一种基于人工神经网络的铁路路基预警系统及方法技术方案

本发明专利技术涉及一种基于人工神经网络的铁路路基预警系统及方法，针对不同的填料类型建立若干预测模型，并进行训练；根据每层的填料类型，选择对应的预测模型进行沉降量预测；对各个监测位置每层的沉降量预测值，根据地理位置绘制生成三维曲面；搜索每个三维曲面的极大值及曲率变化极大值，并判断极大值是否超过阈值，如果超过则输出相应的报警信息。本发明专利技术针对填料种类不同，构建多个预测模型，使用中根据每一层的填料种类不同，分别选择不同的预测模型，充分考虑了不同填料沉降特性的差异，提高了预测的准确性。本发明专利技术的预测方法不仅能反映出局部变化，还能获取沿轨道的沉降变化，对沉降和轨道的高低变化同时进行监测。

【技术实现步骤摘要】
一种基于人工神经网络的铁路路基预警系统及方法
本专利技术涉及铁路路基监测
，尤其涉及一种基于人工神经网络的铁路路基预警系统及方法。
技术介绍
在实际工程应用中，路基在恒载与活载共同作用下要有足够的强度和稳定性，要求路基强度不会因温度的变化或某种原因引起的沉降变形而显著降低，从而降低铁路的平顺性能。当荷载或自然因素作用产生的应力或变形超过路基允许强度或允许变形时，路基则可能发生破坏。路基破坏会大大降低铁路的使用性。路基的沉降监测已作为路基施工控制的一项重要内容，实际工程中对于变形量大的路基工程一般都要进行沉降监测，如软土路基、湿陷性黄土路基、盐渍土路基、冻土路基以及各种高填方路基等。高速铁路运营期沉降(尤其是不均匀沉降)对高速行车的舒适性、安全性构成巨大威胁，因此欲解决其运营期沉降问题，需要采取可靠的手段进行实时在线监测，从而为高速铁路安全运营提供技术保障。因此，保证路基的强度和稳定性，必须采取有效的预测手段，及时发现路基的沉降风险。传统的预测方式，采用影响沉降的因素建立预测模型，影响因素主要来源于监测量，不能完整地反映沉降的影响因素，预测精度较低；采用历史数据作为输入量的预测模型，无法反映动态载荷的影响，局限性较大。
技术实现思路
为了实现铁路路基结构沉降的准确预测，本专利技术提供一种基于人工神经网络的铁路路基预警系统及方法，一方面采用分层预测的方式实现对局部沉降的监测；另一方面实现对沿轨道沉降的分布式监测，保证了监测的准确性和全面性。为达到上述目的，本专利技术提供了一种基于人工神经网络的铁路路基预警系统，包括若干采集模块、局部预测模块、曲面生成模块以及预警模块；所述采集模块采集不同监测位置铁路路基各层的沉降值、应力、倾斜角度以及铁路路基表层的温度和湿度；所述局部预测模块基于所述采集模块发送数据采用相应的预测模型预测沉降量，并分别输出预测的每个监测点各层的沉降量；所述曲面生成模块将各个监测点各层的沉降预测值，进行插值后，将每层沉降值按照地理位置绘制三维曲面；所述预警模块对各层的三维曲面搜索极大值及曲率变化极大值，并判断极大值是否超过沉降阈值，曲率变化极大值是否超过铁路轨道高低阈值，如果任一超过则输出相应的报警信息。进一步地，所述采集模块包括分层沉降仪检测铁路路基各层的沉降值，应力传感器采集各层的应力值，倾斜角度传感器采集各层倾斜角度，温度传感器采集路基表层的温度，湿度传感器采集路基表层的湿度。进一步地，所述预测模型为经训练满足精度要求的人工神经网络构建的预测模型，根据孔隙比的范围或级配，构建若干预测模型；所述局部预测模块根据每层填料的类型设置该层采用的预测模型。进一步地，所述预测模型输入为设定时间间隔的多个沉降值、下一层沉降量、倾斜角度、应力、温度、湿度以及孔隙比；输出为预测的沉降量。进一步地，所述预警模块根据轨道位置和轨枕位置，获取每个轨枕平面范围内的铁路路基基床表层的三维曲面；获取同一轨枕上部两侧轨道的沉降的最大值、和最小值、，计算以及，查找该轨枕上部两侧轨道的初始差值，叠加两个沉降差值，如果叠加后的任一轨道差值超过了轨道差阈值，则输出轨道间超差报警，并输出对应轨枕的位置。