358053B CN113358053B CN202110461015.8A CN202110461015A CN113358053B CN 113358053 B CN113358053 B CN 113358053B CN 202110461015 A CN202110461015 A CN 202110461015A CN 113358053 B CN113358053 B CN 113358053B
- Authority
- CN
- China
- Prior art keywords
- detection
- rail
- irregularity
- track
- rail vehicle
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 182
- 238000011156 evaluation Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008569 process Effects 0.000 claims abstract description 22
- 230000009466 transformation Effects 0.000 claims abstract description 18
- 230000004927 fusion Effects 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000001133 acceleration Effects 0.000 claims description 63
- 238000012360 testing method Methods 0.000 claims description 41
- 238000006073 displacement reaction Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000005259 measurement Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 230000005284 excitation Effects 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000005096 rolling process Methods 0.000 claims description 7
- 238000011867 re-evaluation Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000010355 oscillation Effects 0.000 claims description 2
- 238000013135 deep learning Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 239000002131 composite material Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 229910000831 Steel Inorganic materials 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000010959 steel Substances 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000011214 deviation management Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/08—Measuring installations for surveying permanent way
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Machines For Laying And Maintaining Railways (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明提供一种轨道不平顺检测评估***、方法、电子设备及轨道车辆，***包括：激光扫描模块，惯性补偿及定位模块，数据融合及处理模块；其中，所述激光扫描模块用于扫描目标轨道，得到所述目标轨道的轨道廓形数据；所述惯性补偿及定位模块用于获取所述检测用轨道车辆运行过程中车体的姿态数据、所述检测用轨道车辆的速度信息以及所述检测用轨道车辆的位置信息，并基于所述姿态数据对所述轨道廓形数据进行坐标变换；所述数据融合及处理模块根据经过坐标变换的轨道廓形数据、所述检测用轨道车辆的速度信息以及所述检测用轨道车辆的位置信息，得到目标轨道的三维数据，并根据所述目标轨道的三维数据，计算所述目标轨道的不平顺值。
Description
技术领域
本发明涉及交通技术领域，尤其涉及一种轨道不平顺检测评估***、方法、电子设备及轨道车辆。
背景技术
轨道车辆线路在运行一段时间后，会发生磨损。若轨道打磨保养记录不完善，会导致轨道不平顺信息与线路建成初期的信息相去甚远。一旦要对线路上的轨道车辆进行更新换代，轨道不平顺信息不准确会给新车设计带来巨大的不确定性和安全风险，迫切需要对业主的线路轨道不平顺情况进行调查测定，为车辆动力学设计提供准确输入。
现有技术中的线路轨道不平顺测量方法一般采用专用的检测工铁车由人工在轨道上慢速推动，测试轨道的垂向不平顺、横向不平顺、复合不平顺信息，需要的时间周期较长，效率低。
发明内容
针对现有技术存在的问题，本发明提供一种轨道不平顺检测评估***、方法、电子设备及轨道车辆。
本发明提供一种轨道不平顺检测评估***，安装在检测用轨道车辆上，***包括：激光扫描模块101，惯性补偿及定位模块102，数据融合及处理模块103；其中，
所述激光扫描模块101用于扫描目标轨道，得到所述目标轨道的轨道廓形数据；
所述惯性补偿及定位模块102用于获取所述检测用轨道车辆运行过程中车体的姿态数据、所述检测用轨道车辆的速度信息以及所述检测用轨道车辆的位置信息，并基于所述姿态数据对所述轨道廓形数据进行坐标变换；
所述数据融合及处理模块103根据经过坐标变换的轨道廓形数据、所述检测用轨道车辆的速度信息以及所述检测用轨道车辆的位置信息，得到目标轨道的三维数据，并根据所述目标轨道的三维数据，计算所述目标轨道的不平顺值。
根据本发明提供的一种轨道不平顺检测评估***，所述惯性补偿及定位模块102包括惯性测量单元、定位单元、测速传感器以及惯性补偿单元；其中，
