高速鐵路線路安全狀態(tài)評估理論與關(guān)鍵算法研究項目摘要

軌道檢測車動態(tài)獲取的線路不平順是評價高速鐵路線路安全狀態(tài)最為重要的線路參數(shù)。由于檢測車輛與實際運營的各種列車在速度、軸重、懸掛系統(tǒng)等存在差異，檢測車輛動態(tài)獲取的軌道不平順參數(shù)不能反映運營列車通過時的線路真實狀態(tài)。本課題重點研究基于車輛軌道耦合動力模型的多尺度非線性濾波算法，融合車載慣性敏感元件獲取的車輛運動數(shù)據(jù)和軌道檢測設(shè)備獲取的軌道動態(tài)不平順數(shù)據(jù)，估計軌道靜態(tài)不平順參數(shù)和軌道動力學(xué)模型參數(shù)。以此為基礎(chǔ)，構(gòu)建真實的軌道數(shù)學(xué)模型，結(jié)合不同運營列車的數(shù)學(xué)模型，通過仿真運算獲得各種運營列車在不同速度下通過時，可能經(jīng)歷的軌道不平順?biāo)剑u估列車運行的安全性和舒適性，為線路養(yǎng)護維修、列車設(shè)計選型和運行組織等提供科學(xué)依據(jù)。本課題的研究將有助于建立更為科學(xué)的高速鐵路線路安全狀態(tài)評估理論和評價體系，對于我國正在自主開發(fā)和大規(guī)模建設(shè)的時速350公里以上高速鐵路具有重要意義。

首先在已有車輛軌道耦合模型的基礎(chǔ)上，仿真分析了不同線路（不同軌道不平順）、不同列車運行速度、不同車輛類型作用下車輛軌道動態(tài)振動特性，為軌道幾何不平順的估計提供了仿真數(shù)據(jù)。 為實現(xiàn)利用運營車輛的車輛振動響應(yīng)感知軌道幾何靜態(tài)不平順，提出了一種基于微種群遺傳算法和車輛軌道耦合模型相結(jié)合的軌道幾何靜態(tài)不平順估計算法，將軌道幾何靜態(tài)不平順看做車輛軌道耦合模型非線性系統(tǒng)的一個參數(shù)，進而將軌道不平順求解轉(zhuǎn)換為模型參數(shù)的估計。參數(shù)估計準(zhǔn)則采用車輛軌道耦合模型與車輛測量模型輸出之差平方和最小，利用遺傳算法在解空間內(nèi)直接搜索軌道靜態(tài)不平順的最優(yōu)解。由于車輛軌道耦合模型動力學(xué)方程為大型非線性方程組，為縮短計算時間和計算量，研究了改進的微種群遺傳算法，撇棄了一般微種群遺傳算法中的重啟步驟，增大了變異概率，在進化過程中使用了最優(yōu)保留策略，仿真計算結(jié)果表明估計的軌道幾何靜態(tài)不平順在檢測誤差允許范圍內(nèi)。 軌道基礎(chǔ)結(jié)構(gòu)缺陷引起的剛度突變是造成軌道剛度不平順的主要原因，在列車通過時會引起較大的動態(tài)不平順。在分析了軌道基礎(chǔ)結(jié)構(gòu)缺陷下車輛軌道動態(tài)響應(yīng)的基礎(chǔ)上，提出了一種基于支持向量機和車輛振動響應(yīng)進行軌道剛度突變的識別算法，為了提高軌道剛度不平順的識別率和分類準(zhǔn)確性，在支持向量機的參數(shù)選擇上，使用了粒子群算法和遺傳算法，設(shè)計了改進的支持向量機，通過仿真分析表明這兩種算法對于提高分類準(zhǔn)確率和縮短計算時間都十分有效，在軌道基礎(chǔ)結(jié)構(gòu)缺陷的識別中取得了良好效果，同時為構(gòu)建真實的軌道模型進行軌道動態(tài)不平順估計奠定了基礎(chǔ)。 由于測量傳感器和理論模型都存在誤差，為了提高軌道不平順的估計精度，提出了一種基于遺傳算法和無跡卡爾曼濾波（UKF）技術(shù)相嵌套的軌道動態(tài)不平順優(yōu)化算法。借助車輛軌道耦合模型、測量傳感器的已知特性，優(yōu)化軌道振動響應(yīng)，提高軌道動態(tài)不平順的估計精度。仿真結(jié)果表明，經(jīng)過GA與UKF嵌套算法后的軌道幾何靜態(tài)不平順、車輛、軌道振動響應(yīng)精度都得到了提高，減小了軌道動態(tài)不平順估計誤差。研究結(jié)果實現(xiàn)了根據(jù)車輛振動響應(yīng)估計不同運營列車不同速度通過時的軌道動態(tài)不平順，為實現(xiàn)車對地的檢測提供了一種新的解決方案。 2100433B

