基于PCA和TCN-Attention的重载铁路钢轨剥离伤损退化趋势预测

作     者：王忠美 吴海波 刘建华 何静 聂芃轩 WANG Zhong-mei;WU Hai-bo;LIU Jian-hua;HE Jing;NIE Peng-xuan

作者机构：湖南工业大学轨道交通学院株洲412007 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2024年第24卷第28期

页      面：12333-12341页

学科分类：08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：国家重点研发计划(2021YFF05011) 湖南省教育厅青年项目(22B0586) 湖南省教育厅项目(2022JGYB185) 

主　　题：剥离伤损 退化趋势 时间卷积网络 注意力机制 

摘      要：重载铁路在高强度的运输过程中极易导致钢轨产生剥离、磨耗等伤损影响行车安全,为了保证铁路的安全运行,对钢轨的伤损状态监测和预测是非常重要的。然而,目前钢轨伤损检测方法主要以人工道路巡检为主,检测结果存在主观性强、伤损程度量化难、伤损退化趋势预测难等问题。针对现有问题,提出一种基于主成分分析(principal component analysis,PCA)和TCN-Attention(temporal convolutional networks with attention)的重载铁路钢轨剥离伤损退化趋势预测新方法。首先,从钢轨剥离伤损振动信号中提取时域、频域特征,并采用PCA对提取到的高维特征进行降维;其次,利用时序样本间特征的差异性,构建出钢轨剥离伤损退化指标描述退化趋势性,解决伤损状态度量难的问题;利用TCN网络模型结合Attention机制对有效特征的关注提升模型的预测精度;最后,利用某铁路机务段采集的钢轨从正常到出现损伤直至失效的全生命周期振动数据,对所提方法的有效性进行验证,实验结果表明:所提出的方法能准确地预测钢轨剥离伤损的退化趋势。