所述惯性测量单元用于获取所述检测用轨道车辆运行过程中车体的姿态数据；其中，所述姿态数据包括：测试坐标系中的测试基准相对于轨道中心线坐标系中的轨道中心线的摇头角度、侧滚角度、垂向位移以及横向位移；
所述定位单元用于获取所述检测用轨道车辆的位置信息；
所述测速传感器用于获取所述检测用轨道车辆的速度数据；
所述惯性补偿单元根据所述摇头角度、所述侧滚角度、所述垂向位移以及所述横向位移，将所述轨道廓形数据在测试坐标系中的坐标值转换到在所述轨道中心线坐标系中的坐标值。
根据本发明提供的一种轨道不平顺检测评估***，***还包括：评估模块104；
所述评估模块104用于根据目标轨道的不平顺值以及预设的轨道不平顺标准值，对所述目标轨道进行局部峰值评价和区段均值评价；
和/或，所述评估模块104用于根据目标轨道的不平顺值、检测用轨道车辆的速度值、检测用轨道车辆的轮对廓形、检测用轨道车辆在目标轨道上的轮轨接触锥度以及目标轨道的不平顺激扰波长频率，得到用于反映轨道不平顺评估结果的检测用轨道车辆的振动加速度。
本发明还提供了一种基于所述的轨道不平顺检测评估***所实现的轨道不平顺检测评估方法，包括：
获取检测用轨道车辆运行过程中车体的姿态数据、检测用轨道车辆的速度信息以及检测用轨道车辆的位置信息，并基于所述姿态数据对目标轨道的轨道廓形数据进行坐标变换；其中，所述轨道廓形数据是通过对目标轨道进行扫描得到的；
根据所述经过坐标变换的轨道廓形数据、检测用轨道车辆的速度信息以及检测用轨道车辆的位置信息，得到目标轨道的三维数据，并根据所述目标轨道的三维数据，计算所述目标轨道的不平顺值。
根据本发明提供的一种轨道不平顺检测评估方法，在所述计算所述目标轨道的不平顺值的步骤之后，方法还包括：
根据所述目标轨道的不平顺值以及预设的轨道不平顺标准值，对所述目标轨道进行局部峰值评价和区段均值评价。
根据本发明提供的一种轨道不平顺检测评估方法，在所述计算所述目标轨道的不平顺值的步骤之后，方法还包括：
根据目标轨道的不平顺值、检测用轨道车辆的速度值、检测用轨道车辆的轮对廓形、检测用轨道车辆在目标轨道上的轮轨接触锥度以及目标轨道的不平顺激扰波长频率，得到用于反映轨道不平顺评估结果的检测用轨道车辆的振动加速度。
根据本发明提供的一种轨道不平顺检测评估方法，所述根据目标轨道的不平顺值、检测用轨道车辆的速度值、检测用轨道车辆的轮对廓形、检测用轨道车辆在目标轨道上的轮轨接触锥度以及目标轨道的不平顺激扰波长频率，得到用于反映轨道不平顺评估结果的检测用轨道车辆的振动加速度，包括：
将检测用轨道车辆的运行速度和轮对廓形、检测用轨道车辆在目标轨道上的轮轨接触锥度、目标轨道的不平顺值、目标轨道的不平顺激扰波长频率输入预先训练的振动加速度计算模型，得到检测用轨道车辆的振动加速度；
当检测用轨道车辆的振动加速度满足检测用轨道车辆在目标轨道的当前路段上的振动加速度限值时，结束流程，当不满足时，将其他检测用轨道车辆的运行速度和轮对廓形、其他检测用轨道车辆在目标轨道上的轮轨接触锥度、目标轨道的不平顺值、目标轨道的不平顺激扰波长频率输入预先训练的振动加速度计算模型，以重新进行评估；其中，
所述振动加速度计算模型是基于样本检测用轨道车辆的速度值、样本检测用轨道车辆的振动加速度值、样本轮轨接触锥度、样本轨道不平顺值、样本轨道不平顺激扰波长频率训练得到的。
本发明还提供了一种轨道车辆，包括：所述的轨道不平顺检测评估***。
本发明还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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如所述轨道不平顺检测评估方法的步骤。
本发明还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如所述轨道不平顺检测评估方法的步骤。
本发明提供的轨道不平顺检测评估***、方法、电子设备及轨道车辆，通过二维激光扫描技术与惯性补偿技术的综合使用，可以以较高的时速(如80km/h)完成轨道不平顺检测，测试时间短，测试效率高，同时还解决了如何将测试基准线与轨道基准线统一及如何补偿的问题。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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。
图1为本发明提供的轨道不平顺检测评估***的示意图；
图2为本发明提供的轨道不平顺检测评估***中的激光扫描模块在一个实施例中的示意图；
图3为本发明另一实施例提供的轨道不平顺检测评估***的示意图；
图4为本发明提供的轨道不平顺检测评估方法的流程图；
图5是本发明提供的电子设备的结构示意图；
附图标记：
101：激光扫描模块； 102：惯性补偿及定位模块； 103：数据融合及处理模块；
104：评估模块； 510：处理器； 520：通信接口；
530：存储器； 540：通信总线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1-图5描述本发明的轨道不平顺检测评估***、方法、电子设备及轨道车辆。
图1为本发明提供的轨道不平顺检测评估***的示意图，如图1所示，本发明提供的轨道不平顺检测评估***包括：激光扫描模块101，惯性补偿及定位模块102，数据融合及处理模块103；激光扫描模块101，惯性补偿及定位模块102分别与数据融合及处理模块103连接。
激光扫描模块101用于扫描目标轨道，得到目标轨道的轨道廓形数据。在本发明中，目标轨道是指要进行不平顺检测评估的轨道。
图2为激光扫描模块在一个实施例中的示意图。如图2所示，激光扫描模块101包括4个2D激光传感器，这些2D激光传感器安装在检测用轨道车辆的底部，通过激光扫描以及不同2D激光传感器的扫描结果之间的配合，得到目标轨道的完整的轨道廓形数据。
激光扫描模块101扫描得到的轨道廓形数据为测试坐标系下目标轨道的轨道廓形的二维坐标尺寸。其中，所述测试坐标系是安装在检测用轨道车辆上并经过标定后确定的初始坐标系，它是以测量前检测用轨道车辆静止时、轨道中心为原点的坐标系。这个坐标系与2D激光传感器的相对位置是不变的，所以在测试过程中即使检测用轨道车辆的姿态发生变化，2D激光传感器的扫描结果在测试坐标系下也不会变化。
需要说明的是，本实施例中所涉及的检测用轨道车辆是指可安装本发明的轨道不平顺检测评估***的任意一种轨道车辆，如客运列车、货运列车均可作为检测用轨道车辆。
在本发明中，除了测试坐标系外，还涉及轨道中心线坐标系。所述轨道中心线坐标系是指以两条轨道上表面中心点作为原点，平行于轨道的方向为X向，垂直于轨道向上的方向为Z向，垂直于轨道向轨道两侧的方向为Y向。激光扫描模块101扫描得到的轨道廓形数据最终需要转换到轨道中心线坐标系下。
