-
题名基于贝叶斯正则化的无缝线路轨温荷载预测模型研究
- 1
-
-
作者
刘兴晨
肖杰灵
庄丽媛
景璞
余思昕
-
机构
西南交通大学土木工程学院
西南交通大学高速铁路线路工程教育部重点实验室
华设设计集团股份有限公司
广东省铁路建设投资集团有限公司
广东省高速公路有限公司
-
出处
《铁道标准设计》
北大核心
2025年第6期46-54,共9页
-
基金
国家自然科学基金面上项目(52272441)
国家科技部重大专项(2022YFB2602905)
+1 种基金
四川省自然科学基金创新研究群体项目(2023NSFSC1975)
山东铁投集团科技计划项目(TTKJ2021-04)。
-
文摘
钢轨内巨大的温度力严重危害无缝线路的行车安全,预测轨温,提前掌握轨温变化规律十分必要。针对气温-轨温的关联关系展开研究,在新疆富蕴实地开展监测试验,对气温与轨温实行一年内1—10月的温度监测;分析气温与轨温的波动规律;采用贝叶斯正则化的BP神经网络建立轨温预测模型,对气温与轨头、轨腰与其他部位轨温的变化关系进行预测。结果表明,气温和钢轨各部位轨温的变化均呈现规律的周期性,且其最值的差值变化并不完全符合传统规律所述;实测结果显示,最高轨温与最高气温差值变化范围在3~15℃,其差值变化随气温回升而减小,最低气温与最低轨温差值约为1.08,其差值波动较稳定;基于贝叶斯正则化的BP神经网络模型预测结果显示,由日最低气温预测钢轨各部位最低温时,平均误差最小,低至0.311℃,由轨腰日最高温预测钢轨其他部位最高温时,平均误差最小,可达0.877℃。实际工程中,可优先考虑由气温预测最低轨温,由轨腰温度预测其他部位的最高轨温;在冷热交替的时段,应注意及时监测轨温状况,放散温度应力。
-
关键词
无缝线路
轨温预测模型
轨温监测试验
轨温变化规律
贝叶斯正则化
BP神经网络
-
Keywords
continuous welded rail
rail temperature prediction model
rail temperature monitoring test
rail temperature variation patterns
Bayesian regularization
BP neural network
-
分类号
U213
[交通运输工程—道路与铁道工程]
U216
[交通运输工程—道路与铁道工程]
-
