检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:张驰
机构地区:[1]北京市地铁运营有限公司运营一分公司,北京102206
出 处:《交通世界》2023年第22期3-6,共4页Transpoworld
摘 要:以北京市轨道交通某隧道区间钢轨病害检测为研究对象,采用数值仿真分析、机器学习的方法,对轨道交通服役期间钢轨侧面磨耗病害、表面波磨病害产生机理、磨损过程进行了研究,并建立了智能化的检测分析方法。研究表明,磨耗过程可以明显地划分为Ⅰ阶段、Ⅱ阶段和Ⅲ阶段,最终的磨耗由3个阶段的磨耗量叠加而成;随着钢轨曲线半径的增加,其波磨等级增长速率逐步减小,表明增大轨道的曲线半径可以有效改善波磨的发展,同时不管是何种曲线半径,列车累计的通行数量均对波磨的发展起到决定性作用,并呈现近线性发展的趋势;基于相对向量机法RVM的智能化检测方法,识别钢轨局部塌陷病害BH01的准确率为79.40%、识别钢轨接头塌陷叠加扣件劣化病害BH02的准确率为81.67%、识别钢轨焊接不平顺病害BH03的准确率为94.01%、识别钢轨表面波磨病害BH04的准确率为96.42%、识别钢轨侧向磨耗病害BH05的准确率为95.31%。
关 键 词:城市轨道交通 轨头侧面磨耗 表面波磨 扣件疲劳 性能劣化 智能检测
分 类 号:U216.9[交通运输工程—道路与铁道工程] U29-39
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.38