进一步地，报警信息包括故障位置和故障原因，故障位置为监测位置；故障原因包括沉降超差、高低超差或轨道间超差。进一步地，还包括报警模块，基于所述采集模块采集不同监测位置铁路路基各层的沉降值进行判断，如果沉降值超过累积沉降阈值或与上一次沉降值比较超过分时沉降阈值，则输出报警信息。本专利技术另一方面提供一种基于人工神经网络的铁路路基预警方法，包括如下步骤：（1）针对不同的填料类型建立若干预测模型，并进行训练；（2）根据铁路路基每层的填料类型，选择对应的预测模型，获取每层填料的孔隙率；采集每个监测位置的铁路路基各层沉降数据、倾斜角度、应力、温度、湿度，并输入对应的模型进行沉降量预测；（3）将各个监测位置各层的沉降预测值，进行插值后，将每层沉降值按照地理位置绘制三维曲面；（4）对各层的三维曲面搜索极大值及曲率变化极大值，并判断极大值是否超过沉降阈值，曲率变化极大值是否超过铁路轨道高低阈值，如果任一超过则输出相应的报警信息。进一步地，所述训练包括：获取每种的铁路路基填料的监测数据，包括历史沉降量及对应的下层沉降量、倾斜角度、应力、温度、湿度，结合该种铁路路基填料的孔隙形成训练样本库；从训练样本库中选取样本作为输入，进行训练，直至满足精度要求，完成训练并进行封装。进一步地，步骤（4）还包括根据轨道位置和轨枕位置，获取每个轨枕平面范围内的铁路路基基床表层的三维曲面；获取同一轨枕上部两侧轨道的沉降的最大值、和最小值、，计算以及，查找该轨枕上部两侧轨道的初始差值，叠加两个沉降差值，如果叠加后的任一轨道差值超过了轨道差阈值，则输出轨道间超差报警，并输出对应轨枕的位置。进一步地，所述报警信息包括故障位置和故障原因，故障位置为监测位置；故障原因包括沉降超差、高低超差或轨道间超差。进一步地，还包括步骤（5）基于所述采集模块采集不同监测位置铁路路基各层的沉降值进行判断，如果沉降值超过累积沉降阈值或与上一次沉降值比较超过分时沉降阈值，则输出报警信息。本专利技术的上述技术方案具有如下有益的技术效果：（1）本专利技术针对填料种类不同，构建多个预测模型，使用中根据每一层的填料种类不同，分别选择不同的预测模型，充分考虑了不同填料沉降特性的差异，提高了预测的准确性。（2）本专利技术的预测方法不仅能反映出局部变化，还能获取沿轨道的沉降变化，对沉降和轨道的高低变化同时进行监测。（3）本专利技术的预测模型基于历史沉降数据进行预测，同时考虑了下层沉降量、应力、温度、湿度以及倾斜角度变化对沉降的影响，针对类型的不同设置了孔隙率作为输入，优选的输入量类型进一步保证了沉降预测的精度。（4）本专利技术进一步根据轨枕位置，定位出两条轨道的对应位置，基于沉降曲面获取两条轨道对应位置的沉降差值的最大值，与初始差值进行叠加，实现轨道间高低差值的预警监测。附图说明图1是铁路路基预警系统结构示意图；图2为铁路路基结构示意图；图3为4层的人工神经网络示意图；图4为铁路路基预警流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本专利技术进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本专利技术的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本专利技术的概念。本专利技术一方面提供一种基于人工神经网络的铁路路基预警系统，结合图1，包括若干采集模块、局部预测模块、曲面生成模块以及预警模块。（1）采集模块采集模块分布在轨道路基各处，采集预测所需物理参数，包括沉降仪、应力传感器、倾斜角度传感器、温度传感器、湿度传感器以及数据采集装置。如图2所示沉降仪采用分层沉降仪，测量该监测本文档来自技高网...