在連續(xù)狀態(tài)轉(zhuǎn)移算法中，

狀態(tài)轉(zhuǎn)移算法狀態(tài)轉(zhuǎn)換算子

(1) 旋轉(zhuǎn)變換（Rotation Transformation, RT）

這里

(2)平移變換（Translation Transformation, TT）

這里

(3)伸縮變換（Expansion Transformation, ET）

這里

(4)坐標(biāo)搜索（Axesion Transformation, AT）

這里

狀態(tài)轉(zhuǎn)移算法鄰域和采樣

對于一個給定的當(dāng)前狀態(tài)

對于給定的

狀態(tài)轉(zhuǎn)移算法更新策略

在給定當(dāng)前最好解

狀態(tài)轉(zhuǎn)移算法基本連續(xù)狀態(tài)轉(zhuǎn)移算法的流程

基本連續(xù)狀態(tài)轉(zhuǎn)移算法由上面介紹的狀態(tài)變換算子，采樣機制與更新策略融合而成，其算法的流程如下：

Step 1：隨機產(chǎn)生一個初始解

Step 2: 基于當(dāng)前最好解

Step 3: 基于當(dāng)前最好解

Step 4: 基于當(dāng)前最好解

Step 5: 置

狀態(tài)轉(zhuǎn)移算法基本連續(xù)狀態(tài)轉(zhuǎn)移算法背后的原理

• 伸縮變換算子具有在整個空間進行搜索的能力，使其滿足全局性；

• 旋轉(zhuǎn)變換算子中，當(dāng)旋轉(zhuǎn)因子充分小時，當(dāng)前的最好解將變成一個局部最優(yōu)解，即；

• 更新策略可以保證狀態(tài)轉(zhuǎn)移算法的收斂性，因為

且假定

• 采樣機制(它有效地避免了窮舉)和各種狀態(tài)轉(zhuǎn)變算子的交替使用可以很好的節(jié)省搜索時間;

• 狀態(tài)轉(zhuǎn)移中對變換因子的調(diào)整可以控制搜索空間的幾何形態(tài)。

過程挖掘旨在從業(yè)務(wù)過程執(zhí)行產(chǎn)生的事件日志中挖掘有價值的客觀信息，這些信息對部署新的業(yè)務(wù)系統(tǒng)（過程建模），或者分析、審計、改進已實施的業(yè)務(wù)系統(tǒng)（變化分析）具有重要的參考價值與現(xiàn)實意義。近年來各種過程挖掘算法發(fā)展非常迅速，但缺乏通用的方法來評估由這些算法發(fā)現(xiàn)的過程模型的質(zhì)量，進而很難對算法的優(yōu)劣進行客觀評價。本項目嘗試建立一個包含三部分內(nèi)容的過程挖掘算法評估框架：(1)提供具有各類典型特征的多組事件日志以及對應(yīng)參考模型作為公共測試集（含過程模型及日志自動生成工具）；(2)提供一組常見過程建模語言到Petri網(wǎng)的轉(zhuǎn)換工具；(3)提供一整套針對Petri網(wǎng)的綜合度量工具。本項目的研究將有助于形成過程挖掘算法的基準(zhǔn)測試平臺，從而推動過程挖掘技術(shù)的成熟和完善；同時將有助于推廣過程挖掘技術(shù)在企業(yè)中的實際應(yīng)用，降低業(yè)務(wù)過程建模、審計和優(yōu)化的難度，提高業(yè)務(wù)過程管理的效率和效益，進而提高企業(yè)的核心競爭力。

狀態(tài)檢修理論與工程應(yīng)用研究正進入蓬勃發(fā)展階段。為實現(xiàn)狀態(tài)監(jiān)測、狀態(tài)評估的現(xiàn)有研究成果定量地指導(dǎo)檢修決策，擬展開以下研究：(1)可靠性研究。從統(tǒng)計分析角度研究基于狀態(tài)評估結(jié)果的輸變電設(shè)備平均可靠性，建立基于時間、狀態(tài)的可靠性模型以指導(dǎo)中長期檢修決策；從物理機理角度研究基于關(guān)鍵狀態(tài)量的動態(tài)可靠性模型以指導(dǎo)短期檢修決策。（2）檢修經(jīng)濟性研究。從成本、效益兩方面建立輸變電設(shè)備檢修經(jīng)濟性的評價體系和評價模型。（3）在安全、經(jīng)濟的總目標(biāo)下構(gòu)建統(tǒng)一的檢修決策框架。探討決策準(zhǔn)則、決策條件、備選方案的分類方法以及各種決策方法的適用特點，解決單設(shè)備檢修時機、檢修方式?jīng)Q策模型與方法，以及多設(shè)備協(xié)調(diào)決策及聯(lián)檢決策模型與方法。檢修決策理論研究具有深遠(yuǎn)的理論意義和重大的工程實用價值。