【技术实现步骤摘要】
本专利技术涉及铁路监测，尤其涉及一种高速铁路无砟轨道路基服役性能评价方法及系统。
技术介绍
1、随着我国轨道交通建设的快速发展，无砟轨道结构因其低维修量、高稳定性、强耐久度的优点在轨道交通建设中尤其是高速铁路中得到了广泛应用，由于高速铁路存在列车运行速度快、运营里程长以及运输量大等特点，轨道结构的服役安全至关重要。但，轨道结构几何调整能力有限，对下部路基结构的变形十分敏感，由于高铁线路分布呈线性，具有跨度广、地质条件分布不均、气候条件差异大的特点，路基填土压实后在上部轨道载荷、行车、降雨以及地下水等因素作用下，高铁沿线出现部分地表区域沉降、边坡滑移、路基不均匀沉降、侧向挤出以及翻浆冒泥等病害，从而对上部轨道结构的安全造成风险路段，因此，需要定期对轨道路基进行服役性能的监测和评价来保证路基处于安全水平。目前，无砟轨道路基的监测和评价过程需要人工到现场进行数据采集，数据采集过程耗时耗力，且为了避免出现监测盲区，每一段无砟轨道路基的性能数据都需要进行对应的采集，效率十分低下，而且，性能评价指标又难以形成统一标准，缺乏合理、准确、高效的评估体系。可见，现有的无砟轨道路基服役性能评价方法存在效率低下、准确性较低的问题。
技术实现思路
1、本专利技术提供了一种高速铁路无砟轨道路基服役性能评价方法及系统，以解决现有的无砟轨道路基服役性能评价方法存在效率低下、准确的较低的问题。
2、为了实现上述目的，本专利技术通过如下的技术方案来实现：
3、第一方面，本专利技术提供一种高速
4、基于对空监测系统获取无砟轨道路基的基面数据，基于所述基面数据确定病患数据，并基于所述病患数据确定病患区间；
5、基于对车监测系统获取无砟轨道的钢轨数据，基于所述钢轨数据确定轨检不良数据，并基于所述轨检不良数据确定轨道不良区间；
6、根据所述病患区间和所述轨道不良区间划分风险路段和病患路段，通过对轨监测系统获取所述风险路段和所述病患路段的轨道动态响应数据，通过对地监测系统获取所述风险路段和所述病患路段的路基静态响应及物态数据；
7、基于所述轨道动态响应数据和所述路基静态响应及物态数据构建样本数据集，并对所述轨道动态响应数据和所述路基静态响应及物态数据进行权重计算得到各指标参数对应的权重系数；
8、基于所述样本数据集和所述权重系数计算无砟轨道路基服役性能的评价指标系数，并将所述评价指标系数与预设评价阈值进行对比得到无砟轨道路基对应的服役性能评价结果。
9、可选的，所述基于对空监测系统获取无砟轨道路基的基面数据，基于所述基面数据确定病患数据，包括：
10、通过对空监测系统获取无砟轨道路基的地表数据，并将所述地表数据作为无砟轨道路基的基面数据；
11、在所述基面数据中识别地表存在变形的特征区域，并基于所述特征区域在基面数据中确定病患数据。
12、可选的，所述基于对车监测系统获取无砟轨道的钢轨数据，基于所述钢轨数据确定轨检不良数据，包括：
13、通过对车监测系统获取无砟轨道的钢轨数据，并通过钢轨评价指标计算确定钢轨评价指标，其中，钢轨数据包括：左轨向数据、右轨向数据、左高低数据、右高低数据、水平数据、轨距数据、三角坑数据，计算式如下式所示：
14、；
15、式中， t1为钢轨评价指标， xij为钢轨数据中7项指标连续采样点的随机测值，n为单位区段的采样个数， xi为第 i项指标幅值；
16、将所述钢轨评价指标与预设钢轨质量评价阈值进行对比，在所述钢轨评价指标小于等于预设钢轨质量评价阈值时，将所述钢轨评价指标确定为轨检不良数据。
17、可选的，所述根据所述病患区间和所述轨道不良区间划分风险路段和病患路段，包括：
18、将所述病患区间和所述轨道不良区间的并集区间划分为风险路段，将所述病患区间和所述轨道不良区间的交集划分为病患路段。
19、可选的，所述通过对轨监测系统获取所述风险路段和所述病患路段的轨道动态响应数据，通过对地监测系统获取所述风险路段和所述病患路段的路基静态响应及物态数据，包括：
20、通过对轨监测系统获取所述风险路段和所述病患路段的轨道板加速度数据、轨道板动应变数据、层间离缝数据、支撑层加速度数据、支撑层动应变数据、板底脱空数据，并将上述数据作为轨道动态响应数据；
21、通过对地监测系统获取所述风险路段和所述病患路段的路基加速度数据、路基动应变数据、路基不均匀沉降数据、含水率和密实度数据，并将上述数据作为路基静态响应及物态数据。
22、可选的，所述基于所述样本数据集和所述权重系数计算无砟轨道路基服役性能的评价指标系数，包括：
23、对样本数据集中的数据与该数据对应的权重系数进行路基服役性能综合评价计算，得到对应路基服役性能的评价指标系数，其计算式如下式所示：