惯性补偿及定位模块102用于获取检测用轨道车辆运行过程中车体的姿态，包括角度和位移，并将测试坐标系下测得的数据统一到轨道中心线坐标系下。
惯性补偿及定位模块102包括惯性测量单元(Inertial measurement unit，IMU)、定位单元、测速传感器以及惯性补偿单元。
惯性测量单元用于得到测试坐标系的测试基准相对于轨道中心线的摇头角度以及侧滚角度。惯性测量单元中包括有X轴向和Z轴向的角速度传感器，通过对X轴向和Z轴向的角速度传感器数据积分，可以获得对应的摇头角度和侧滚角度。惯性测量单元还用于得到测试坐标系的测试基准相对于轨道中心线的垂向位移和横向位移。惯性测量单元中还包括有垂向的加速度传感器和横向的加速度传感器，通过对垂向的加速度数据进行积分，可以获得垂向位移，通过对横向的加速度数据进行积分，可以获得横向位移。定位单元用于获取测试基准相对于轨道线路的空间位置，即检测用轨道车辆的空间位置信息。在本发明实施例中，定位单元可采用全球卫星导航定位***(GNSS)实现。
测速传感器用于获取检测用轨道车辆的速度数据。基于测速传感器获得的速度数据，结合在轨道线路上的行驶时间，可以进一步计算出轨道线路的里程信息。
惯性补偿单元用于将测试坐标系下测得的数据统一到轨道中心线坐标系下。
在之前的描述中已经提到，激光扫描模块101扫描得到的轨道廓形数据是在测试坐标系下的，需要将其转换到轨道中心线坐标系下。惯性补偿单元基于惯性测量单元得到的角度信息(包括摇头角度和侧滚角度)与位移信息(包括垂向位移和横向位移)，通过惯性补偿算法，将目标轨道的轨道廓形数据由测试坐标系转换到轨道中心线坐标系下。具体的说，摇头角度、侧滚角度、垂向位移和横向位移完整地描述了测试坐标系相对于轨道中心线坐标系的偏移量，因此，利用上述偏移量可将目标轨道的轨道廓形数据由测试坐标系转换到轨道中心线坐标系下。
数据融合及处理模块103用于将轨道廓形数据、速度信息、位置信息做融合分析，形成轨道三维数据。
本领域技术人员都知道，轨道的廓形可以看成是轨道的断面，那么目标轨道的轨道廓形数据就是目标轨道上一个个断面的二维数据。根据速度信息与位置信息，可以知道轨道廓形数据所对应的轨道廓形在目标轨道上的位置，当采样率高于预设的阈值时，将采样得到的各个轨道廓形按照在目标轨道上的位置相叠加，得到目标轨道的三维数据。
具体的说，数据融合及处理模块103接收到惯性补偿及定位模块102所输出的轨道中心线坐标系下的目标轨道的轨道廓形数据、检测用轨道车辆的速度信息以及检测用轨道车辆的位置信息后，将同一时间点的轨道廓形数据、速度信息以及位置信息对应起来，然后基于这些数据通过三维重构的方式重构目标轨道的三维模型。在三维重构的过程中，基于轨道廓形数据可得到目标轨道上任意一点的YZ坐标，通过速度信息和位置信息可确定目标轨道上任意一点的X坐标。重构所得到的三维模型以轨道中心线坐标系为基准，包含了目标轨道的轨道三维数据。
在本实施例中，同时采用速度信息与位置信息来确定目标轨道上任意一点的X坐标。这是因为单纯依靠位置信息来定位过于粗糙，如当采样率为2000hz时，仅仅依靠GNSS来定位1秒内所采集的2000个廓形数据的位置的技术难度很大。速度信息在定位过程中可起到辅助作用，例如，在时间点A和时间点B时可利用位置信息来定位廓形数据，在时间点A和时间点B之间(假设时间点A在时间点B之前)的时间点C，并不存在与时间点C直接对应的位置信息，此时可基于时间点A的位置信息以及速度信息，计算出在时间点C的廓形数据的位置。
得到目标轨道的三维数据后可以按国家和行业标准计算目标轨道的垂向不平顺、横向不平顺以及复合不平顺。
垂向不平顺又叫高低不平顺，是指轨道沿钢轨长度方向的凹凸不平；水平不平顺，是指轨道同一横截面上左右两个轨道顶面的高度差；复合不平顺，是指在同一位置上，垂向和横向不平顺共存形成的双向不平顺。复合不平顺也被称为轨道不平顺。
如何根据国家和行业标准计算目标轨道的垂向不平顺、横向不平顺以及复合不平顺是本领域技术人员的公知常识，因此不在此处做重复说明。
本发明提供的轨道不平顺检测评估***通过二维激光扫描技术与惯性补偿技术的综合使用，可以以较高的时速(如80km/h)完成轨道不平顺检测，测试时间短，测试效率高，同时还解决了如何将测试基准线与轨道基准线统一及如何补偿的问题。
图3为本发明另一实施例提供的轨道不平顺检测评估***的示意图，如图3所示，本发明另一实施例提供的轨道不平顺检测评估***还包括：
评估模块104，所述评估模块104与所述数据融合及处理模块103相连。
评估模块104用于对数据融合及处理模块103所得到的轨道数据进行评估。
具体的说，在本发明实施例中，实现了两种方式的评估。
第一种评估方式为计算动态条件下轨道不平顺值与标准值的偏差，根据所得到的偏差值实现动态轨道不平顺容许偏差管理。
由数据融合及处理模块103的输出结果，可以得到目标轨道的轨道不平顺值，根据国家和/或行业标准可以得到轨道的标准值。计算轨道不平顺值与轨道的标准值之间的偏差，可以得到偏差值。
根据所得到的偏差值实现动态轨道不平顺容许偏差管理，分为局部峰值评价和区段均值评价。
局部峰值评价需要预先将偏差值与预先设置的表1中的数据进行比较，得到偏差等级。
表1
在上述的表1中，表中各种偏差限值为实际幅值的半峰值；水平限值不包含曲线按规定设置的超高值及超高顺坡量；高低和轨向采用对应波长的空间曲线；复合不平顺特指轨向和水平逆向复合不平顺；三角坑限值包含缓和曲线超高顺坡造成的扭曲量；固定型辙叉的有害空间部分不检查轨距、轨向，其他检查项目及检查标准与线路相同；车体垂向振动加速度采用20Hz低通滤波，车体横向振动加速度采用0.5～10Hz带通滤波和10Hz低通滤波。
然后基于偏差等级，采用扣分法得到局部峰值评价。
局部峰值评价中各项目偏差扣分标准为：
Ⅰ级每处扣1分，Ⅱ级每处扣5分，Ⅲ级每处扣100分，IV级每处扣301分。
局部峰值评价以整公里为单位，每公里扣分总数为各级、各项偏差扣分总和，计算公式如下：
其中，S表示整公里扣分总数；Ki表示各级偏差的扣分数；Cij表示各项目的各级偏差个数；M表示参与评分的项目个数。
每公里线路局部峰值动态评定标准：优良——总扣分在50分及以内；合格——总扣分在51～300分；失格——总扣分在300分以上。
区段均值评价的评价指标为轨道质量指数(TQI)。轨道指令指数的值如表2所示。
表2
区段均值评价采用扣分法。单个TQI计算单元的扣分标准可由用户规定。区段均值评价以整公里为单位，每公里扣分总数为5个计算区段的TQI扣分值之和，计算公式如下：
其中，T表示每公里扣分总数；T200表示单个TQI计算单元的扣分数。在本实施例中，每200米作为一个区段，在其他实施例中，可根据实际情况对区段长度进行调整。
