一种基于深度学习的有砟轨道道床含沙状态预测方法

    公开(公告)号:CN119647179A

    公开(公告)日:2025-03-18

    申请号:CN202411713852.5

    申请日:2024-11-27

    Abstract: 本发明提供一种基于深度学习的有砟轨道道床含沙状态预测方法,包括:建立风沙道床的离散元仿真模型并分析获得风沙道床在不同位置和深度区域的刚度参数;基于刚度参数,建立车辆‑沙化有砟轨道耦合有限元仿真模型并分析获得不同含沙状态下轨枕的振动加速度;将振动加速度作为训练数据并输入至构建的含沙状态预测模型,以对含沙状态预测模型训练,获得训练好的含沙状态预测模型,并利用训练好的含沙状态预测模型进行含沙状态预测,含沙状态预测模型是基于卷积神经网络和长短期记忆网络的深度学习模型。本发明能够对道床含沙状态进行高精度预测。对于指导线路养护维修作业和保障列车平稳运营具有重要参考价值。

    大型捣固稳定车作业效果预测方法及系统

    公开(公告)号:CN118278276A

    公开(公告)日:2024-07-02

    申请号:CN202410387829.5

    申请日:2024-04-01

    Abstract: 本发明提供一种大型捣固稳定车作业效果预测方法及系统,属于铁路有砟轨道道床力学状态预测技术领域,本发明在动力稳定装置‑有砟轨道耦合模型中输入轨道表面状态特征及道床质量状态,获得轨枕垂横向振动仿真信号,结合现场数据和仿真数据,利用卷积神经网络和长短时记忆神经网络的混合驱动数字孪生方法,实现实测振动信号与仿真模型的深度融合,以现场获取的稳定装置及轨枕振动信号为训练数据集,构建基于稳定装置振动特征的轨枕振动状态预测模型,实现不同线路条件及稳定作业参数条件下轨枕振动特征的准确还原。融合实测信号和仿真信号特征,构建大型捣固稳定车作业效果预测多层数字孪生模型,实现大机作业前后道床状态的快速检测、评估及预测。

    适用于极端气候特殊地质条件的韧性复合有砟轨道结构

    公开(公告)号:CN116988339A

    公开(公告)日:2023-11-03

    申请号:CN202310985211.4

    申请日:2023-08-07

    Abstract: 本发明提供一种适用于极端气候特殊地质条件的韧性复合有砟轨道结构,属于铁路新型轨道结构技术领域,该结构主要由钢轨本体、扣件系统本体、韧性复合单元、碎石道砟本体组成,其中韧性复合单元是由第一轨枕块、第二轨枕块、第一聚合块、第二聚合块、第一加强螺纹管、第二加强螺纹管构成。该新型结构具有现场或工厂制造,现场装配式施工,大变形区段单元化智能养修的特点,兼具离散体和连续体的优点,有很强的整体性、弹性和可维修性,可解决高速行车条件下道砟飞溅、高频冲击荷载作用下的传统散体道床的劣化和累积塑性变形大、极端气候和特殊地质区段线路维护困难等关键问题;可为极端气候和特殊地质区段铁路线路的建造与运维提供关键技术支撑。

Patent Agency Ranking