【技术保护点】
1.一种基于人工神经网络的铁路路基预警系统，其特征在于，包括若干采集模块、局部预测模块、曲面生成模块以及预警模块；/n所述采集模块采集不同监测位置铁路路基各层的沉降值、应力、倾斜角度以及铁路路基表层的温度和湿度；/n所述局部预测模块基于所述采集模块发送数据采用相应的预测模型预测沉降量，并分别输出预测的每个监测点各层的沉降量；/n所述曲面生成模块将各个监测点各层的沉降预测值，进行插值后，将每层沉降值按照地理位置绘制三维曲面；/n所述预警模块对各层的三维曲面搜索极大值及曲率变化极大值，并判断极大值是否超过沉降阈值，曲率变化极大值是否超过铁路轨道高低阈值，如果任一超过则输出相应的报警信息。/n

【技术特征摘要】
1.一种基于人工神经网络的铁路路基预警系统，其特征在于，包括若干采集模块、局部预测模块、曲面生成模块以及预警模块；
所述采集模块采集不同监测位置铁路路基各层的沉降值、应力、倾斜角度以及铁路路基表层的温度和湿度；
所述局部预测模块基于所述采集模块发送数据采用相应的预测模型预测沉降量，并分别输出预测的每个监测点各层的沉降量；
所述曲面生成模块将各个监测点各层的沉降预测值，进行插值后，将每层沉降值按照地理位置绘制三维曲面；
所述预警模块对各层的三维曲面搜索极大值及曲率变化极大值，并判断极大值是否超过沉降阈值，曲率变化极大值是否超过铁路轨道高低阈值，如果任一超过则输出相应的报警信息。


2.根据权利要求1所述的基于人工神经网络的铁路路基预警系统，其特征在于，所述采集模块包括分层沉降仪检测铁路路基各层的沉降值，应力传感器采集各层的应力值，倾斜角度传感器采集各层倾斜角度，温度传感器采集路基表层的温度，湿度传感器采集路基表层的湿度。


3.根据权利要求1或2所述的基于人工神经网络的铁路路基预警系统，其特征在于，所述预测模型为经训练满足精度要求的人工神经网络构建的预测模型，根据孔隙比的范围或级配，构建若干预测模型；所述局部预测模块根据每层填料的类型设置该层采用的预测模型。


4.根据权利要求3所述的基于人工神经网络的铁路路基预警系统，其特征在于，所述预测模型输入为设定时间间隔的多个沉降值、下一层沉降量、倾斜角度、应力、温度、湿度以及孔隙比；输出为预测的沉降量。


5.根据权利要求1或2所述的基于人工神经网络的铁路路基预警系统，其特征在于，所
述预警模块根据轨道位置和轨枕位置，获取每个轨枕平面范围内的铁路路基基床表层的三
维曲面；获取同一轨枕上部两侧轨道的沉降的最大值和最小值，计算沉降差值，查找该轨枕上部两侧
轨道的初始差值，叠加两个沉降差值，如果叠加后的任一轨道差值超过了轨道差阈值，则输
出轨道间超差报警，并输出对应轨枕的位置。


6.根据权利要求5所述的基于人工神经网络的铁路路基预警系统，其特征在于，报警信息包括故障位置和故障原因，故障位置为监测位置；故障原因包括沉降超差、高低超差或轨道间超差。


7.根据权利要求5所述...

【专利技术属性】
技术研发人员：蒋梦，张怀，钟雯清，王鹤，康秋静，高占建，黄玉君，
申请(专利权)人：北京大成国测科技有限公司，
类型：发明
国别省市：北京;11