每公里线路区段均值评定标准划分为：均衡——代表线路质量均衡，不需要维修；计划——代表应列入维修计划，适时进行修理；优先——代表应优先列入维修计划，尽快安排修理。
由于不同类型的轨道的不平顺要求并不一样，如地铁和高速动车组对轨道不平顺要求不一样，因此每公里线路区段均值评定标准的具体划分需要根据轨道类型以及相关的国家或行业标准而定。在本实施例中，不对评定标准的具体取值进行限定。
第二种评估方式为结合车辆动态响应对轨道不平顺进行评估。
在这一评估方式中，设定车辆振动加速度(构架横向振动加速度、车体横向振动加速度)与轨道不平顺、钢轨廓形、踏面锥度等物理量的内在关联，记为Yacc(x1，x2，x3)；其中，x1为车轮踏面与钢轨廓形决定的轮轨接触锥度，x2为轨道不平顺幅值，x3为轨道不平顺激扰波长频率；
基于上述物理背景，构建深度学习完善函数Yacc的表达式为：
其中，
为n+1阶的高阶误差小量；n、
k1、k2、k3为深度学习完善函数中的系数，这些系数的值需要在深度学习过程中确定。
结合车辆动态响应对轨道不平顺进行评估的具体实现过程为：
步骤S1、通过大量的样本测试数据对深度神经网络进行训练，对深度学习完善函数Yacc中的系数加以调整，从而得到振动加速度计算模型。
所述样本测试数据包括样本检测车辆的速度值、样本检测车辆的振动加速度值、样本轮轨接触锥度、样本轨道不平顺值、样本轨道不平顺激扰波长频率。
本步骤中的样本轨道不平顺激扰波长频率可根据样本轨道的数据得到。样本轨道的数据是已知的，如何根据样本轨道的数据计算不平顺激扰波长频率也是本领域技术人员的公知常识，因此不在本实施例中做进一步说明。
步骤S2、将检测车辆的运行速度和轮对廓形、检测车辆在目标轨道上的轮轨接触锥度、目标轨道的不平顺值、目标轨道的不平顺激扰波长频率输入经过训练的振动加速度计算模型，得到检测车辆的振动加速度。
步骤S3、如果检测车辆的振动加速度满足车辆在目标轨道的当前路段上的振动加速度限值，则流程结束，如果不满足，则重新输入其他检测车辆的速度和轮对廓形信息重新进行评估。
检测车辆在轨道上运行时会产生振动，可以把这种振动理解为该车辆在该段轨道上运行时车辆相对于轨道的响应。车辆对轨道的响应可以反映轨道的不平顺程度。例如，同个车辆通过两段轨道，两段轨道都满足国家标准限值，但同一车辆通过两段轨道时车辆的振动加速度不同，也就是车辆响应不同。车辆响应小的轨道的不平顺程度要低于车辆响应大的轨道的不平顺程度。
其中，步骤S1进一步包括：
通过搭建神经网络，利用深度学习的方式分析不同轮轨接触形式下的Yacc，完善Yacc的系数。
建立一个含有N个隐层、1个任务的深度神经网络(Deep Neural Network，简称DNN)网络，其架构的表达式如下：
[DNN]＝Feedforward(K；H1,H2,L Hn；Zmain；M,a)
其中，K＝{k1,k2,L,kn}，ki＝{ki1,ki2,L,kid}T为输入样本；Zmain＝{z1 main,z2 main,L,zn main}为任务Yacc的样本标签，n表示样本数；zi main为每个样本的期望值，具体取值为0或1；M为权值矩阵，a为偏置向量；H1,H2,……,HN为隐层神经元个数，网络初始化参数为：M＝random_uniform()，a＝zero(0)。
然后从测试数据中得到车辆振动加速度(构架横向振动加速度、车体横向振动加速度)以及轨道不平顺、钢轨廓形、踏面锥度等物理量，为车辆振动加速度与轨道不平顺、钢轨廓形、踏面锥度等物理量建立轮轨匹配关系样本，利用这些样本数据通过深度学习训练Yacc任务，从而对深度学习完善函数Yacc中的系数加以调整，直至深度学习完善函数Yacc中的系数的变化值小于预先设定的阈值。当深度神经网络中的系数确定后，即可得到振动加速度计算模型。
需要说明的是，用一个轨道车辆的动态响应来反映不同轨道路段的不平顺程度具有一定的局限性。因此，作为一种优选实现方式，可基于多个轨道车辆的动态响应来评价轨道的不平顺程度，从而提升轨道不平顺评估结果的准确性。
本发明提供的轨道不平顺检测评估***不仅实现了轨道不平顺的在线高速检测及分析，同时实现了与轨道不平顺基准的比对，实现了轨道不平顺的在线评估。
基于上述任一实施例，图4为本发明提供的轨道不平顺检测评估方法的流程图，该方法是基于本发明提供的轨道不平顺检测评估***实现的。如图4所示，本发明提供的轨道不平顺检测评估方法，包括：
步骤401、获取检测用轨道车辆运行过程中车体的姿态数据、检测用轨道车辆的速度信息以及检测用轨道车辆的位置信息，并基于所述姿态数据对目标轨道的轨道廓形数据进行坐标变换；其中，所述轨道廓形数据是通过对目标轨道进行扫描得到的。
在本步骤中，可从轨道不平顺检测评估***中的惯性补偿及定位模块102获得检测用轨道车辆运行过程中车体的姿态数据、检测用轨道车辆的速度信息以及检测用轨道车辆的位置信息。
其中，检测用轨道车辆运行过程中车体的姿态数据包括测试坐标系的测试基准相对于轨道中心线的摇头角度、侧滚角度、垂向位移和横向位移。
在本步骤中，可从轨道不平顺检测评估***中的激光扫描模块101获得目标轨道的轨道廓形数据。激光扫描模块101扫描得到的轨道廓形数据是在测试坐标系下的，因此需要根据姿态数据将其转换到轨道中心线坐标系下。
具体的说，摇头角度、侧滚角度、垂向位移和横向位移完整地描述了测试坐标系相对于轨道中心线坐标系的偏移量，因此，利用上述偏移量可将目标轨道的轨道廓形数据由测试坐标系转换到轨道中心线坐标系下。
步骤402、根据所述经过坐标变换的轨道廓形数据、检测用轨道车辆的速度信息以及检测用轨道车辆的位置信息，得到目标轨道的三维数据，并根据所述目标轨道的三维数据，计算所述目标轨道的不平顺值。
本步骤具体包括：将同一时间点的轨道廓形数据、速度信息以及位置信息对应起来，然后基于这些数据通过三维重构的方式重构目标轨道的三维模型。在三维重构的过程中，基于轨道廓形数据可得到目标轨道上任意一点的YZ坐标，通过速度信息和位置信息可确定目标轨道上任意一点的X坐标。重构所得到的三维模型以轨道中心线坐标系为基准，包含了目标轨道的轨道三维数据。
得到目标轨道的三维数据后可以按国家和行业标准计算目标轨道的垂向不平顺、横向不平顺以及复合不平顺。
本发明提供的轨道不平顺检测评估方法通过二维激光扫描技术与惯性补偿技术的综合使用，可以以较高的时速完成轨道不平顺检测，测试时间短，测试效率高。
基于上述任一实施例，在步骤402之后，方法还包括：
根据所述目标轨道的不平顺值以及预设的轨道不平顺标准值，对所述目标轨道进行局部峰值评价和区段均值评价。
在得到目标轨道的轨道不平顺值之后，根据国家和/或行业标准可以得到轨道的标准值。计算轨道不平顺值与轨道的标准值之间的偏差，可以得到偏差值。
