專利名稱：一種地面測試鐵道車輛輪軌力的連續化處理方法
技術領域：
本發明涉及一種鐵道車輛輪軌力的測試方法。
背景技術：
隨著重載鐵路和高速鐵路的快速發展，輪軌動態相互作用力(簡稱輪軌力)直接 影響著鐵道機車車輛運行品質及輪軌磨損，是鐵路列車運行安全狀態的主要影響因素之 一，也是列車運行過程中需要重點監控的性能指標之一。現有的輪軌力測試方法可分為軌道地面測試和測力輪對測試兩種。軌道地面測試 是在鐵路軌道上設置一段測試區域，將傳感器安裝在鋼軌上，然后通過傳感器采集輪對與 鋼軌間的作用力，這是一種基于鋼軌應變來獲取輪軌力的方法；而測力輪對測試是將傳感 器件安裝于測力輪對上，利用車輪的應變來獲取輪軌力，測試前，需將測力輪對替換列車某 個輪對。測力輪對測試方法能夠獲得連續的輪軌力，但僅能獲得裝有測力輪對裝置的車輛 的輪軌力。如果要測試整輛列車運行過程中所有輪對的輪軌力，就必須在整輛列車所有的 輪對安裝傳感器。這樣將增加昂貴的測試成本，且更換輪對時需嚴格確保工藝，否則將給列 車帶來安全隱患。因此，測力輪對測試法很難實現某一區段的任意車輛、任意輪對下的輪軌 力測試與獲取，從而無法對任意車輛的任意車輪進行安全狀態(如扁疤與擦傷)檢測。軌道地面測試，可以檢測通過該測試區段各測點任意車輛、任意輪對下的輪軌力， 并將檢測數據傳輸到安全分析中心，對車輛運行安全性能實時監控。但是在軌道測試中，傳 感器的布置點是固定的、有限的，輪對轉一圖時通常只能測出離散的4-15個固定點的輪軌 力值，而無法獲取輪對經過其它位置(或時間點)時的輪軌力。這樣就導致測出的輪軌力 具有離散特征，不是連續變化的。由于某些位置(或時間點)的輪軌力未知，在評價車輛運 行安全性方面，該方法得到的輪軌力信息具有非常明顯的局限性，從而無法精確檢測輪對 的安全運用狀態。
發明內容
本發明的目的就是提供一種地面測試鐵道車輛輪軌力的連續化處理方法，該方法 通過對軌道地面測試處理可得出軌道車輛的連續輪軌力，從而得知輪對在所有位置(或時 間點)的輪軌力，能更有效地檢測輪對的安全運用狀態，更可靠地評價車輛運行的安全性。本發明實現其發明目的所采用的技術方案是，一種地面測試鐵道車輛輪軌力的連 續化處理方法，其步驟為A、通過軌道地面測試，獲得輪對經過軌道測試區的輪軌力測試數據和對應的時間 數據，去掉小于閾值的數據形成相互分離的波形數據，再取出每個波形數據中的最大值，得 到離散的輪軌力數據及其對應的時間數據；B、利用離散的輪軌力數據及其對應的時間數據，對單隱層的徑向基神經網絡進行 訓練，使其達到預先設定的精度，完成神經網絡的訓練；
3
C、以0. 0005-0. 001秒的時間為步長，輸入時間數據，由完成訓練的神經網絡進行
仿真計算，得到連續化的輪軌力數據，從而測試出軌道車輛經過軌道測試區的連續輪軌力。與現有技術相比，本發明的有益效果是1、軌道地面測試輸出的輪軌力測試數據為軌道上定點安裝的傳感器采集的該點 軌道的應變，因此，其輸出的測試數據既包括輪對通過該點時的輪軌力，也包括輪對通過該 點附近區域與較遠處時在該點產生的應變力，本發明通過去除小于閾值的數據形成相互分 離的波形數據即去除輪對在較遠處時在該點產生的應變力，而保留了輪對通過該點及其附 近時產生的應變力；然后取出每個波形數據中的最大值，即得到離散的輪軌力也即輪對經 過傳感器安裝點的輪軌作用力。再通過神經網絡方法計算出各個時刻的輪軌作用力，即可 得出輪對通過軌道測試區各個位置點的輪軌作用力。而無需改變傳感器的貼片位置、增加 貼片數量、采用復雜的激勵電壓等，簡單有效的實現了連續輪軌力的測試，其實現成本低， 操作簡單，易于推廣、應用。2、在輪軌力連續化過程中，并不是盲目的采用插值擬合，而是采用非線性映射能 力與狀態描述能力強的單隱層的徑向基神經網絡算法，很好的考慮到了輪軌力的非平穩 性，使其輸出結果更精確、可靠。綜上所述，利用本發明方法能夠將軌道地面測試獲得的輪軌力測試數據轉換成精 確、可靠的連續輪軌力，即獲得輪對在測試區域所有位置(或時間點)的輪軌力，能更有效 地檢測輪對的安全運用狀態，更可靠地評價車輛運行的安全性。上述步驟B中，對單隱層的徑向基神經網絡進行訓練的方法為正交最小二乘學習 算法，設定的精度為0. 005-0. 03。正交最小二乘學習算法運算收斂速度快，0. 005-0. 03的精度既能滿足誤差要求， 也使本發明的運算復雜度低，速度快。
