基于神经网络的钢轨磨耗与通过总重关联关系的预测方法

作     者：姜涵文 高亮 安博伦 马超智 JIANG Hanwen;GAO Liang;AN Bolun;MA Chaozhi

作者机构：北京交通大学土木建筑工程学院北京100044 北京交通大学轨道工程北京市重点实验室北京100044 

出 版 物：《铁道学报》 (Journal of the China Railway Society)

年 卷 期：2021年第43卷第10期

页      面：75-83页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 0814[工学-土木工程] 0801[工学-力学（可授工学、理学学位）] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金(51827813 U1734206) 

主　　题：高速铁路 钢轨磨耗 神经网络 通过总重 钢轨打磨周期 

摘      要：为研究京沪高速铁路线路上钢轨磨耗深度与通过总重的关联关系,进而更加精准地确定钢轨打磨周期,首先基于TensorFlow架构建立钢轨磨耗-通过总重神经网络预测模型,实现通过输入钢轨磨耗深度、列车运行速度、轴重和轮轨廓形参数后预测通过总重的功能。然后建立包含动力学仿真模块、磨耗计算模块和钢轨廓形更新模块的钢轨磨耗仿真计算模型,将其计算结果作为预测模型的训练与测试数据。研究结果表明:钢轨磨耗-通过总重预测模型能够通过钢轨磨耗深度等参数准确预测通过总重,预测精度在93.28%~97.98%之间。该预测模型能够为精准确定京沪高速铁路钢轨打磨周期提供理论依据和参考。对比分析不同隐含层神经元数目的神经网络预测模型的训练结果可知,预测模型的均方误差(MSE)随隐含层神经元数目变化呈现波动态势,为提高神经网络预测精度,隐含层神经元数目需要合理选取。随着通过总重的增加,钢轨磨耗深度增大,轨头部分曲率半径增大。