根据所得到的偏差值实现动态轨道不平顺容许偏差管理，分为局部峰值评价和区段均值评价。
如何进行局部峰值评价以及如何进行区段均值评价已经在之前的实施例中做了详细说明，因此不在此处重复。
本发明提供的轨道不平顺检测评估方法通过将目标轨道的不平顺值与轨道不平顺基准的比对，实现了轨道不平顺的在线评估。
基于上述任一实施例，在步骤402之后，方法还包括：
根据目标轨道的不平顺值、检测用轨道车辆的速度值、检测用轨道车辆的轮对廓形、检测用轨道车辆在目标轨道上的轮轨接触锥度以及目标轨道的不平顺激扰波长频率，得到用于反映轨道不平顺评估结果的检测用轨道车辆的振动加速度。
本步骤具体包括：
将检测用轨道车辆的运行速度和轮对廓形、检测用轨道车辆在目标轨道上的轮轨接触锥度、目标轨道的不平顺值、目标轨道的不平顺激扰波长频率输入预先训练的振动加速度计算模型，得到检测用轨道车辆的振动加速度；
当检测用轨道车辆的振动加速度满足检测用轨道车辆在目标轨道的当前路段上的振动加速度限值时，结束流程，当不满足时，将其他检测用轨道车辆的运行速度和轮对廓形、其他检测用轨道车辆在目标轨道上的轮轨接触锥度、目标轨道的不平顺值、目标轨道的不平顺激扰波长频率输入预先训练的振动加速度计算模型，以重新进行评估；其中，
所述振动加速度计算模型是基于样本检测用轨道车辆的速度值、样本检测用轨道车辆的振动加速度值、样本轮轨接触锥度、样本轨道不平顺值、样本轨道不平顺激扰波长频率训练得到的。
在本实施例中，振动加速度计算模型可利用深度神经网络实现。例如，建立一个含有N个隐层、1个任务的深度神经网络(Deep Neural Network，简称DNN)网络，其架构的表达式如下：
[DNN]＝Feedforward(K；H1,H2,L Hn；Zmain；M,a)
其中，K＝{k1,k2,L,kn}，ki＝{ki1,ki2,L,kid}T为输入样本；Zmain＝{z1 main,z2 main,L,zn main}为任务Yacc的样本标签，n表示样本数；zi main为每个样本的期望值，具体取值为0或1；M为权值矩阵，a为偏置向量；H1,H2,……,HN为隐层神经元个数，网络初始化参数为：M＝random_uniform()，a＝zero(0)。
然后从测试数据中得到车辆振动加速度(构架横向振动加速度、车体横向振动加速度)以及轨道不平顺、钢轨廓形、踏面锥度等物理量，为车辆振动加速度与轨道不平顺、钢轨廓形、踏面锥度等物理量建立轮轨匹配关系样本，利用这些样本数据通过深度学习训练Yacc任务，从而对深度学习完善函数Yacc中的系数加以调整，直至深度学习完善函数Yacc中的系数的变化值小于预先设定的阈值。当深度神经网络中的系数确定后，即可得到振动加速度计算模型。
本发明提供的轨道不平顺检测评估方法通过检测用轨道车辆对目标轨道的动态响应，实现了目标轨道的轨道不平顺的在线高速检测及分析。
本发明还提供了一种轨道车辆，包括：所述的轨道不平顺检测评估***。
本发明提供的轨道车辆通过二维激光扫描技术与惯性补偿技术的综合使用，可以以较高的时速完成轨道不平顺检测，具有测试时间短，测试效率高的优点。
图5是本发明提供的电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行轨道不平顺检测评估方法，该方法包括：
获取检测用轨道车辆运行过程中车体的姿态数据、检测用轨道车辆的速度信息以及检测用轨道车辆的位置信息，并基于所述姿态数据对目标轨道的轨道廓形数据进行坐标变换；其中，所述轨道廓形数据是通过对目标轨道进行扫描得到的；
根据所述经过坐标变换的轨道廓形数据、检测用轨道车辆的速度信息以及检测用轨道车辆的位置信息，得到目标轨道的三维数据，并根据所述目标轨道的三维数据，计算所述目标轨道的不平顺值。
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的轨道不平顺检测评估方法，该方法包括：
获取检测用轨道车辆运行过程中车体的姿态数据、检测用轨道车辆的速度信息以及检测用轨道车辆的位置信息，并基于所述姿态数据对目标轨道的轨道廓形数据进行坐标变换；其中，所述轨道廓形数据是通过对目标轨道进行扫描得到的；
根据所述经过坐标变换的轨道廓形数据、检测用轨道车辆的速度信息以及检测用轨道车辆的位置信息，得到目标轨道的三维数据，并根据所述目标轨道的三维数据，计算所述目标轨道的不平顺值。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的轨道不平顺检测评估方法，该方法包括：
获取检测用轨道车辆运行过程中车体的姿态数据、检测用轨道车辆的速度信息以及检测用轨道车辆的位置信息，并基于所述姿态数据对目标轨道的轨道廓形数据进行坐标变换；其中，所述轨道廓形数据是通过对目标轨道进行扫描得到的；
根据所述经过坐标变换的轨道廓形数据、检测用轨道车辆的速度信息以及检测用轨道车辆的位置信息，得到目标轨道的三维数据，并根据所述目标轨道的三维数据，计算所述目标轨道的不平顺值。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种轨道不平顺检测评估***，其特征在于，安装在检测用轨道车辆上，***包括：激光扫描模块(101)，惯性补偿及定位模块(102)，数据融合及处理模块(103)以及评估模块(104)；其中，
所述激光扫描模块(101)用于扫描目标轨道，得到所述目标轨道的轨道廓形数据；
所述惯性补偿及定位模块(102)用于获取所述检测用轨道车辆运行过程中车体的姿态数据、所述检测用轨道车辆的速度信息以及所述检测用轨道车辆的位置信息，并基于所述姿态数据对所述轨道廓形数据进行坐标变换；
所述数据融合及处理模块(103)根据经过坐标变换的轨道廓形数据、所述检测用轨道车辆的速度信息以及所述检测用轨道车辆的位置信息，得到目标轨道的三维数据，并根据所述目标轨道的三维数据，计算所述目标轨道的不平顺值；
所述评估模块(104)用于根据目标轨道的不平顺值、检测用轨道车辆的速度值、检测用轨道车辆的轮对廓形、检测用轨道车辆在目标轨道上的轮轨接触锥度以及目标轨道的不平顺激扰波长频率，得到用于反映轨道不平顺评估结果的检测用轨道车辆的振动加速度；
其中，所述检测用轨道车辆的振动加速度基于预先训练的振动加速度计算模型得到，所述预先训练的振动加速度计算模型基于深度神经网络构建。
2.根据权利要求1所述的轨道不平顺检测评估***，其特征在于，所述惯性补偿及定位模块(102)包括惯性测量单元、定位单元、测速传感器以及惯性补偿单元；其中，
所述惯性测量单元用于获取所述检测用轨道车辆运行过程中车体的姿态数据；其中，所述姿态数据包括：测试坐标系中的测试基准相对于轨道中心线坐标系中的轨道中心线的摇头角度、侧滚角度、垂向位移以及横向位移；
