略說對高鐵的建模分析

前言：本站為你精心整理了略說對高鐵的建模分析范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

1案例分析

利用計算機編程語言編程實現了本文提出的預測模型，并采集了從京九線上行K427+150~K482+750區段共19次的軌檢車波形數據(此期間該段線路未受到過大型養路機械作業等干擾)。經過里程校正、指標計算等一系列數據預處理過程后，模型實現了對該段線路2224個25m單元區段不平順狀態的連續預測，這里分別給出了K450+200單元軌道區段以及從較長線路區段高低不平順的預測結果，利用上述結果驗證了模型的有效性。

2單元軌道區段預測

當實施第5次檢測后，節中所述，程序用第5次檢測狀態(0)5x(t)替換最早一次檢測狀態(0)1x(t)生成新的狀態序列，重新建立預測模型；通過序列，模型可以實現對該單元區段高低不平順的連續預測。給出了日期ti高低不平順的檢測值(0)()ixt和預測值(0)()ixt(其中，i>4)以及對應的殘差e(0)(ti)和相對誤差r(ti)。中數據統計得到：左高低不平順指標15次預測的平均絕對誤差為0.033mm，平均相對誤差為1.56%；右高低不平順指標15次預測的平均絕對誤差為0.044mm，平均相對誤差為2.33%。所示為該區段左、右高低不平順指標實際檢測值與預測值的對比。可以看出：從20090813—20100604該單元區段左、右高低不平順的變化都是非線性的。(a)中，左高低劣化過程較為平緩，預測值與測量值變化的折線圖十分相近，預測精度非常理想；右高低在距離第1次檢測350d前后指標值有明顯下降，造成預測精度與左高低相比偏低，但用本文的預測模型仍然能夠較為準確的逼近其變化過程。綜合左、右高低不平順指標的預測結果，該單元區段15次預測的平均絕對誤差為0.039mm，平均相對誤差為1.95%。較長線路區段預測為進一步對模型進行驗證，程序計算了京九線上行K450+000到K450+600這600m線路所包含的24個25m單元區段9次檢測的實際狀態序列和預測狀態序列。所示分別為這600m線路左、右高低從的9次檢測預測值與實際值之間的對比結果。由可以發現：在線路左、右高低不平順連續預測狀態與軌檢車檢測得到的狀態非常接近。這600m線路包含的24個單元區段9次高低不平順預測的平均絕對誤差為0.0467mm，平均相對誤差為3.62%。

3結論

為提高預測精度，對模型進行了組合修正，京九線上行高低不平順的預測結果表明，模型具有較高的預測精度。為使模型能夠準確反映1個維修周期內軌道不平順的變化情況，當大型養路機械作業后，需要積累若干次的檢測數據再進行建模以保證預測精度?？紤]到不同波長的軌道不平順對車體和軌道的動力學響應不同，應用本文模型分析和預測不平順波長的變化，從而為工務部門制定養護維修計劃提供全面的技術支持是下一步的研究重點。以較短單元區段為研究對象，利用軌檢車檢測數據對單元區段各項不平順指標σi進行預測，預測結果可以用于把握軌道局部不平順劣化情況，準確定位病害處所。模型適用于相鄰兩次維修之間的軌道局部不平順預測，根據最新檢測數據不斷更新模型預測序列，不僅減小了預測所需數據規模，而且降低了舊有信息的干擾，能夠更好反映當前劣化特征。

作者：朱方容單位：西北鐵路總局