鐵路軌道健康管理網(wǎng)格化分析決策模型研究.pdf

1、鐵路軌道設備必須堅固穩(wěn)定，具有正確的幾何形位，確保行車安全。列車速度的高速化、列車載荷的重載化，對軌道設備的安全性、穩(wěn)定性和可靠性提出更高要求。因此，中國鐵路維修理念正逐步向“嚴檢慎修”、“精細修”、“準確修”、“預防修”、“集中修”等轉變。如何更全面、更科學地感知軌道設備健康狀態(tài)，如何更精準把握軌道設備狀態(tài)劣化規(guī)律既是軌道交通基礎設施設備管理領域中的重大理論問題，也是鐵路現(xiàn)場亟需解決的實際問題。
　　本文融合時空分析理論方法與大

2、數(shù)據(jù)等技術，在分析國內(nèi)外專家學者大量研究成果的基礎上，主要圍繞以下四個方面開展了研究。
　　(1)提出了鐵路基礎設施設備網(wǎng)格化管理方法。該管理方法適應鐵路基礎設施設備特征與狀態(tài)劣化特點，其核心在于把連續(xù)、長大的軌道設備劃細、劃小;從空間位置的角度出發(fā)把握設備，整合融合全生命周期數(shù)據(jù);對每個細小部分進行個性化的分析和建模，及精細化、精準化的管理。
　　(2)提出了一種新的鐵路軌道設備健康狀態(tài)綜合評定方法。該方法基于大數(shù)據(jù)技術與

3、鐵路基礎設施設備網(wǎng)格化管理方法，提出了一套軌道網(wǎng)格與部件的狀態(tài)評定指標體系與軌道網(wǎng)格與部件健康指數(shù)，完善了軌道設備既有的狀態(tài)評定指標體系。在此基礎上，提出了軌道網(wǎng)格（或部件）健康狀態(tài)評定模型，采用主成分分析方法，降低了軌道網(wǎng)格（或部件）多狀態(tài)評定指標數(shù)據(jù)的相關性，采用混合層次K均值聚類算法，確定了軌道網(wǎng)格（或部件）所有可能健康特征的集合及對應的健康指數(shù)的值域，采用樹擴張型樸素貝葉斯分類模型，確定了軌道網(wǎng)格（或部件）多狀態(tài)評定指標與相應健

4、康指數(shù)的關聯(lián)關系，直接判定軌道網(wǎng)格（或部件）健康指數(shù)，降低了健康狀態(tài)評定過程中管理者的主觀影響，使管理者能在較小的空間范圍內(nèi)更全面準確地掌握軌道設備整體健康狀態(tài)。作者采集了2016年3月份蘭新線上下行K548+000～K985+600里程范圍內(nèi)的893個軌道網(wǎng)格的狀態(tài)評定指標數(shù)據(jù)，驗證了健康狀態(tài)評定模型的有效性。結果表明，提出的健康狀態(tài)評定模型優(yōu)于鐵路現(xiàn)場既有的兩個常用的軌道健康狀態(tài)評定模型，其判定的軌道網(wǎng)格健康狀態(tài)的正確率達到90.8

5、％。
　　(3)提出了一種新的鐵路軌道晃車數(shù)據(jù)偏差糾正模型。軌道晃車數(shù)據(jù)是軌道設備健康狀態(tài)評定的關鍵數(shù)據(jù)之一，來源于機載式添乘儀檢測、便攜式添乘儀檢測、軌檢車檢測、動檢車檢測等多種檢測方式，但其一直存在較為嚴重的里程偏差、測量偏差問題。該模型基于大數(shù)據(jù)技術與鐵路基礎設施設備網(wǎng)格化管理方法，結合鐵路軌道設備狀態(tài)劣化的記憶性等特點，建立了軌道晃車數(shù)據(jù)篩選模型，深度挖掘大量同一檢測方式不同檢測時間的檢測數(shù)據(jù)，降低了軌道晃車數(shù)據(jù)偏差的影響

