-
题名钢轨打磨砂轮磨损程度评价与寿命预测方法
- 1
-
-
作者
何喆
张钰荧
刘尚昆
高春雷
-
机构
中国铁道科学研究院集团有限公司
-
出处
《华南理工大学学报(自然科学版)》
北大核心
2025年第4期72-80,共9页
-
基金
国家自然科学基金项目(52005029)
中国铁道科学研究院集团有限公司院基金课题(2023YJ206)。
-
文摘
钢轨打磨是一种利用高速旋转的砂轮去除钢轨表面疲劳层的技术。当打磨砂轮钝化后,一般会出现材料去除效率降低和磨削区域温度升高等问题。为避免上述问题对打磨作业的负面影响,需及时更换寿命到限的砂轮。该文提出一种基于神经网络的钢轨打磨砂轮磨损程度与寿命预测方法,以合理地确定砂轮更换时机。该方法原理如下:采集与砂轮连接的电机主轴轴向加速度信号,并基于该信号提取出描述砂轮磨损程度的特征参数。对特征参数进行Z-Score变换,去除特征参数量纲并提高各参数间的可比性。利用XGBoost算法依据各特征参数的平均增益大小进行筛选,选择与寿命强相关的特征参数作为分析对象进一步处理。以磨损时间与砂轮磨损量融合策略作为判断砂轮磨损程度与寿命的标准。搭建神经网络建立筛选后的特征参数与砂轮磨损量、砂轮厚度的映射关系。利用试验装置获得伴随砂轮钝化的试验数据,将数据划分为相互独立的训练集与验证集,分别对搭建的神经网络进行训练与验证。结果表明,该方法在训练集与验证集中的判断正确率与预测精度基本持平。在验证集中,对砂轮磨损程度的判断正确率为87.9%,判断错误样本主要集中在磨损程度变化的过渡区间;对砂轮寿命的预测精度为-5.3%。不同打磨工艺参数下,该方法具有一定的通用性。
-
关键词
钢轨打磨
砂轮磨损
神经网络
磨损程度评价
寿命预测
-
Keywords
rail grinding
grinding wheel wear
neural network
wear evaluation
residual life prediction
-
分类号
TG74
[金属学及工艺—刀具与模具]
TH117
[机械工程—机械设计及理论]
-