所述定位单元用于获取所述检测用轨道车辆的位置信息；
所述测速传感器用于获取所述检测用轨道车辆的速度数据；
所述惯性补偿单元根据所述摇头角度、所述侧滚角度、所述垂向位移以及所述横向位移，将所述轨道廓形数据在测试坐标系中的坐标值转换到在所述轨道中心线坐标系中的坐标值。
3.根据权利要求1或2所述的轨道不平顺检测评估***，其特征在于，所述评估模块(104)还用于根据目标轨道的不平顺值以及预设的轨道不平顺标准值，对所述目标轨道进行局部峰值评价和区段均值评价。
4.一种基于权利要求1至3任一项所述的轨道不平顺检测评估***所实现的轨道不平顺检测评估方法，其特征在于，包括：
获取检测用轨道车辆运行过程中车体的姿态数据、检测用轨道车辆的速度信息以及检测用轨道车辆的位置信息，并基于所述姿态数据对目标轨道的轨道廓形数据进行坐标变换；其中，所述轨道廓形数据是通过对目标轨道进行扫描得到的；
根据所述经过坐标变换的轨道廓形数据、检测用轨道车辆的速度信息以及检测用轨道车辆的位置信息，得到目标轨道的三维数据，并根据所述目标轨道的三维数据，计算所述目标轨道的不平顺值。
5.根据权利要求4所述的轨道不平顺检测评估方法，其特征在于，在所述计算所述目标轨道的不平顺值的步骤之后，方法还包括：
根据所述目标轨道的不平顺值以及预设的轨道不平顺标准值，对所述目标轨道进行局部峰值评价和区段均值评价。
6.根据权利要求4所述的轨道不平顺检测评估方法，其特征在于，在所述计算所述目标轨道的不平顺值的步骤之后，方法还包括：
根据目标轨道的不平顺值、检测用轨道车辆的速度值、检测用轨道车辆的轮对廓形、检测用轨道车辆在目标轨道上的轮轨接触锥度以及目标轨道的不平顺激扰波长频率，得到用于反映轨道不平顺评估结果的检测用轨道车辆的振动加速度。
7.根据权利要求6所述的轨道不平顺检测评估方法，其特征在于，所述根据目标轨道的不平顺值、检测用轨道车辆的速度值、检测用轨道车辆的轮对廓形、检测用轨道车辆在目标轨道上的轮轨接触锥度以及目标轨道的不平顺激扰波长频率，得到用于反映轨道不平顺评估结果的检测用轨道车辆的振动加速度，包括：
将检测用轨道车辆的运行速度和轮对廓形、检测用轨道车辆在目标轨道上的轮轨接触锥度、目标轨道的不平顺值、目标轨道的不平顺激扰波长频率输入预先训练的振动加速度计算模型，得到检测用轨道车辆的振动加速度；
当检测用轨道车辆的振动加速度满足检测用轨道车辆在目标轨道的当前路段上的振动加速度限值时，结束流程，当不满足时，将其他检测用轨道车辆的运行速度和轮对廓形、其他检测用轨道车辆在目标轨道上的轮轨接触锥度、目标轨道的不平顺值、目标轨道的不平顺激扰波长频率输入预先训练的振动加速度计算模型，以重新进行评估；其中，
所述振动加速度计算模型是基于样本检测用轨道车辆的速度值、样本检测用轨道车辆的振动加速度值、样本轮轨接触锥度、样本轨道不平顺值、样本轨道不平顺激扰波长频率训练得到的。
8.一种轨道车辆，其特征在于，包括：权利要求1至3任一项所述的轨道不平顺检测评估***。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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如权利要求4至7任一项所述轨道不平顺检测评估方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求4至7任一项所述轨道不平顺检测评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110461015.8A CN113358053B (zh) | 2021-04-27 | 2021-04-27 | 轨道不平顺检测评估***、方法、电子设备及轨道车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110461015.8A CN113358053B (zh) | 2021-04-27 | 2021-04-27 | 轨道不平顺检测评估***、方法、电子设备及轨道车辆 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113358053A CN113358053A (zh) | 2021-09-07 |
| CN113358053B true CN113358053B (zh) | 2023-02-24 |
Family
ID=77525580
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110461015.8A Active CN113358053B (zh) | 2021-04-27 | 2021-04-27 | 轨道不平顺检测评估***、方法、电子设备及轨道车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113358053B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113983984B (zh) * | 2021-10-28 | 2024-04-16 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 轨道检测***所在构架的运动姿态测量方法及装置 |
| CN114162169B (zh) * | 2021-10-28 | 2023-04-07 | 北京自动化控制设备研究所 | 惯性及激光扫描仪联合在线标定方法 |
| CN114162170B (zh) * | 2021-10-29 | 2023-09-12 | 北京自动化控制设备研究所 | 一种轨道测量***及测量方法 |
| CN113919236A (zh) * | 2021-10-29 | 2022-01-11 | 中国国家铁路集团有限公司 | 预测轨道不平顺的模型生成方法和轨道不平顺的预测方法 |
| CN114413759A (zh) * | 2022-02-08 | 2022-04-29 | 北京城建设计发展集团股份有限公司 | 一种轨道运维***、方法及电子设备 |
| CN114754962B (zh) * | 2022-03-10 | 2023-03-17 | 西南交通大学 | 一种确定落轴高度的方法、装置、电子设备和存储介质 |
| CN114954562B (zh) * | 2022-04-25 | 2024-07-09 | 中国国家铁路集团有限公司 | 低阶车轮多边形识别方法及装置 |
