一种轨道高低不平顺预测方法及装置制造方法及图纸

本文涉及交通运输领域，尤其涉及一种轨道高低不平顺预测方法及装置。包括获取车辆运行数据，所述车辆运行数据包括车辆加速度及车辆速度；将所述车辆运行数据输入至预先建立的高低不平顺预测模型，获取高低不平顺数据，所述高低不平顺预测模型包括注意力网络、卷积神经网络及循环神经网络，所述注意力网络用于确定所述车辆运行数据的关注权重，所述卷积神经网络用于确定具有关注权重的车辆运行数据的波形特征；循环神经网络用于根据所述波形特征，确定高低不平顺数据。本方案可以实时预估不同铁路线路、不同轨下基础的轨道长波高低和中波高低，及时感知轨道状态变化，为调整轨道设备、保证列车安全运行提供了有力支撑，提高了列车运行的安全性。运行的安全性。运行的安全性。

【技术实现步骤摘要】
一种轨道高低不平顺预测方法及装置


[0001]本文涉及交通运输领域，可用于高速铁路领域，尤其是一种轨道高低不平顺预测方法、装置、计算机设备及存储介质。

技术介绍

[0002]目前高速列车已成为人们日常的出行方式，列车的安全运行是铁路交通运输的基础要求和必要保障，对列车及轨道的定期检测在交通运输中显得尤为重要。当列车通过较为显著的轨道几何不平顺的区段时，车辆各部件会产生相应的振动，影响行车安全及乘客乘坐体验。因此，稳定监测铁路轨道线路的实时几何形位并整治线路几何平顺性日趋重要。
[0003]现有技术中，测量轨道几何不平顺主要依靠综合检测列车或轨检车进行定期检测。但轨检车检测方法只能在车辆运营时间之外的固定时间内进行检查，轨检车的检测频次不足，导致难以有效获取轨道几何形位的劣化特征及发展规律；并且轨检车直到下次检测时才能发现突变病害。卡尔曼滤波方法难以建立和反演复杂的非线性动力学模型，缺乏实用性。
[0004]针对目前轨道不平顺测试效率低、反演复杂的问题，需要一种轨道高低不平顺预测方法和装置。
专利技术内容
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轨道高低不平顺预测方法，其特征在于，所述方法包括：获取车辆运行数据，所述车辆运行数据包括车辆加速度及车辆速度；将所述车辆运行数据输入至预先建立的高低不平顺预测模型，获取高低不平顺数据；其中，所述高低不平顺预测模型包括注意力网络、卷积神经网络及循环神经网络；所述注意力网络用于确定所述车辆运行数据的关注权重；所述卷积神经网络用于确定具有关注权重的车辆运行数据的波形特征；所述循环神经网络用于根据所述波形特征，确定高低不平顺数据。2.根据权利要求1所述的轨道高低不平顺预测方法，其特征在于，所述高低不平顺预测模型训练过程包括：确定所述车辆运行数据的样本数据集，所述样本数据集包括车辆历史加速度和车辆历史速度及对应的历史高低不平顺数据；根据所述样本数据集，训练高低不平顺预测模型中的参数。3.根据权利要求2所述的轨道高低不平顺预测方法，其特征在于，所述根据所述样本数据集，训练高低不平顺预测模型中的参数包括：确定所述高低不平顺预测模型中的注意力网络、卷积神经网络、循环神经网络的初始参数；将所述样本数据集输入至所述高低不平顺预测模型中，获取所述高低不平顺预测数据；根据所述高低不平顺预测数据与所述历史高低不平顺数据构建损失函数；利用所述损失函数训练所述预先建立的所述高低不平顺预测模型中各网络的参数。4.根据权利要求1所述的轨道高低不平顺预测方法，其特征在于，在获取车辆运行数据之后，还包括：对所述车辆运行数据执行数据预处理，其中，所述数据预处理至少包括：趋势项滤除、数据标准化、逆序处理。5.根据权利要求4所述的轨道高低不平顺预测方法，其特征在于，对所述车辆运行数据进行逆序处理包括：设置每相邻L+1个时间间隔的车辆运行数据为一数据组；将每一数据组进行倒序处理。6.根据权利要求4所述的...

【专利技术属性】
技术研发人员：杨飞，郝晓莉，刘贵宪，孙宪夫，魏子龙，杨建，邢梦婷，高雅，张煜，赵文博，
申请(专利权)人：中国铁道科学研究院集团有限公司北京铁科英迈技术有限公司，
类型：发明
国别省市：