24、；
25、式中， q表示评价指标系数， wi表示权重系数， ri表示样本数据集数据；
26、权重系数的获取步骤如下所示：
27、构建bp神经网络模型，基于所述样本数据集中数据的数量建立神经网络模型的输入层神经元节点，并构建bp神经网络模型的输出层；
28、将所述样本数据集中的数据作为bp神经网络模型的输入数据，并将bp神经网络的输出数据作为权重系数。
29、可选的，所述将所述评价指标系数与预设评价阈值进行对比得到无砟轨道路基对应的服役性能评价结果，包括：
30、设置评价阈值q，评价阈值q中从大到小包括安全阈值、良好阈值、较差阈值和差阈值；
31、将所述评价指标系数与预设评价阈值进行对比，当所述评价指标系数小于等于差阈值时，对当前路基服役性能评价为服役性能差，当所述评价指标系数大于差阈值且小于等于较差阈值时，对当前路基服役性能评价为服役性能较差，当所述评价指标系数大于较差阈值且小于等于良好阈值时，对当前路基服役性能评价为服役性能良好，当所述评价指标系数大于良好阈值且小于等于安全阈值时，对当前路基服役性能评价为服役性能安全；
32、将服役性能差、服役性能较差、服役性能良好、服役性能安全作为无砟轨道路基对应的服役性能评价结果。
33、可选的，所述方法还包括：
34、获取风险路段和病患路段中无砟轨道路基的轨检数据、轨道数据和路基数据，并对轨检数据、轨道数据和路基数据进行预处理、调用、数据分析、数值分析和评价指标设置，判断风险本文档来自技高网...
【技术保护点】
1.一种高速铁路无砟轨道路基服役性能评价方法，应用于一种高速铁路无砟轨道路基服役性能评价系统，其特征在于，所述系统包括：对空监测系统（1）、对轨监测系统（2）、对地监测系统（3）以及对车监测系统（4），所述方法包括：
2.根据权利要求1所述的高速铁路无砟轨道路基服役性能评价方法，其特征在于，所述基于对空监测系统（1）获取无砟轨道路基的基面数据，基于所述基面数据确定病患数据，包括：
3.根据权利要求1所述的高速铁路无砟轨道路基服役性能评价方法，其特征在于，所述基于对车监测系统（4）获取无砟轨道的钢轨数据，基于所述钢轨数据确定轨检不良数据，包括：
4.根据权利要求1所述的高速铁路无砟轨道路基服役性能评价方法，其特征在于，所述根据所述病患区间和所述轨道不良区间划分风险路段和病患路段，包括：
5.根据权利要求1所述的高速铁路无砟轨道路基服役性能评价方法，其特征在于，所述通过对轨监测系统（2）获取所述风险路段和所述病患路段的轨道动态响应数据，通过对地监测系统（3）获取所述风险路段和所述病患路段的路基静态响应及物态数据，包括：
6.
7.根据权利要求1所述的高速铁路无砟轨道路基服役性能评价方法，其特征在于，所述将所述评价指标系数与预设评价阈值进行对比得到无砟轨道路基对应的服役性能评价结果，包括：
8.根据权利要求1所述的高速铁路无砟轨道路基服役性能评价方法，其特征在于，所述方法还包括：
9.根据权利要求8所述的高速铁路无砟轨道路基服役性能评价方法，其特征在于，所述方法还包括：基于健康状况评价结果，对风险路段和病患路段进行修复或刚度补偿；
10.一种高速铁路无砟轨道路基服役性能评价系统，其特征在于，还包括处理器、存储器；
...【技术特征摘要】
1.一种高速铁路无砟轨道路基服役性能评价方法，应用于一种高速铁路无砟轨道路基服役性能评价系统，其特征在于，所述系统包括：对空监测系统（1）、对轨监测系统（2）、对地监测系统（3）以及对车监测系统（4），所述方法包括：
2.根据权利要求1所述的高速铁路无砟轨道路基服役性能评价方法，其特征在于，所述基于对空监测系统（1）获取无砟轨道路基的基面数据，基于所述基面数据确定病患数据，包括：
3.根据权利要求1所述的高速铁路无砟轨道路基服役性能评价方法，其特征在于，所述基于对车监测系统（4）获取无砟轨道的钢轨数据，基于所述钢轨数据确定轨检不良数据，包括：
4.根据权利要求1所述的高速铁路无砟轨道路基服役性能评价方法，其特征在于，所述根据所述病患区间和所述轨道不良区间划分风险路段和病患路段，包括：
5.根据权利要求1所述的高速铁路无砟轨道路基服役性能评价方法，其特征在于，所述通过对轨监测系统（2）获取...
【专利技术属性】
技术研发人员：余志武，刘维正，伍军，郜凤龙，谈遂，黄轩嘉，张思宇，师嘉文，
申请(专利权)人：高速铁路建造技术国家工程研究中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。