| CN114964046B (zh) * | 2022-06-21 | 2023-06-02 | 湖南科天健光电技术有限公司 | 钢轨廓形的测量方法、装置、设备及介质 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102337710A (zh) * | 2010-07-19 | 2012-02-01 | 西安奥通数码科技有限公司 | 一种gps轨道不平顺检测***及其检测方法 |
| CN102521432A (zh) * | 2011-11-18 | 2012-06-27 | 北京交通大学 | 轨道不平顺状态的安全性评判方法 |
| CN104032629A (zh) * | 2014-06-10 | 2014-09-10 | 南京理工大学 | 一种垂向轨道长波不平顺在线监测方法及*** |
| CN104260754A (zh) * | 2014-10-08 | 2015-01-07 | 南京理工大学 | 基于轴箱振动加速度的轨道高低不平顺预测***及方法 |
| CN107284473A (zh) * | 2017-06-21 | 2017-10-24 | 北京铁科英迈技术有限公司 | 轨道检测***及方法 |
| CN107380204A (zh) * | 2017-08-11 | 2017-11-24 | 暨南大学 | 轨道几何参数检测车及轨道几何参数检测方法 |
| CN108032868A (zh) * | 2017-11-30 | 2018-05-15 | 中国铁道科学研究院 | 一种列车轨道检测***及方法 |
| CN109034192A (zh) * | 2018-06-20 | 2018-12-18 | 西南交通大学 | 一种基于深度学习的轨道-车体振动状态预测方法 |
| EP3431359A1 (en) * | 2016-03-15 | 2019-01-23 | Nippon Steel & Sumitomo Metal Corporation | Track state evaluation method, device, and program |
| CN109649433A (zh) * | 2019-01-30 | 2019-04-19 | 暨南大学 | 槽型轨不平顺检测方法、计算机装置和计算机可读存储介质 |
| CN109664797A (zh) * | 2019-02-27 | 2019-04-23 | 襄阳国铁机电股份有限公司 | 轨网检测***及检测车 |
| CN110530300A (zh) * | 2019-09-05 | 2019-12-03 | 西南交通大学 | 一种轨道垂向不平顺测量方法 |
| CN110588709A (zh) * | 2019-09-10 | 2019-12-20 | 中国铁道科学研究院集团有限公司 | 铁道基础设施检测*** |
| CN111461288A (zh) * | 2020-03-02 | 2020-07-28 | 暨南大学 | 一种轨道几何参数全速段检测方法及*** |
| CN111895996A (zh) * | 2020-08-09 | 2020-11-06 | 宁波一直轨道科技有限公司 | 高速轨道检测***及方法 |
| CN112240752A (zh) * | 2019-07-17 | 2021-01-19 | 中车长春轨道客车股份有限公司 | 随车检验轨道车辆动态包络线的测试装置和测试方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100480627C (zh) * | 2007-10-26 | 2009-04-22 | 北京航空航天大学 | 一种钢轨磨耗综合参数车载动态测量装置及方法 |
| CN103343498B (zh) * | 2013-07-24 | 2015-01-14 | 武汉大学 | 一种基于ins/gnss的轨道不平顺检测***及方法 |
| CN109117536B (zh) * | 2018-07-31 | 2021-04-20 | 西南交通大学 | 一种轨道不平顺评价参数的检测方法 |
-
2021
- 2021-04-27 CN CN202110461015.8A patent/CN113358053B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102337710A (zh) * | 2010-07-19 | 2012-02-01 | 西安奥通数码科技有限公司 | 一种gps轨道不平顺检测***及其检测方法 |
| CN102521432A (zh) * | 2011-11-18 | 2012-06-27 | 北京交通大学 | 轨道不平顺状态的安全性评判方法 |
| CN104032629A (zh) * | 2014-06-10 | 2014-09-10 | 南京理工大学 | 一种垂向轨道长波不平顺在线监测方法及*** |
| CN104260754A (zh) * | 2014-10-08 | 2015-01-07 | 南京理工大学 | 基于轴箱振动加速度的轨道高低不平顺预测***及方法 |
| EP3431359A1 (en) * | 2016-03-15 | 2019-01-23 | Nippon Steel & Sumitomo Metal Corporation | Track state evaluation method, device, and program |
| CN107284473A (zh) * | 2017-06-21 | 2017-10-24 | 北京铁科英迈技术有限公司 | 轨道检测***及方法 |
| CN107380204A (zh) * | 2017-08-11 | 2017-11-24 | 暨南大学 | 轨道几何参数检测车及轨道几何参数检测方法 |
| CN108032868A (zh) * | 2017-11-30 | 2018-05-15 | 中国铁道科学研究院 | 一种列车轨道检测***及方法 |
| CN109034192A (zh) * | 2018-06-20 | 2018-12-18 | 西南交通大学 | 一种基于深度学习的轨道-车体振动状态预测方法 |
| CN109649433A (zh) * | 2019-01-30 | 2019-04-19 | 暨南大学 | 槽型轨不平顺检测方法、计算机装置和计算机可读存储介质 |
| CN109664797A (zh) * | 2019-02-27 | 2019-04-23 | 襄阳国铁机电股份有限公司 | 轨网检测***及检测车 |
| CN112240752A (zh) * | 2019-07-17 | 2021-01-19 | 中车长春轨道客车股份有限公司 | 随车检验轨道车辆动态包络线的测试装置和测试方法 |
