鋼軌磨耗數據分析與預測研究.pdf

1、隨著近年來客貨運量的增加和列車運行速度的大幅度提升，線路上鋼軌磨耗程度日益嚴重。軌檢車采集的磨耗數據種類多，但單一類型磨耗數據其數據量較大，正常磨耗數據和超限磨耗數據混合在一起，缺少相應方法將超限數據分離并有效利用。
　　運用有效方法進行數據分析將磨耗超限數據分離，根據提取的超限數據進行鋼軌磨耗預測，不僅能夠準確掌握鋼軌變化趨勢為指導鋼軌更換或打磨作業(yè)提供科學依據，并且可以減少經濟損失和安全隱患。
　　結合鐵路局軌檢車采集的

2、檢測數據和參考相關區(qū)段磨耗情況，將垂直磨耗、側面磨耗作為數據分析和預測的主要研究對象，分析了鋼軌磨耗主要影響因素，總結出車速、軌距和軸重等幾個可用數值表征的影響參數。利用單類支持向量機進行磨耗數據分析，將磨耗超限數據進行分離并作為磨耗預測的參照。采用兩種不同方法進行了磨耗預測，根據總結的磨耗影響參數建立磨耗預測的非線性模型，將RBF(RadialBasisFunction，徑向基函數)模糊神經網絡運行于鋼軌磨耗預測模型中，并結合實際數據

3、進行了仿真實驗。根據小波多分辨率分析的特點和組合算法較高的泛化能力與預測精度，將小波分析和粒子群優(yōu)化最小二乘支持向量機組合算法應用于磨耗預測中，利用小波分解技術將數據按照頻率的不同分解成各分量信號，結合粒子群優(yōu)化最小二乘支持向量機對各分量進行預測，采用小波重構技術得到了完整的預測數據，結合具體線路數據進行預測仿真。
　　基于單類支持向量機的數據分析仿真結果表明該方法能夠實現數據分析，分類速度快并且具有較高的分類精度。對比RBF模糊