基于灰色区间预测模型的轨道不平顺状态预测

详细信息

Prediction for track irregularity based on gray interval prediction model

State Key Lab of Rail Traffic Control & Safety, Beijing Jiaotong University, Beijing 100044, China

摘要: 轨道不平顺状态是影响行车安全的关键因素。轨道质量指数（TQI）是反映轨道几何状态变化的重要数据,是一个随时间变化的时间序列,具有随机性。为了更好地研究轨道状态的变化趋势,利用灰色区间预测模型,对单元区段范围内随时间变化的TQI进行建模,并与传统的非等间距GM（1,1）预测模型相比较。为了说明预测模型的有效性,采用京九线K467.8~K468单元区段实际数据进行验证,结果表明灰色区间模型的预测精度更高,对铁路轨道养护维修工作起到指导作用。
- 轨道不平顺 /
- 灰色区间模型 /
- 轨道质量指数（TQI） /
- 预测
Abstract: Track irregularity status was a key factor affecting driving safety. Track Quality Index(TQI) could reflect the change of track geometry state. It was a time series changed with time and was with random characteristic. In order to study the change trend of track status better, the gray interval prediction model was developed to model over TQI which was changed with the range of the unit section of track, and compared with conventional non- equidistant GM(1,1) model. Effectiveness of the prediction model was validated by the actual data of Jingjiu Line K467.8~K468 unit section, The results showed that the gray zone model was with higher prediction accuracy.
- track irregularity /
- gray interval model /
- track quality index(TQI) /
- prediction

[1]	徐鹏.铁路线路轨道动态不平顺变化特征研究[D].北京：北京交通大学,2009.
[2]	Kawaguchi A, Miwa M, Terada K.Actual data analysis of align-ment irregularity growth and tis prediction model[J]. QR of RTRI, 2005, 46(7): 55-60.
[3]	许玉德,李海峰,周宇. 铁路轨道高低不平顺的预测方法[J]. 同济大学学报(自然科学版), 2003,31（3）：291-295.
[4]	常欢,刘仍奎,方圆.改进的轨道质量指数线性预测模型研究[J].铁路计算机应用,2010, 19（6）：1-3.
[5]	陈宪麦,王澜,杨凤春,等. 用于铁路轨道不平顺预测的综合因子法[J].中国铁道科学,2006,27（6）：27-31.
[6]	郑双忠,陈宝智.基于灰平面的综合事故率区间预测方法[J].中国安全科学学报,2001, 11（2）：27-30.
[7]	彭冬芝.灰平面预测法在水电施工事故预测中的应用[J].人民长江,2004,35（9）：56-58.

1.	闫昌浩，李平芳. 基于双目3D视觉技术的接触网几何参数动态检测系统. 铁路计算机应用. 2024(09): 68-77 . 本站查看
2.	冯新伟，黄宇祥，王忠立. 基于卷积块注意力模块和双向特征金字塔网络的接触网支持装置检测方法研究. 铁道技术监督. 2023(04): 16-24 . 百度学术
3.	蔡檬屿，郭旭，王浩帆，李良平，张瀚文. 基于深度学习的铁路辅助巡检系统. 铁路计算机应用. 2020(09): 12-15 . 本站查看
4.	王超. 基于卷积神经网络优化算法的列车智能测试系统技术研究. 铁路计算机应用. 2019(05): 1-5+10 . 本站查看
5.	薛宪堂，王登阳，张翼，周威，王燕国. 基于卷积神经网络的接触网支柱号识别方法研究. 铁路计算机应用. 2019(09): 11-15 . 本站查看