圖1是在軌道地面測試中獲得的一段輪軌力原始測試數據。圖2是圖1的輪軌力原始測試數據采用本發明實施例的A步操作處理后得到的離 散的輪軌力數據，選擇的時間區域為0. 655S-0. 755s,時間零點對應輪對剛進入測試區域的 時刻。圖3是利用圖2的數據對神經網絡進行訓練完成之后的精度對比，圖中的“ ”號 為離散的輪軌力數據，“ + ”號為通過神經網絡輸出的相應的輪軌力仿真數據。圖4是圖1數據采用本發明實施例方法處理后得到的連續輪軌力值。
具體實施例方式下面結合實例對本發明做進一步的詳細說明。1、一種地面測試鐵道車輛輪軌力的連續化處理方法，其步驟為A、通過軌道地面測試，獲得輪對經過軌道測試區的輪軌力測試數據和對應的時間 數據，去掉小于閾值的數據形成相互分離的波形數據，再取出每個波形的數據中的最大值， 得到離散的輪軌力數據及其時間數據。本發明在實施時，閾值只要滿足大于軌道地面測試時輪軌力測試數據中的噪聲的最大值且小于輪軌力的最小值的條件即可，通常的取值為0. 9-2噸。某一個輪對經過軌道地面測區時的輪軌力測試數據作為原始數據，如圖1 ；通過A 步處理后得到的離散輪軌力數據如圖2。圖2中選擇的時間區域為0. 655s-0. 755s,時間零 點對應輪對剛進入測試區域的時刻。B、利用離散的輪軌力數據及其時間數據，對單隱層的徑向基神經網絡進行訓練， 使其達到預先設定的精度，完成神經網絡的訓練。本例中，對單隱層的徑向基神經網絡進行訓練的方法為正交最小二乘學習算法。徑向基神經網絡的算法為現有技術，其具體的構成為輸入層，一層隱層和輸出 層。輸入信號為時間，輸出信號為對應的輪軌力；隱層的神經元數目在訓練過程確定，隨著 訓練的次數的增加而增加。隱層神經元中，傳遞函數采用高斯函數。本例中，輸出與輸入的具體函數關系為
權利要求
1.一種地面測試鐵道車輛輪軌力的連續化處理方法，其步驟為A、通過軌道地面測試，獲得輪對經過軌道測試區的輪軌力測試數據和對應的時間數 據，去掉小于閾值的數據形成相互分離的波形數據，再取出每個波形數據中的最大值，得到 離散的輪軌力數據及其對應的時間數據；B、利用離散的輪軌力數據及其對應的時間數據，對單隱層的徑向基神經網絡進行訓 練，使其達到預先設定的精度，完成神經網絡的訓練；C、以0.0005-0. 001秒的時間為步長，輸入時間數據，由完成訓練的神經網絡進行仿真 計算，得到連續化的輪軌力數據，從而獲得軌道車輛經過軌道測試區的連續輪軌力。
2.根據權利要求1所述的一種地面測試鐵道車輛輪軌力的連續化處理方法，其特征在 于，所述步驟B中，對單隱層的徑向基神經網絡進行訓練的方法為正交最小二乘學習算法， 設定的精度為0. 005-0. 03。
全文摘要
一種地面測試鐵道車輛輪軌力的連續化處理方法，其步驟為A、通過軌道地面測試，獲得輪對經過軌道測試區的輪軌力測試數據和對應的時間數據，去掉小于閾值的數據形成相互分離的波形數據，再取出每個波形數據中的最大值，得到離散的輪軌力數據及其時間數據；B、利用離散的的輪軌力數據及其時間數據，對單隱層的徑向基神經網絡進行訓練，使其達到設定的精度；C、以0.0005-0.001秒的時間為步長，輸入時間數據，由神經網絡進行仿真計算，得到連續化的輪軌力數據，從而測試出軌道車輛經過軌道測試區的連續輪軌力。該方法可測出連續輪軌力，得知所有位置的輪軌力，能更有效地檢測輪對的安全運用狀態，更可靠地評價車輛運行的安全性。
文檔編號G01L5/00GK102072789SQ20101052993
公開日2011年5月25日 申請日期2010年11月3日 優先權日2010年11月3日
發明者農漢彪, 劉建新, 張兵, 李奕璠, 王開云, 王竣, 王超峰 申請人:西南交通大學