6、;建立了軌道晃車數(shù)據(jù)病害類型判定模型、病害等級判定模型，深度挖掘大量不同檢測方式較長時間跨度內(nèi)的檢測數(shù)據(jù)，可有效診斷晃車原因，降低了鐵路現(xiàn)場人員復核晃車病害的工作量。作者采集了2016年6月1日～2016年9月30日期間蘭新線下行K548+000～K985+500范圍內(nèi)的25480條車載式添乘儀、便攜式添乘儀的軌道晃車原始超限數(shù)據(jù)及2015年10月1日～2016年9月30日期間蘭新線下行相同里程范圍內(nèi)的117408條軌道幾何尺寸超限歷史

7、病害數(shù)據(jù)，驗證了軌道晃車數(shù)據(jù)偏差糾正模型的有效性。結果表明，模型篩選出的有效晃車數(shù)據(jù)的正確率達到89.8％，診斷出的軌道晃車原因的正確率在70.4％以上。
　　(4)提出了一種新的鐵路軌道設備狀態(tài)預測模型。該模型基于鐵路基礎設施設備網(wǎng)格化管理方法，以軌道網(wǎng)格（或部件）為研究對象，建立了軌道網(wǎng)格（或部件）狀態(tài)短期預測模型、狀態(tài)長期預測模型（即使用壽命評估模型），使管理者能在較小的空間上掌握具有線性、連續(xù)、長大特點的鐵路軌道設備的狀態(tài)

8、演變規(guī)律。
　　軌道網(wǎng)格（或部件）狀態(tài)短期預測模型用于預測在相鄰兩次維修間，軌道網(wǎng)格（或部件）在下一個檢查周期結束時的狀態(tài)等級。該模型結合軌道設備狀態(tài)劣化的異質(zhì)性、記憶性等特點，依據(jù)軌道網(wǎng)格（或部件）歷史狀態(tài)數(shù)據(jù)，采用樹擴張型樸素貝葉斯分類模型對每個軌道網(wǎng)格（或部件）狀態(tài)劣化趨勢進行個性化建模，確定軌道網(wǎng)格（或部件）未來狀態(tài)與歷史狀態(tài)的關聯(lián)規(guī)則。作者以軌道網(wǎng)格不平順狀態(tài)等級預測為例，采集了2008年2月至2010年7月期間京九線下

9、行K428+200～K480+600里程范圍內(nèi)154個軌道網(wǎng)格的軌檢車檢測數(shù)據(jù)，驗證了狀態(tài)短期預測模型的有效性。結果表明，模型預測出的軌道網(wǎng)格不平順狀態(tài)等級的正確率達到82.3％。
　　軌道網(wǎng)格（或部件）使用壽命評估模型用于評估軌道網(wǎng)格（或部件）的實際使用壽命。該模型結合鐵路軌道設備狀態(tài)劣化的異質(zhì)性、不確定性等特點，把軌道網(wǎng)格（或部件）狀態(tài)劣化過程劃分為若干階段（即若干狀態(tài)等級），利用不同的壽命分布函數(shù)描述軌道網(wǎng)格（或部件）在不同

10、狀態(tài)階段的壽命分布規(guī)律，采用Hazard模型定義軌道網(wǎng)格（或部件）壽命分布的失效率函數(shù)，采用Markov狀態(tài)轉移矩陣描述軌道網(wǎng)格（或部件）狀態(tài)等級在兩次維修間經(jīng)過一個檢查周期間隔時變化的不確定性。作者以鋼軌使用壽命評估為例，采集了2010年1月至2015年5月期間隴海線上下行K1397+000～K1720+000里程范圍內(nèi)的42770條鋼軌傷損數(shù)據(jù)，驗證了使用壽命評估模型的有效性。結果表明，評估出的鋼軌使用壽命與真實壽命非常接近，可滿足