| CN110530300A (zh) * | 2019-09-05 | 2019-12-03 | 西南交通大学 | 一种轨道垂向不平顺测量方法 |
| CN110588709A (zh) * | 2019-09-10 | 2019-12-20 | 中国铁道科学研究院集团有限公司 | 铁道基础设施检测*** |
| CN111461288A (zh) * | 2020-03-02 | 2020-07-28 | 暨南大学 | 一种轨道几何参数全速段检测方法及*** |
| CN111895996A (zh) * | 2020-08-09 | 2020-11-06 | 宁波一直轨道科技有限公司 | 高速轨道检测***及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于神经网络的轨道车辆振动预测;耿松、柴晓冬、郑树彬;《计算机测量与控制》;20141231;第22卷(第11期);第3525-3527页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113358053A (zh) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113358053B (zh) | 轨道不平顺检测评估***、方法、电子设备及轨道车辆 | |
| Haigermoser et al. | Road and track irregularities: measurement, assessment and simulation | |
| CN108562446B (zh) | 基于轴箱振动时频域特征车轮多边形检测方法及终端设备 | |
| JP2005315675A (ja) | 路面平坦性測定装置 | |
| Allotta et al. | A new strategy for dynamic weighing in motion of railway vehicles | |
| Muñoz et al. | Estimation of lateral track irregularity using a Kalman filter. Experimental validation | |
| CN113415308B (zh) | 钢轨波磨检测方法及装置 | |
| US20070246612A1 (en) | Processing of Railway Track Data | |
| Firus | A contribution to moving force identification in bridge dynamics | |
| AU2020414026B2 (en) | Track displacement measuring device, track displacement measuring system, and track displacement measuring method | |
| Quirke et al. | The calibration challenge when inferring longitudinal track profile from the inertial response of an in-service train | |
| JP7257729B2 (ja) | 橋梁の共振検出方法とその共振検出装置及び橋梁の共振検出プログラム | |
| Naganuma et al. | Development of an inertial track geometry measuring trolley and utilization of its high-precision data | |
| CN113091835A (zh) | 基于边缘计算和大数据的网轨隧综合检测装置及方法 | |
| RU97113196A (ru) | Способ контроля состояния рельсового пути и устройство для его осуществления | |
| Bhardwaj et al. | Signal feature extraction and combination to enhance the detection and localization of railroad track irregularities | |
| WO2004009422A1 (en) | Assessment of railway track geometry | |
| JP6770414B2 (ja) | 乗り心地測定方法及び装置 | |
| Boronahin et al. | Application of regression analysis for data processing of inertial track monitoring system | |
| Sun et al. | Rail short-wavelength irregularity identification based on wheel-rail impact response measurements and simulations | |
| RU220802U1 (ru) | Путеизмерительный вагон для контроля параметров рельсового пути на основе пассажирского железнодорожного вагона | |
| JP7488776B2 (ja) | 橋梁の共振検出方法とその共振検出装置及び橋梁の共振検出プログラム | |
| Prasetyo et al. | A Review on the Development of a Track Irregularity Measurement Tool | |
| Xu et al. | Data processing for rail level dynamic inspection based on an adaptive Kalman filter | |
| RU2793310C1 (ru) | Устройство для контроля состояния рельсового пути и для определения его пространственных координат |
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 |